▎药明康德/报导
从挑选一个靶点，到构成潜在的新药候选分子，这个进程需求多长的时刻？曩昔的答复可能是数月，甚至数年。但在今天，来自Insilico Medicine、药明康德、以及多伦多大学的科学家们在《天然》子刊Nature Biotechnology上给出了不同的答案。运用人工智能技能，他们将这一数字缩短到了短短21天！
这一技能有望为前期药物发现带来革新。众所周知，新药研制之路并非坦道。在高达近9成的失败率面前，每一款上市新药的背面，都是均匀10多年的绵长路途，以及20多亿美元的昂扬开支。其间，光是前期药物发现，就占去了将近一半的本钱。
为了打破这一瓶颈，业界许多立异者在近年来不断测验各种技能，而人工智能便是他们的挑选之一：经过快速寻找到具有成药潜力的分子，人工智能有望加快新药发现的进程，并削减所需的本钱。但夸姣的愿景之下，咱们也不得不供认，由人工智能进行规划，且可以在试验中证明本身潜力的分子，还十分罕见。
药明康德相关阅览：人工智能遇上新药研制，它能给医药行业带来什么？
这正是本篇论文的一大亮点地点。在研讨中，科学家们首先将DDR1设为目标靶点。这是一种在上皮细胞中表达的酪氨酸激酶，参加到了安排纤维化（fibrosis）的进程之中。为了寻找到潜在的DDR1按捺剂，研讨人员们开发了一种机器学习算法，用于规划新药分子。
本研讨的算法示意图（图片来历：参考资料[1]）
详细来看，这个算法的练习用到了多个不同的数据库。其间最大的一个数据库里包括海量的分子结构，其他的数据库则分别为已知的DDR1按捺剂及其3D结构、具有激酶按捺剂活性的常见分子（作为正对照）、无法靶向激酶结构的分子（作为负对照）、以及已被医药企业申请专利的分子。
在对数据库进行优化之后，研讨人员们运用了强化学习的办法，开始得到了大约3万个不同的结构。随后，他们又依据反响基团与化学空间等目标，对所得到的结构做了进一步的挑选。完结这些潜在新药分子的挑选时，间隔开始承认DDR1为目标靶点，只是曩昔了21天！
接下来，便是实践查验这些分子的成药潜力了。从挑选成果中，研讨人员们随机挑选出了40个结构，其间39个具有新颖性。从中，科学家们依据组成的难易程度，挑选出了6个分子，用作后续的体外与体内试验。
对候选分子进行药代动力学剖析和效果机理探究（图片来历：参考资料[1]）
体外试验成果表明，其间的2个化合物关于DDR1具有很高的按捺性。在细胞系中，这两个化合物相同展示了可喜的DDR1按捺才能，且能有用下降与纤维化进程有关的标志物。终究，研讨人员们挑选1号化合物进行动物试验。成果表明，无论是经过静脉注射，仍是经过口服，它的药代动力学特性均令人满意。
值得一提的是，在人工智能技能与研制人员的协同下，在选定靶点的46天后，新挑选出的分子就完结了开始的生物学验证。此外，科学家们也决议揭露该算法的源代码，供工业更多研制人员运用。
选定靶点的46天后，新挑选出的分子就完结了开始的生物学验证（图片来历：参考资料[1]）
在论文的终究，研讨人员们也指出，在迈入临床试验之前，由人工智能规划出的分子还有进一步优化的空间。但考虑到新药研制周期之绵长，能在前期新药发现进程中缩短时刻，已是一个喜人的前进。咱们也期待在人工智能的助力下，未来可以更多新药的研制得到加快，终究谋福全球病患！
本文题图来自Pixabay。
参考资料：
版权阐明：本文来自药明康德内容团队，欢迎个人转发至朋友圈，谢绝媒体或组织未经授权以任何方式转载至其他渠道。转载授权请在「药明康德」微信大众号回复“转载”，获取转载须知。
