產(chǎn)品分類導航
CPHI制藥在線 資訊 一文讀懂:人工智能在藥物研發(fā)中的應用

一文讀懂:人工智能在藥物研發(fā)中的應用

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。

       1

       概述

       在計算技術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。

       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)中的應用

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

       2

       人工智能在藥物發(fā)現(xiàn)中的應用

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

       人工智能在藥物篩選中的應用

       圖2. 人工智能在藥物篩選中的應用

       1 藥物靶點識別

       靶點是新藥研發(fā)的基礎,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^計算機提前預測靶點,這對于縮短靶點的發(fā)現(xiàn)時間是至關重要的。

       Kumari等人結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,特別是有關于生物利用度、生物活性以及**等相關性質(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進行藥物的吸收、不良反應、**等性質(zhì)的預測。例如:Newby等人構建決策樹模型用來預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)結構預測

       蛋白質(zhì)的生物學機制由其編碼的一維氨基酸序列和三維的結構所決定。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)能夠準確預測三維蛋白質(zhì)結構的方法,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,可用于根據(jù)蛋白質(zhì)的氨基酸序列確定蛋白質(zhì)的3D結構。

       Beck等人開發(fā)了一種基于深度學習的藥物-靶標相互作用預測模型,稱為分子轉(zhuǎn)換器-藥物靶標相互作用(MT-DTI),用于根據(jù)靶蛋白的化學序列和氨基酸序列預測結合親和力,而不需要其結構信息。

       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?shù)哪繕嘶颊呷后w。因此,精準醫(yī)學已成為醫(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測劑量以及確定治療受益較高的患者群體。

       3

人工智能在藥物研發(fā)中

       的應用案例

       美國硅谷公司Atomwise通過IBM超級計算機,在分子結構數(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

       4

       結論

       與傳統(tǒng)的藥物研發(fā)技術相比,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)的預測也只需要短短的幾天。

       人工智能在新藥發(fā)現(xiàn)領域的市場規(guī)模

       圖3. 人工智能在新藥發(fā)現(xiàn)領域的市場規(guī)模(引自文獻5)

       但當前階段,可用于人工智能挖掘的數(shù)據(jù)仍相對較少,需要生成足夠海量的數(shù)據(jù)才能更好地使用該技術。相信在不遠的將來,通過人工智能所研發(fā)的藥物,市場規(guī)模將會越來越大,人工智能將在醫(yī)藥研發(fā)領域大展拳腳!

       參考文獻:

       [1]Machine Learning and Artifcial Intelligence in Pharmaceutical Research and Development: a Review

       [2]Artificial intelligence to deep learning: machine intelligence approach for drug discovery[J]. Molecular Diversity, 2021:1-46.

       [3]梁禮, 鄧成龍, 張艷敏,等. 人工智能在藥物發(fā)現(xiàn)中的應用與挑戰(zhàn)[J]. 藥學進展, 2020, 44(1):10.

       [4]丁伯祥, 胡健, 王繼芳. 人工智能在藥物研發(fā)中的應用進展[J]. 山東化工, 2019, 48(22):4.

       [5]黃芳, 楊紅飛, 朱迅. 人工智能在新藥發(fā)現(xiàn)中的應用進展[J]. 藥學進展, 2021年45卷7期, 502-511頁, CA, 2021.

相關文章

合作咨詢

   肖女士    021-33392297    Kelly.Xiao@imsinoexpo.com

2006-2024 上海博華國際展覽有限公司版權所有(保留一切權利) 滬ICP備05034851號-57