篩選2億種化合物 機器學習發現數百種潛在新冠藥物

來源：科技日報

科技日報北京8月13日電 （記者劉霞）據美國每日科學網站12日報導，美國科學家藉助一種強大的機器學習方法，通過篩選約2億種化學物質，發現了數百種新冠肺炎候選藥物。

該研究負責人、加州大學河濱分校教授安南達桑卡·雷解釋說，這一藥物發現平臺是一種與人工智慧有關的計算機算法，可通過反覆試錯學習預測藥物的活性，其預測能力還能不斷改進，「對於系統性發現治療新冠肺炎新藥而言，此類平臺是重要的第一步」。

在研究中，團隊成員喬爾·科瓦列夫斯基用到了與新冠病毒蛋白相互作用的65種人類蛋白的配體，並為每種人類蛋白生成了機器學習模型，這些模型經過訓練，可從其3D結構中識別出新配體。

研究團隊使用這些機器學習模型，從包含2億種化學物質的資料庫中篩選出了1000多萬種小分子，並確定了能最有效靶向與新冠病毒蛋白相互作用的65種人類蛋白的化合物。他們從這些化合物中鑑定出了已經獲得美國食品藥品管理局（FDA）批准的化合物，例如一些藥品和食品中使用的化合物。他們還使用機器學習模型計算了各種化合物的毒性，這有助於摒棄潛在的有毒候選物。

研究人員表示，這種方法不僅使他們鑑定出對單個人類蛋白靶標具有最顯著活性的候選藥物，還發現了一些有望抑制兩個或多個人類蛋白靶標的化學物。

雷說：「最令我興奮的是那些可能會揮發的化合物，這為吸入療法帶來了驚喜。」

研究人員認為，傳統依賴細胞培養測定的方法很昂貴，而且可能需要數年時間對藥物進行測試，與之相比，他們的機器學習平臺在初步篩查大量化學物質方面具有優勢。而且，該平臺不僅能用於研發抗新冠肺炎藥物，還能加速其他多種疾病藥物的研發進程。