在具有里程碑意義的發(fā)展中募狂，使用人工智能(AI)創(chuàng)建的第一種藥物已進入其第一階段試驗呵晨。該化合物名為DSP-1181，由Exscientia和住友大日本制藥公司(Sumitomo Dainippon Pharma)合資成立熬尺，用于治療強迫癥(OCD)。Exscientia首席執(zhí)行官Andrew Hopkins教授在《毒品目標評論》雜志的維多利亞·里斯(Victoria Rees)講話中解釋了如何在短短12個月內發(fā)現(xiàn)和優(yōu)化該藥物谓罗。
霍普金斯首先解釋說粱哼，該藥物可作為5-羥色胺5-HT1A受體潛在活性的完全激動劑，與其他現(xiàn)有的5-羥色胺5-HT1A受體激動劑僅部分阻斷活性的作用不同檩咱。它的半衰期也比其他藥物更長揭措。這使他和其他研究人員相信，與目前的療法相比刻蚯，它將顯示出更大的功效和更長的作用時間绊含。從藥物開發(fā)過程的開始就一直使用AI，包括從數(shù)據(jù)直接生成的從頭設計獲得的最初命中炊汹。
利用人工智能來搜索化學空間躬充，其中包括潛在的數(shù)十億個原子配置選項，這使研究人員能夠減少識別目標所需的時間讨便。將數(shù)據(jù)生成假設與機器學習相結合以產生藥物設計概念充甚，人類先前采取的步驟被一套高級算法所取代。
首先霸褒，人工智能產生了數(shù)百萬種符合特定規(guī)格的潛在新型分子伴找。然后，使用機器學習平臺來預測哪些化合物對成百上千種蛋白質具有活性废菱。然后應用了第三層算法技矮，稱為主動學習，該算法自動確定研究人員應該制造和測試的化合物的優(yōu)先級殊轴。
通過使用AI同時滿足大量設計目標衰倦，這些過程使科學家能夠精確地設計藥物∨岳恚霍普金斯說：“這就是如此重要的突破的原因耿币，因為它展示了如何使用AI來創(chuàng)建分子，從而挑戰(zhàn)了傳統(tǒng)工藝韧拒，該算法的優(yōu)點在于每個原子都至關重要淹接∈裕”未來，技術人員和藥物發(fā)現(xiàn)科學家之間的聯(lián)系將會更加緊密塑悼【⑹剩”
霍普金斯(Hopkins)確定的藥物設計中的一個關鍵問題是，只有少量數(shù)據(jù)可輕易獲得厢蒜。他說霞势，這是“大數(shù)據(jù)問題的對立面”，這意味著需要學習不同的算法斑鸦。
他解釋說愕贡，有大量的生物和化學數(shù)據(jù)源，可以將其集成并用于構建機器學習模型巷屿。但是固以，對于人體中的大多數(shù)蛋白質，在啟動藥物發(fā)現(xiàn)項目時通常只有很少的信息嘱巾。此外憨琳，對于每個單獨的目標，通常存在少量數(shù)據(jù)或稀疏數(shù)據(jù)的問題旬昭。因此篙螟，算法上的挑戰(zhàn)是如何從很少的數(shù)據(jù)中快速學習。
霍普金斯說问拘，要解決這個問題遍略，在主動學習領域開發(fā)的一組算法對于設計創(chuàng)新藥物至關重要。
他解釋說：“通過做出更好的設計決策骤坐，我們開始看到的是轧苫，我們可以合成更少的化合物廓脆，這使項目的進展比傳統(tǒng)情況快得多缤骨∩暇希”霍普金斯(Hopkins)強調，使用AI的主要好處是臨床前階段的移動速度顶岸。他解釋說腔彰，與傳統(tǒng)方法相比，它可以更快地優(yōu)化和鑒定臨床候選藥物辖佣。
他說霹抛，制藥業(yè)面臨的主要問題是生產率。使用AI可以解決研究回報率低的問題卷谈”眨“如果我們可以減少投資成本，那么最終我們就可以開始減少將學術界和診所的新見識轉化為新藥的障礙《吮疲”
