美國紐約市立大學(xué)研究團(tuán)隊(duì)創(chuàng)建了一個(gè)人工智能模型，可顯著提高新藥療效的準(zhǔn)確性并減少藥物開發(fā)的時(shí)間和成本。最新一期《自然·機(jī)器智能》雜志描述的這種名為CODE-AE的新模型可篩選新的藥物化合物，并準(zhǔn)確預(yù)測對人體的療效。在測試中，理論上它為9000多名患者確定了可更好治療他們疾病的個(gè)性化藥物。研究人員預(yù)計(jì)該技術(shù)將顯著加速藥物發(fā)現(xiàn)及精準(zhǔn)醫(yī)學(xué)發(fā)展。

準(zhǔn)確并穩(wěn)定地預(yù)測患者對新化合物的特異性反應(yīng)，對于發(fā)現(xiàn)安全有效的治療方法和為特定患者選擇現(xiàn)有藥物至關(guān)重要。然而，直接在人體中對藥物進(jìn)行早期療效測試是不道德和不可行的，因此細(xì)胞或組織模型通常被用作人體的替代物來評估藥物分子的治療效果。不幸的是，疾病模型中的藥物效應(yīng)，通常與人類患者的藥物功效和毒性無關(guān)。這種差距正是新藥發(fā)現(xiàn)成本高、生產(chǎn)率低的主要因素。

此次的新機(jī)器學(xué)習(xí)模型可解決從疾病模型到人類的轉(zhuǎn)化挑戰(zhàn)。CODE-AE的設(shè)計(jì)受生物學(xué)啟發(fā)，并加入機(jī)器學(xué)習(xí)方面的最新進(jìn)展，可解決用患者數(shù)據(jù)訓(xùn)練通用機(jī)器學(xué)習(xí)模型的問題。盡管此前已開發(fā)出許多方法來利用細(xì)胞系篩選來預(yù)測臨床反應(yīng)，但由于數(shù)據(jù)不一致和差異，它們的表現(xiàn)并不可靠，而CODE-AE可提取被噪聲和混雜因素掩蓋的內(nèi)在生物信號(hào)，有效緩解數(shù)據(jù)差異。

與現(xiàn)有最先進(jìn)的方法相比，CODE-AE顯著提高了純粹從細(xì)胞系化合物篩選預(yù)測患者特異性藥物反應(yīng)的準(zhǔn)確性和穩(wěn)健性。

研究團(tuán)隊(duì)將繼續(xù)推進(jìn)該技術(shù)在藥物發(fā)現(xiàn)中的應(yīng)用，讓CODE-AE更可靠地預(yù)測新藥在人體中的濃度和代謝影響。研究人員還指出，這一模型可能會(huì)被調(diào)整用于準(zhǔn)確預(yù)測藥物對人類的副作用。

總編輯圈點(diǎn)

在新藥研發(fā)的不同階段，人工智能已經(jīng)顯示出它的獨(dú)特優(yōu)勢。前有DeepMind的AlphaFold成功地預(yù)測出蛋白質(zhì)的三維結(jié)構(gòu)，后有研究團(tuán)隊(duì)利用AI精準(zhǔn)地從頭設(shè)計(jì)出了能夠穿過細(xì)胞膜的大環(huán)多肽分子。此次研究人員開發(fā)出了一種新人工智能模型，可以準(zhǔn)確并穩(wěn)定地預(yù)測人體對新化合物的特異性反應(yīng)。新的模型加速了藥物開發(fā)的進(jìn)程，提升了新藥研發(fā)的精準(zhǔn)性，讓研發(fā)過程中的調(diào)整更加有的放矢。正如專家所預(yù)測的，計(jì)算生物學(xué)正在藥物開發(fā)中發(fā)揮越發(fā)重要的作用。(科技日報(bào)記者 張夢然)