验证了
要点
- 药物的发现和开发过程平均需要10年以上。
- 科学家们在短短30天内，人工智能发现了一种治疗肝癌的新型候选药物，取得了新的突破。
- 在世界范围内，肝癌是2020年癌症死亡的主要原因之一，死亡人数超过83万。
一个主要的人工智能(人工智能)的突破可能预示着药物发现新时代的开始，这可能彻底改变生物技术、制药、医疗保健和生命科学行业。科学家们在短短30天内，人工智能发现了一种治疗肝癌的新型候选药物，取得了新的突破。这项研究发表在本月的《纽约时报》上化学科学．
Insilico Medicine创始人兼首席执行官、资深作者Alex Zhavoronkov博士写道:“这项工作是首次将AlphaFold应用于药物发现中的命中识别过程;Alán Aspuru-Guzik博士，多伦多大学计算机科学和化学教授，多伦多大学加速联盟主任;以及2013年诺贝尔化学奖得主、斯坦福大学医学院结构生物学教授迈克尔·莱维特博士和他们的研究同事。
原发性肝癌最常见的类型是肝细胞癌(HCC)。在世界范围内，肝癌是2020年癌症死亡的主要原因之一，死亡人数超过83万;根据世界卫生组织(WHO)的数据，还包括肺癌(180万人死亡)、结肠癌和直肠癌(91.6万人死亡)、胃癌(76.9万人死亡)和乳腺癌(68.5万人死亡)。
药物的发现和开发过程平均需要10年以上，只有一小部分候选药物能够通过初始阶段。这项突破性的研究展示了人工智能如何将药物发现加速到几天而不是几年——这是一项潜在的巨大改进，可能会颠覆制药业。
药物研究和开发需要大量资金。根据一份报告，发现和开发新的fda批准的药物和生物制剂的成本估计为28.7亿美元研究刊登于卫生经济学杂志由塔夫茨大学、杜克大学和西蒙商学院的塔夫茨药物开发研究中心的研究人员进行。
要将一种药物推向美国市场，需要成功完成I、II、III阶段，并向美国食品和药物管理局(FDA)提交监管文件。第一阶段涉及药物的发现和开发。第二阶段包括临床前研究，以确定药物是否应该在人体上进行试验。III期临床研究是通过人体临床试验进行的。如果第三阶段成功完成，那么药物开发商可以申请FDA监管审查和批准。根据fda的数据，I期批准的总体可能性仅为7.9%，2011-2020年期间发现和开发一种药物平均需要10.5年2011-2020年临床开发成功率和影响因素BIO, Pharma的报告情报按阶段划分的平均10.5年的细分为第一阶段2.3年，第二阶段3.6年，第三阶段3.3年，监管备案1.3年。
Insilico Medicine创始人兼首席执行官亚历克斯·扎沃龙科夫(Alex Zhavoronkov)表示:“2022年，Insilico从其人工智能引擎中提名了9名临床前候选人，其中8名为内部候选人，1名为合作伙伴候选人。”“如果你将这一总数与任何大型制药公司的业绩进行比较，就会发现非常令人印象深刻，因为这是一个可比较的数字，而成本却只有一小部分。其中许多是新的目标，一些是具有挑战性的目标，证明生成式人工智能现在在生物学和化学方面都表现良好。我们还从第一个人工智能发现和设计的抗纤维化药物中获得了最高数据。”
研究人员使用PandaOmics从10个肝细胞癌数据集中使用文本和组学数据确定了前20个靶点。在筛选靶点的安全性、组织特异性、生物制剂可及性、小分子可及性和新颖性后，选择周期蛋白依赖性激酶20 (CDK20)作为初始靶点。
研究人员写道:“周期蛋白依赖性激酶20 (CDK20)最终被选为我们的初始目标，因为它与疾病有很强的相关性，实验结构信息有限，而且在过去三年中，在任何疾病的背景下，都缺乏批准的药物或临床化合物。”
为了预测CDK20蛋白质的结构，研究人员使用了AlphaFold蛋白质结构数据库，这是一个由DeepMind和欧洲分子生物学实验室-欧洲生物信息学研究所(EMBL-EBI)开发的开源AlphaFold数据库，包含超过2亿种蛋白质结构预测。AlphaFold蛋白质结构数据库包含48种生物的蛋白质组，包括人类、小鼠、大鼠、蠕虫、酵母、斑马鱼、玉米、水稻、细菌和酵母蛋白质组。蛋白质组是蛋白质和基因组的组合。蛋白质组是指在特定的环境条件下，由生物体的遗传物质或在特定时间的特定细胞类型中表达的全部蛋白质。
它的氨基酸序列决定了蛋白质的三维形状和功能。AlphaFold是由总部位于伦敦的alphabet旗下DeepMind科技公司开发的一款人工智能软件。这是一种人工智能解决方案，能够从蛋白质的一维氨基酸序列预测蛋白质的三维结构。AlphaFold使用来自氨基酸序列、模板和多个序列比对的数据来推断具有per- residual的输出特征信心分数、原子坐标和图像中像素对之间距离的直方图称为图表。2020年，AlphaFold以其高度准确的蛋白质结构预测解决了生物学中50年之久的重大挑战——蛋白质折叠问题，创造了历史。
科学家们使用alphafold预测的CDK20结构和全自动AI机器学习化学42生成了8918个分子，其中7个被选择用于合成和生物测试。在7个分子中，化合物ISM042-2-001在CDK20激酶结合试验中看起来最有希望。进行了另一轮化合物生成、合成和测试，得到了一种更强大的纳米摩尔分子ISM042-2-048。
研究人员写道:“在chemstry42和AlphaFold预测蛋白质结构的支持下，我们只用了30天就发现了我们的第一个成功。”
扎沃龙科夫说:“我从来没有想过，在没有制药公司合作的情况下，我们自己能走得这么远。”“与该领域的大多数其他公司不同，我们的平台可供其他公司使用。你可以把它想象成销售人工智能软件。我也很高兴地告诉大家，排名前20的制药公司中有10家现在已经使用了我们的平台。制药公司。内部的人工智能平台现在是大型制药公司在人工智能领域能力的一个标志。但我们不会就此止步。我们启动了量子计算机的新研究计划，还启动了第一个第六代全机器人目标发现实验室。”
版权所有©2023 Cami Rosso
