人工智慧正在如何改變藥物發現 | Nature 2018

2020-08-27 智藥邦

近年來，人工智慧技術在各行各業的應用逐漸受到關注，正在改變我們生活的每一個領域。那麼，人工智慧技術對藥物發現領域究竟有多大影響呢？前景如何？

為了儘可能完整的看待這一過程，我們做一些回顧。

早在2018年，科普作家Nic Flemming在Nature（IF=42.778）上發表過一篇評論文章《How artificialintelligence is changing drug discovery》，文章介紹了一些人工智慧推動藥物發現的案例，並客觀評述了這種推動作用的價值和前景。

我們對該文章進行了概要整理，歡迎閱讀。

01 新藥開發技術的新視角

從新藥開發的成本說起。

一個新藥的平均開發成本大約26億美元，這包括了花費在候選藥物上的費用。

有沒有新的解決方案呢？

輝瑞、賽諾菲、羅氏等製藥巨頭正在使用人工智慧技術來促進藥物發現。

新型科學家-機器人來了！

事實上，人工智慧技術在藥物發現中的使用，可以追溯到2007年劍橋大學開發的Adam機器人成功預測酵母菌新功能的案例。另外，比Adam更高級的機器人Eva發現了牙膏中的成分三氯生可以靶向抑制DHFR酶來治療瘧疾。

02 使用AI進行藥物發現的初創公司舉例

波士頓附近的生物技術公司Berg開發了一種模型，通過對比癌症細胞和健康細胞的生物學數據的關鍵差異，來尋找潛在的靶點和藥物。

Berg的聯合創始人兼執行長Niven Narain說：「我們正在通過使用患者驅動的生物學數據，來獲得更具預測性的假設，而不是傳統的試錯法，從而顛覆了藥物發現範式」 。

倫敦初創公司BenevolentBio可以從研究論文、專利、臨床試驗和患者記錄等來源獲取數據，形成基因、症狀、疾病、蛋白質、組織、物種和候選藥物關係的知識圖-基於雲的生物體。並使用該系統發現了5個治療肌萎縮性側索硬化症（ALS）的化合物，其中4個具有治療前景。

麻薩諸塞州的劍橋的無錫NextCODE公司使用AI對基因進行分類，幫助耶魯大學研究人員發現了FGF控制葡萄糖代謝的機制。

NextCODE公司的負責人認為：我們開發藥物並在臨床試驗中進行評估的方式，都將歸結為非常複雜的模式識別。

03 AI應用於藥物發現的條件是否成熟

在過去的二十年中，計算機處理能力的持續快速增長，大數據集的可用性以及高級算法的發展推動了機器學習的重大改進。

目前，許多使用人工智慧進行藥物發現的初創公司都使用機器學習來識別隱藏在大量數據中的模式。

04 關於未來需要做哪些準備

發現藥物的技術不可能一直保持不變。

Narain說，博士學位和其他研究生課程的實施方式需要「發生根本性轉變」，Chittenden對此表示同意，而史丹福大學的Russ Altman則認為生物學的本科生需要拓展到統計學和計算思想，但是博士級別更需要專業的深度而不是廣度。

正在使用人工神經網絡進行基於結構的藥物設計的牛津大學的Anthony Bradley認為，學會編碼至少在接下來的5-10年內將是有用的，其他的工作計算機很大程度上都可以做到。

那麼究竟可以做些什麼，來為迅速發展的環境做好準備？Bradley認為很關鍵的是自我學習，充分利用可用工具的功能。

05 炒作or事實

人工智慧和機器學習是否將會迎來一個更快、更便宜、更有效的藥物發現時代？

有些人持懷疑態度，他們認為，計算機輔助藥物設計的計算機模擬技術，並沒有阻止自1990年代中期以來製藥業R＆D生產率的下降。

但大多數專家確實希望這些工具變得越來越重要。

目前一些關於人工智慧將徹底改變藥物發現的預測，可能是誇大其詞了。批評者認為，是有商業利益在起作用。並且到目前為止，還沒有獲批准的基於AI開發的藥物。

Narain認為，炒作不會持續太久，因為在未來五年左右的時間裡，事實將在數據中顯現出來。如果到那時我們正在創造更好的藥物，並且更快、更便宜地生產它，那麼人工智慧將真正起飛。


參考文獻

1.Fleming, N.(2018). &34;Nature 557(7707): S55-s57

（Chris編譯）

相關焦點

  • 人工智慧在藥物研發中的應用前景|人工智慧|藥物研發|製藥公司|...
    然而，數位化帶來的挑戰是如何應用這些數據來解決複雜的臨床問題。這激發了人工智慧的使用，因為它可以通過增強的自動化處理大量數據。人工智慧是一個以技術為基礎的系統，包括各種先進的工具和網絡，可以模仿人類的智能。同時，它不會威脅到完全取代人類的存在。人工智慧利用能夠解釋和學習輸入數據的系統和軟體，為實現特定的目標做出獨立的決定。人工智慧在醫藥領域的應用正在不斷擴大。
  • 人工智慧助力藥物研發:J Med Chem發表人工智慧藥物發現專刊
    20世紀以來，儘管人類對疾病生物學的認知和技術取得了顯著的飛躍，但由於藥物在臨床試驗階段的高失敗率，將新藥推向市場仍然是一個耗時且昂貴的過程。計算機輔助小分子藥物設計研究致力於以更低的市場成本研發新藥。
  • 人工智慧正在如何改變世界:BBC 總結 AI 的 A 到 Z
    它們出現在社交媒體信息流、客戶服務頁面和網站上，提供對話、建議和陪伴，它們正在改變我們與社會組織的互動方式，這些組織包括公用事業公司、成人網站、披薩遞送公司、在線商店、銀行甚至政府等。研究人員與英超最大的俱樂部之一切爾西足球俱樂部合作，正在使用人工智慧來幫助分析這些球員的關鍵決定，以預測如果他們做了不同的事情會發生什麼。他們希望這能幫助球隊學習如何在比賽中做出更好的決定，甚至贏得更多的比賽。
  • Nature特寫:人工智慧助力化學藥物「宇宙」漫遊指南
    位於舊金山、由Shoichet共同創立的生物科技公司Epiodyne正在根據這些發現開發更安全的止痛藥。Shoichet計劃利用同樣的方法尋找能夠調節其他G蛋白偶聯受體（GPCRs）的化合物, 該家族的蛋白在所有藥物靶點中佔到40%。他的團隊同時對含有一億種化合物的虛擬星雲進行相似的實驗，這些化合物從未被合成但其合成過程應該較簡單。
  • 如何看待人工智慧對人屬性的改變
    如何看待人工智慧對人屬性的改變 發布時間： 2020-07-06 14:35:20   來源：《當代電力文化》  作者：梁衛國
  • 人工智慧的「指數」增長正在改變計算的本質
    人工智慧和機器學習的大規模應用正在改變計算的本質。谷歌軟體工程師Cliff Young於周四早上在Linley Group秋季處理器大會上發表了開幕主題演講。Young表示，人工智慧的使用達到了一個「指數階段」，同時摩爾定律，幾十年前關於半導體進步的經驗法則已陷入停滯狀態。
  • Nature:利用體內CRISPR-Cas9篩選技術發現新的藥物靶標來增強癌症...
    這些抑制劑釋放免疫細胞上的「車閘」，使得它們能夠發現和摧毀和癌細胞。Haining說，「PD-1檢查點抑制劑改變了很多癌症的治療。儘管這類新的癌症免疫療法在臨床上取得成功，但是大多數患者並沒有從PD-1阻斷中獲得臨床益處。」Haining說，這就促發人們進一步開展大量的臨床試驗來研究當與PD-1抑制劑聯合使用時的其他藥物是否能夠增加對這種療法作出反應的患者數量。
  • Nature靈魂問：微生物組數據一大堆，如何能改變人類健康？
    ① 微生物組大數據微生物組研究正在改變著我們人類對自身的看法。我們體內的微生物細胞數量至少與人體細胞數量相當，而這些微生物所擁有的基因種類更是超過了 100 萬種。然而，我們對微生物基因組——「第二基因組」的大部分功能以及它如何影響健康，還知之甚少。
  • Nature靈魂拷問：微生物組數據一大堆，如何能改變人類健康？
    微生物組大數據微生物組研究正在改變著我們人類對自身的看法。我們體內的微生物細胞數量至少與人體細胞數量相當，而這些微生物所擁有的基因種類更是超過了 100 萬種。然而，我們對微生物基因組——「第二基因組」的大部分功能以及它如何影響健康，還知之甚少。「腸道菌群就像是人類的一個百搭器官，」來自位於聖地牙哥的 illumina 公司測序技術研發部的副總裁 Gary Schroth 說，「每個人都擁有不同的腸道菌群，它們對我們消化食物和代謝藥物的方式有巨大影響。」
  • JMC|藥物發現和合成機器學習聯盟綜述人工智慧在藥物合成中應用
    引言人工智慧和機器學習早已經證明了它們在小分子預測化學和合成規劃方面的潛在作用。麻省理工學院和13家化學及製藥公司成員組成的藥物發現和合成機器學習聯盟(MLPDS)，正在開發和評估一個數據驅動的合成規劃項目。
  • 《Nature》發布:2019全球IO領域藥物研發新趨勢
    近日《nature reviews drugdiscovery》，發布了2019年腫瘤免疫治療領域      近日《nature reviews
  • Nature:2018 年技術展望
    這足以顯示突變如何改變蛋白質的組成、拓撲、結構和功能了。CET 還能夠揭示蛋白結構如何隨其它條件改變而發生變化，例如蛋白磷酸化對其結構的改變。2018 年的重大進展將會是聚焦離子束刻蝕技術的改進。這種技術對哺乳動物的細胞或組織進行切片，得到一層非常薄的樣本（CET 對樣本厚度有嚴格要求），從而可以在細胞背景下觀察到特定蛋白質複合物的結構。
  • 人工智慧如何改變世界？
    我就簡單的說一下，潛移默化的改變，而且已經開始了。職場問題原創內容源自我的公眾號：網際網路吧  （ID：hulianwanba）人工智慧技術在今年百度開放人工智慧無人駕駛技術之後發展進入了一個火熱期。
  • Nature子刊:非編碼RNA癌症藥物基因組圖譜新突破
    在該項研究中，研究人員分析了由彈性網絡回歸模型篩選出的lncRNA-藥物可預關聯，發現有一部分lncRNA與同種機制多種藥物的藥敏高度相關，而另一部分lncRNA則與不同機制多種藥物的耐藥有關。研究人員進一步實驗驗證了lncRNA EPIC1對BET 蛋白抑制劑在乳腺癌細胞中的耐藥調控，並通過轉錄組測序分析發現它對耐藥的調控與MYC通路的激活具有顯著相關性。
  • Nature綜述丨冷凍電鏡在藥物發現中的應用前景
    Kobilka最初從事細胞生物學，後來轉行從事結構生物學研究分子機制 (https://www.nature.com/-news/2011/110824/full/476387a.html)，因為他覺得他的科學問題只有結構生物學才能解答，才能從原子水平解釋G蛋白偶聯受體(GPCR)的分子機理。另一方面，結構生物學在藥物篩選中也起著舉足輕重的作用。
  • 人工智慧正在改變人類世界觀
    全文共2956字，預計學習時長6分鐘人工智慧正通過扭曲人造的影像，改變著人們的認知水平以及人類與物質世界的關係。網絡上的「景色」，使我在親臨實地之後產生一種虛幻感；就像自己重遊兒時去過的地方，卻發現它比記憶中的樣子更加狹小，更加破舊。網絡世界裡的信息，很大程度上影響了人們對世界的印象。
  • 《Nature》:離子液體,藥物研發的新方向
    隨著現在藥物發現的思路越來越停滯不前，是時候嘗試替代方案了。我們呼籲化學家和製藥業開發藥物的液體鹽形式。化學家需要更多地了解離子液體的相互作用譜、離子鍵的設計方法以及離子的選擇如何改變離子化合物的化學、物理和生物性質。同時，藥物監管機構也需要跟上步伐，把液態活性成分也納入考慮範圍。為什麼離子液體會被忽略？
  • Nature：FB和推特的數據是如何革新社會科學，改變世界的？
    研究發現，歌曲的受歡迎程度越來越難以預測用戶受他人行為的影響，這提供了一種為什麼難以預測不可控的成功的解釋。但是，許多傳統的社會科學家對這場革命的最初成果並沒有留下深刻的印象，並發現其中的一些方法值得懷疑。懷疑論者將對社交媒體的研究視為對數千名不知情和不同意的參與者進行的實驗。2018年，有消息傳出，英國諮詢公司Cambridge Analytica未經其所有者同意，已從數百萬個Facebook帳戶中收集了數據。
  • Nature綜述:隨著臨床試驗成功,RNA療法正在蓬勃發展!
    值得注意的是，Moderna在2018年以約76億美元的市值創下了最大的生物科技IPO紀錄。圖1：RNA療法的財務數據和渠道特徵，圖片來源：https://www.nature.com。RNA療法藥物管線這些投資已經轉化為全球範圍內的強大生產線（圖1c， d）。
  • Nature評選年度十大科學發現：北師大女博士林琳憑藉天眼的研究入選
    研究團隊通過「激活並殺死」（shock and kill）的方法，通過藥物激活這些潛伏的HIV病毒轉錄，從而讓免疫系統更好地識別和清除HIV病毒。有助於研究人員了解蛋白質的生理和病理機制，並有助於開發出副作用更少，效果更好的藥物，而這些是其他成像技術（如X射線）無法做到的。