利用人工智能和自动化改造药物发现
COVID-19大流行提示了一个紧迫的问题:需要快速开发有效的药物。但开发一种新药说起来容易做起来难。
药物发现始于一个假设,即抑制或激活一个靶标分子或途径会产生治疗效果。在靶点识别和验证之后,是苗头化合物到先导化合物和先导化合物优化步骤。
先导化合物优化是一个精心设计的过程,可能成本高且时间长;尽管人们为先导化合物的产生投入了大量资源,但药物是否会进入下一个开发阶段经常不太确定。由于这种复杂和不确定性,人们对提高药物发现成功率的方法产生了相当大的兴趣,其中一种手段就是自动化。
高通量筛选:提供药物发现的关键起点
自动化允许测试更多的假说
机器人技术:提高准确性和可重复性
基于微流控技术的小型化发现平台
微流控设备的体积很小,许多功能可以集成在一个芯片上。芯片的内部尺寸从微米到毫米不等;这使得处理的样品和试剂甚至可以达到皮升的级别。微流控芯片,加上多通道和阵列设计,可以实现高通量的过程,提高筛选的速度。除了快速筛选和分析,微流控技术凭借其小型化的设备降低了试剂消耗和成本。
药物发现中的人工智能
现代生物学的数据越来越丰富,例如大量的遗传数据导致了成千上万的基因组数据库的产生。然而,这些大型数据集需要适当的分析方法,以产生能够进行预测的有效模型。AI可以被利用来捕获这些大型数据集,并利用它们进行早期靶点识别和验证。
人工智能指的是机器(如计算机)在应对一系列环境时执行任务的能力。机器学习(ML)是人工智能的一个子集,使用可以学习和改进的算法,无需重新编程。为了预测与药物发现有关的结果,机器需要算法来处理现有的数据并识别模式。ML可以在药物发现的许多阶段使用。验证生物靶点,发现候选药物分子,识别预测疾病的生物标志物是可以利用ML的一些领域的例子。
正如新加坡国立大学教务长讲座教授Dean Ho博士所言:"药物发现涉及识别新型药物结构/化合物。使用人工智能可以明显加快这一过程,而且使用人工智能还可以提高和加快这种新型化合物与靶点的接触能力。"
通过使用人工智能,可以筛选出一个由几十亿个分子组成的虚拟化合物库,并且可以在比传统方法更短的时间内确定临床前候选药物。圣安德鲁斯大学的理论化学家St. Andrews博士说:"人工智能可以帮助使药物发现过程更加有效,因为它可以非常快速地进行大量的计算,尽管不一定非常准确"。米切尔列举说,人工智能可以通过以下方式协助药物发现。
将基因与疾病联系起来
识别蛋白质作为疾病的治疗靶点 详尽地评估针对每种已知疾病的每个可能的靶点,重新评估每种已知药物的可能性 快速筛选数据库中数以百万计的可能的或现有的类似药物的分子,排除那些ADMET(吸收、分布、代谢、排泄和毒性)和溶解性差的分子(通过快速化学信息学),识别那些可能有活性的分子。 预测可能的副作用 在群体和个人层面上将治疗药物的疗效与人类遗传变异联系起来 加强从药物概念到患者的路径
药物发现自动化的障碍
"基于人工智能的药物发现很有前景,但要确保这些新发现的分子得到适当的开发,还有很长的路要走。不同的环节必须联合起来。就下游的挑战而言,在早期联合利益相关者是至关重要的,"Ho解释说。
Ho博士还解释说,"人工智能和基于人工智能的技术开发领域将不得不发展,以配合治疗中不断变化的需求。在某些时候,我们将能够超越仅仅依靠预先存在的数据和算法训练的方式"。
对于人工智能在药物发现中的挑战,Mitchell补充说:"有很多(通常较小的)公司,甚至学术界已经在研究这些内容。最明显的风险是过度炒作和期望。组合化学和化学信息学等技术最初被过度炒作,随后被低估。人工智能的最佳使用方法使胜算大增,但并不保证立即成功。药物发现本身是一项风险和昂贵的业务"。
在过去的几年里,实验室自动化、机器人技术和人工智能在药物发现中的应用取得了巨大的进步。尽管通向成功的道路充满挑战,但药物发现中的自动化可以帮助做出更快速的决定,使拯救生命的药物能够在正确的时间到达正确的人手中。
参考资料
https://www.technologynetworks.com/drug-discovery/articles/transforming-drug-discovery-using-ai-and-automation-338301
----------- End -----------
感兴趣的读者,可以添加小邦微信(zhiyaobang2020)加入读者实名讨论微信群。添加时请主动注明姓名-企业-职位/岗位 或姓名-学校-职务/研究方向。
Nat Comput Sci综述|生物分子建模在技术时代蓬勃发展
Nature:优于联邦学习的医疗数据共享技术Swarm Learning及应用案例
人工智能在药物研发中的应用
AI药物研发公司Exscientia的理念、技术与特点
进入临床试验的AI设计的药物 汇总V1.0
远程机器人实验室在AI药物发现中的应用价值与前景
Nature:如何使用AI分析真实世界数据,简化肿瘤临床试验入组标准
AI药物研发公司Insilico Medicine的理念、技术与特点
2020年AI + 药物研发全景概述:(二) AI如何应对制药行业的效率挑战
20家顶尖制药公司如何将AI应用于药物研发:近年来主要合作活动