一文讀懂：人工智能在藥物研發(fā)中的應(yīng)用

熱門推薦：人工智能 , 新藥 , 藥物研發(fā) ,

作者：四月的雨來源：藥渡

2022-03-24

在計算技術(shù)革命性進步的推動下，人工智能在過去十年中蓬勃發(fā)展，這使得收集和處理大量數(shù)據(jù)的能力得到了革命性的改進。且與此同時，新藥研發(fā)的成本以及新藥的價格也令研發(fā)公司與患者望而卻步。

概述

研發(fā)一款新藥是一個非常“燒錢”而且漫長的過程，成功率還很低，據(jù)調(diào)查平均每種藥物的研發(fā)投資為13億美元，每種非腫瘤類藥物的平均研發(fā)時間為5.9-7.2年，而腫瘤類藥物研發(fā)時間更是高達13.1年，而最終能成功獲批的藥物卻只占13.8%。

人工智能由于其預(yù)測能力，可以有效提高藥物開發(fā)的成功率，這對新藥研發(fā)企業(yè)有著絕對的吸引力。

大數(shù)據(jù)在藥物發(fā)現(xiàn)中的應(yīng)用

圖1. 大數(shù)據(jù)在藥物發(fā)現(xiàn)中的應(yīng)用

人工智能在藥物發(fā)現(xiàn)中的應(yīng)用

人工智能可通過多方面來增加藥物開發(fā)成功的可能性，包括新靶標(biāo)識別、候選藥物選擇、化合物理化性質(zhì)的預(yù)測以及蛋白質(zhì)結(jié)構(gòu)預(yù)測等。

人工智能在藥物篩選中的應(yīng)用

圖2. 人工智能在藥物篩選中的應(yīng)用

1 藥物靶點識別

靶點是新藥研發(fā)的基礎(chǔ)，目前我們也發(fā)現(xiàn)了許多的藥物靶點，但是與未發(fā)現(xiàn)的藥物靶點相比，那么可能只是九牛一毛。而藥物靶點發(fā)現(xiàn)的過程一般也是費時費力的，所以我們?nèi)绻軌蛲ㄟ^計算機提前預(yù)測靶點，這對于縮短靶點的發(fā)現(xiàn)時間是至關(guān)重要的。

Kumari等人結(jié)合自助法采樣提升了隨機森林算法，并成功從非藥物靶點中區(qū)分出了藥物靶點。

2 活性化合物篩選

在人體內(nèi)，藥物可以同時作用于多個靶點，而作用在非靶向受體時，就可能會產(chǎn)生一定的副作用。所以我們需要對化合物進行篩選，從而篩選出在特定靶點上生物活性高的化合物。而人工智能可以加快我們的篩選速度，進而加快藥物的研發(fā)進程，使產(chǎn)品更快地用于患者。

3 化合物性質(zhì)預(yù)測

藥物研發(fā)中影響成敗的一個重要因素就是選擇具有優(yōu)良性質(zhì)的化合物，特別是有關(guān)于生物利用度、生物活性以及**等相關(guān)性質(zhì)。很多藥物臨床失敗都是由于藥物的理化性質(zhì)較差，所以藥物自身的性質(zhì)對于藥物能否成功通過臨床而上市是至關(guān)重要的。所以在藥物研發(fā)的早期階段就需要對其進行詳細的理化性質(zhì)研究，而我們可以使用人工智能技術(shù)進行藥物的吸收、不良反應(yīng)、**等性質(zhì)的預(yù)測。例如：Newby等人構(gòu)建決策樹模型用來預(yù)測化合物滲透性和溶解性在藥物口服吸收過程中的作用。

4 蛋白質(zhì)結(jié)構(gòu)預(yù)測

蛋白質(zhì)的生物學(xué)機制由其編碼的一維氨基酸序列和三維的結(jié)構(gòu)所決定。眾所周知，蛋白質(zhì)錯誤折疊在許多疾病中都很常見，包括II型糖尿病、阿爾茨海默癥、帕金森氏癥、亨廷頓氏癥和肌萎縮側(cè)索硬化癥等神經(jīng)退行性疾病。所以開發(fā)能夠準確預(yù)測三維蛋白質(zhì)結(jié)構(gòu)的方法，以幫助新藥發(fā)現(xiàn)和理解蛋白質(zhì)折疊疾病具有重要價值。由DeepMind開發(fā)的AlphaFold是一個人工智能網(wǎng)絡(luò)，可用于根據(jù)蛋白質(zhì)的氨基酸序列確定蛋白質(zhì)的3D結(jié)構(gòu)。

Beck等人開發(fā)了一種基于深度學(xué)習(xí)的藥物-靶標(biāo)相互作用預(yù)測模型，稱為分子轉(zhuǎn)換器-藥物靶標(biāo)相互作用（MT-DTI），用于根據(jù)靶蛋白的化學(xué)序列和氨基酸序列預(yù)測結(jié)合親和力，而不需要其結(jié)構(gòu)信息。

5 精準醫(yī)療

根據(jù)統(tǒng)計，在失敗的臨床3期試驗中，其中57%的失敗是由于療效不足造成的，主要的因素是未能用正確的劑量、未能確定適當(dāng)?shù)哪繕?biāo)患者群體。因此，精準醫(yī)學(xué)已成為醫(yī)藥行業(yè)藥物開發(fā)的重點。而我們可以使用人工智能工具來預(yù)測劑量以及確定治療受益較高的患者群體。

人工智能在藥物研發(fā)中

的應(yīng)用案例

美國硅谷公司Atomwise通過IBM超級計算機，在分子結(jié)構(gòu)數(shù)據(jù)庫中篩選治療方法，評估出820萬種藥物研發(fā)的候選化合物。2015年，Atomwise基于現(xiàn)有的候選藥物，應(yīng)用人工智能算法，在不到一天時間內(nèi)就成功地尋找出能控制埃博拉病毒的兩種候選藥物。

而目前多家醫(yī)藥巨頭公司也與一些Al公司加深合作，無不意味著人工智能對于醫(yī)藥研發(fā)的重要性，下表為一些醫(yī)藥巨頭與Al公司的合作。

表1. 醫(yī)藥巨頭與Al公司合作案例

醫(yī)藥巨頭與Al公司合作案例

結(jié)論

與傳統(tǒng)的藥物研發(fā)技術(shù)相比，通過人工智能方法篩選藥物更加地高效。常規(guī)的篩選過程我們可能動輒需要花費幾個月時間，外加每個化合物上百元或幾百元的代價。在人工智能的幫助下，虛擬化合物幾天內(nèi)可以篩選數(shù)十億個分子的文庫。而人工智能工具對于藥物理化性質(zhì)的預(yù)測也只需要短短的幾天。

人工智能在新藥發(fā)現(xiàn)領(lǐng)域的市場規(guī)模