《Nature》：人工智能下的新药研发时代

药明康德/编译（来源：《Nature》）

本文由药明康德团队整理，欢迎分享至朋友圈。转载请于文章开头注明“本文来源于药明康德AI微信公众号（ID：gh_06af933b93d6）”

据估计，研发一种新疗法的成本大约为26亿美元，这一数字令人瞩目。然而，这笔金额中的很大一部分都花费在无休止的试验和失败之中。虽然一款药物从1期试验开始，到最终获批上市，中间要经历无数次的失败，却极少有人反思过，药物研发是否需要换一种思路来进行。

针对这个问题，很多业内领先的生物医药公司正在采取不同的解决方案：辉瑞公司正在使用IBM的机器学习系统IBM Watson，来推动其免疫肿瘤药物的研究；赛诺菲与英国初创公司Exscientia建立合作关系，使用其人工智能平台寻找代谢疾病的治疗药物；而基因泰克公司使用了GNS Healthcare公司的AI系统来寻找癌症疗法。

在AI和机器学习的助力下，药物发现将会迎来一个更快，更便宜和更有效的时代。有些人对此持怀疑态度，但大多数专家仍然认为，这些技术变得越来越重要。这种转变给科学家带来了挑战和机遇，当这些技术与自动化相结合之后尤为明显。

大批AI新锐涌现

早在20世纪50年代，AI领域的开拓者就已经开始思考，如何造出可以像人一样感知和思考的机器。虽然当时这一概念在很长一段时间里，还被认为是科幻小说里的情节，但在后来却成为了广义范围内的人工智能雏形。在过去的二十年里，随着计算机处理能力的持续快速增长，可用的大数据集越来越多，更多先进的算法被开发出来，机器学习得到了大幅进步。于是，“狭义人工智能”的概念就此诞生了，这一类型的人工智能技术专注于实现某些具体工作。这其中包括了使用一种名为自然语言处理的AI技术来分析、理解和生成文本及语音，以及能够模仿我们大脑感知世界方式的人工神经网络。这些技术已经在计算机视觉、语音分析和路径选择等领域得到广泛应用，同时也诞生了一批使用AI进行药物发现的初创公司，利用AI技术来识别隐藏在大量数据中的不同模式。

以Berg公司为例，这是一家位于美国马萨诸塞州波士顿附近的生物技术公司。其研究人员开发了一种模型，通过对1000多例癌症患者和健康人类细胞样本进行测试，来识别从前未知的癌症机制。他们通过改变细胞接触的糖分及氧的含量，来模拟患病的人类细胞，然后对这些细胞的脂质、代谢物、酶和蛋白质谱进行追踪。该团队使用其AI平台，生成并对患者的大量生物学数据和测试结果进行分析，以突出患病细胞和健康细胞之间的关键差异。

Berg公司旨在根据疾病的精准生物学原理，来确定潜在疗法。其联合创始人兼首席执行官Niven Narain博士表示：“我们正在颠覆药物发现的传统模式，通过使用以患者为导向的生物学原理和数据，推导出更具预测性的假设，而非使用传统的试错方式。”

▲Berg联合创始人兼首席执行官Niven Narain博士（图片来源：Berg官网）

使用这种方法，Narain博士的团队发现了某些天然分子在癌症代谢中的重要作用。在此基础上，该团队发现了一种新型抗癌药物的原理，并指出了一些可能的治疗用途。该药物名为BPM31510，目前正在进行2期临床试验，用来治疗晚期胰腺癌患者。同时，该公司还在使用AI系统来寻找药物靶点，以及包括糖尿病和帕金森病在内的其他疾病疗法。

总部位于伦敦的新锐公司BenevolentAI拥有自己的AI平台，汇总了来自研究论文、专利、临床试验和患者记录等来源的数据。在该平台及云计算技术基础上，能够表示出超出10亿个生物体的已知和推断关系，其中包括基因、症状、疾病、蛋白质、组织、物种和候选药物等。这个平台可以作为一个搜索引擎，让用户进行查询。例如，用户可以利用这个AI平台，来找到某种疾病相关的基因或化合物。平台上的大部分数据都没有注释，所以AI使用了自然语言处理技术来识别实体，并理解它们与其他事物的联系。“人工智能可以把所有的相关数据放在相关资料中，从而为专注于药物发现的研究人员们提供最重要的信息，”BenevolentAI首席执行官Jackie Hunter博士表示。

当BenevolentAI利用AI系统，寻找治疗肌萎缩侧索硬化症（ALS）的新方法时，系统标记了约100种具有治疗潜力的现有化合物。由此，BenevolentAI的研究人员们选择了五项来自英国Sheffield Institute of Translational Neuroscience的试验，利用来自患者的细胞进行测试。研究发现，在AI标记的这些化合物中，有四种具有良好的治疗效果，其中一种可以延缓小鼠的神经症状。

虽然行业内已经出现了许多具有明朗前景的应用，然而还有很多研究人员尚不清楚人工智能在其中发挥的作用。BenchSci是加拿大多伦多的一家初创公司，致力于为研究人员提供能够搜索抗体的机器学习工具。该公司在2月份发布的调研结果表明，在参与调研的330名药物研发人员中，有41％对人工智能并不熟悉。药物研发领域的专家认为，研究人员应该尽快掌握这方面的相关知识。

一些人认为，人工智能能够精确识别那些从前未知的疾病病因，这将加速那些具有特定生物学特征的患者的疗法研究。“在很长一段时间内，人们都在讨论个性化医疗，” Hunter博士表示：“而人工智能将使它真正成为可能。”

如何提升自身技能

行业领袖们一致同意，无论出现任何改变，药物发现及所需的技能是无法保持一成不变的。一些人认为，需要开展更加广泛的培训。Narain博士表示，博士和其他研究生课程的教学方式“需要彻底转变”，医学院校和本科教学也同样如此。

▲斯坦福大学的生物医学人工智能研究员Russ Altman博士（图片来源：斯坦福大学官网）

其他人认为，学生们更应该在不偏离专业核心领域的情况下来提高基础知识。“生物专业的本科生需要在统计学和计算原理方面锻炼其基本能力。”斯坦福大学的生物医学人工智能研究员Russ Altman博士表示：“但是在博士阶段需要掌握更加深入和坚实的技能。”

2003年，Altman博士作为发起人之一，为希望深入研究生物学和计算机专业的学生开设了生物医学计算学士学位。今年3月，这一项目在他所在的生物工程系重新启动了。

▲牛津大学的化学家Anthony Bradley博士（图片来源：LinkedIn）

在未来十年内，人工智能将如何影响新疗法的发现，在现在甚至都没有达成任何共识。“编程技能至少在未来5到10年内是非常有用的，但在那之后，电脑在很大程度上会自动完成编程操作，” 来自牛津大学的化学家Anthony Bradley博士表示:“在实验室里，我们需要一支训练有素的专业员工队伍，从而能够与自动化技术和人工智能方面的专家合作，对特定反应过程进行微调。”

Bradley博士使用一个名为Diamond Light Source的同步加速器，来筛选与化学分子靶点结合的化合物，目的在于提高其结合强度，从而产生新疗法。Bradley博士致力于使用人工神经网络，来进行药物设计，其目的是利用小分子结构和化学活性的公开数据，来训练计算机系统识别作用于蛋白质药物靶点的分子。

在快速发展的大环境下，那些希望在药物发现领域工作的人们能够做哪些准备工作呢？研究人员表示，及时获得最新信息和保持灵活性是非常重要的。“我获得的知识为我奠定了基础，让我可以了解这一领域的发展方向。但在某种程度上，要让学生自己了解这些技术趋势是如何发展的，” Bradley博士说道：“只有拥有丰富的知识，你才能充分利用现有工具的力量。”他建议，那些想要从事药物发现工作的人们可以通过阅读期刊和技术相关的新闻，来及时了解人工智能的发展状况。同时，由于学校能为学生们提供的相关知识有限，因此拥有自主学习的能力尤其重要。

那些关于人工智能可以变革药物发现领域的说法可能会略显夸张，因为到目前为止，还没有AI研发的药物被批准上市。Narain博士也认为，这样的说法目前有些言过其实，但是在不久之后，AI就会证明自己的价值。他表示：“如果在未来的五年左右，我们能够以更快的速度和更低的成本，来创造出更好的药物，那么人工智能将真正实现飞跃。”

参考资料：

[1] How artificial intelligence is changing drug discovery

更多精彩文章：