AI在21天内设计了30,000种药物，并提出了赢家
对指数的未来感兴趣？连接，下载免费的电子书，观看主题演讲或浏览我的博客。
Recently I wrote about an Artificial Intelligence (AI) that had created the world’s first fully synthetic genome that, frankly, opens the door to us being able to create an almost infinite number of synthetic, or artificial using alternative language, “things” where things include everything from our ability to create individual synthetic cells and synthetic proteins with strange unnatural properties, all the way to full on aliens like this one, for starters, that has 8 base pair DNA not像地球上其他所有生物一样，正常4。
现在，尽管AI再次完成了，但是这次AI创建或设计为更准确的一种新的分子形式。Insilico Medicine的首席执行官Alex Zhavoronkov是一家使用AI产生潜在药物的初创公司，他的一位Pharma Company合作伙伴最近对Insilico AI的AI进行了挑战，以了解与组织疤痕相关的蛋白质结合的新分子。然后，他们将分子对测试进行了测试，在实验室中综合了其中一些，以查看AI是否在某物上，或者只是做梦。结果 - 他们正在做一些事情，就像我在博客上讨论的许多事情一样，它可能会改变游戏规则。
虽然您可能会问……好吧，现在据估计，将新药带入市场，而流水线越来越慢，随着药品公司努力赚取收益的速度，这一收益越来越慢，而且越来越昂贵。显然，人们有希望和炒作，即AI可以通过在药物开始临床试验之前大大减少时间和劳动来帮助消除该数字。
这个想法是，用于生成逼真的深击和巧妙地发挥的相同的AI技术以及新的虚拟现实（VR）工具可能能够破译药物设计的复杂规则并从头开始产生分子。
AI有潜力。去年12月，Alphabet的DeepMind首次亮相Alphafold，该算法旨在预测蛋白质折叠，这是鉴定潜在疾病靶标的重要步骤。它击败了制药行业的长期竞争。尽管如此，一些专家仍然怀疑AI是否可以梦想既有效又真正实用的分子。
周一，AI毒品探险家对自然生物技术发表的Zhavoronkov挑战的结果得到了一些验证。该团队与多伦多大学的合作者一起仅花了21天的时间才能为涉及纤维化的蛋白质的分子生成30,000种设计。他们在实验室中综合了六个，其中四个在初始测试中表现出潜在的希望。然后在细胞中测试了两个，这是小鼠中最有希望的一只。该小组发现他们的AI产生的分子既对靶向蛋白质都有效，还显示出可以被认为是“药物样”的品质。本身就是一个惊人的突破。
哈佛大学系统生物学家穆罕默德·阿尔库拉希（Mohammed Alquraishi）说：“在AI专家中，有价值。”
他说：“这实际上是测试这些预测的最大新事物。”许多人正在设计机器学习管道来生产虚拟分子，但是相对较少的研究验证了实验室中的工作。Alquraishi补充说，Insilico的工作又向前迈出了额外的一步，这表明其AI可以量身定制以产生不仅结合特定靶标，而且在细胞和动物中表现良好的分子。这对于任何潜在的候选药物都是必需的。
Zhavoronkov说：“这就是Pharma想要看到的。”细胞和小鼠的有利结果令人惊喜。他预计AI生成的分子将需要进行更多的调整和回合计算，然后才能发现有潜力的分子。
加利福尼亚大学弗朗西斯科分校的化学生物学教授亚当·伦斯洛（Adam Renslo）说：“看到AI受过训练的思考能像药物学家的想法一样，真是太酷了。”传统上，计算药物发现涉及蛮力方法，即通过有限的收益来浏览数百万个潜在的结构。他说：“这种算法涉及一个创意过程，而不是数据挖掘过程。”
伦斯洛说：“ AI生成的分子看起来很新颖，甚至可以称为“创意”。”
他指出，但是最好将该论文视为概念验证。这些分子不是大满贯的扣篮，可能需要一年的实验室工作才能完善 - 这意味着AI不会为一家大型制药公司节省很多时间（如果有的话）。另外，虽然该系统在产生许多候选分子方面令人印象深刻，但它在一个利基市场中工作，那里有大量的数据可供学习。
Renslo说：“这是一个合适的起点，但是AI很难在没有数据开始的情况下解决药物发现问题。”
不过，这是一个很好的起点。Alquraishi说，即使算法尚无法胜过化学家团队，该研究也证明了AI如何迅速为人类研究人员追求的有前途的铅。
Insilico的方法建立在两种形式的AI形式 - 生成的对抗网络，gans和增强学习。它通过查看过去的研究和专利的分子来起作用，这些分子对特定的特定药物靶标以及其他结构有效。这个想法是优先考虑新颖但逻辑结构，以及可以在实验室中合成的结构。这类似于医学化学家在阅读文献和将分子成分拼凑在一起时可能会做的。从30,000个潜在的设计中，团队选择了40个代表一系列结构的40，其中6个被炮制了。
现实世界验证在一个未实现的炒作感的领域中很重要。目前还没有AI生成的药物靠近市场。诸如Alphafold之类的系统虽然浮华，但它展示了对研究人员来说令人兴奋的先进技术，但不太可能产生可以迅速变成新药的结果。4月，当IBM停止销售其“沃森（Watson）的毒品发现”系统时，该领域的失败却是一个引人注目的失败，该系统试图搜索医学文献和遗传数据以换取被忽视的治疗方法。据报道，该产品因其初始客户而低估了。
根据彭博社的数据，投资者正在向前耕种，去年有超过10亿美元投入AI毒品发现初创公司。制药行业也已经开始关注AI药物发现新贵。Insitro于斯坦福大学（Stanford University）孵化，并于4月与吉利德（Gilead）签署了一项协议，可能价值10亿美元（包括特许权使用费），以开发针对肝病的分子。同个月，英国一家初创公司Exscientia宣布产生了一个有潜力治疗COPD的分子，该分子是一种肺部疾病，该分子正在使用GlaxoSmithkline进行临床试验。
Insilico拥有自己的制药公司合作伙伴关系，但选择开始自2015年的靶标和分子。该公司侧重于“与年龄相关的疾病”，还使用其AI来识别新的潜在药物靶标，包括癌症以及纤维化和NASH（一种肝病）。如果可以在临床前试验中验证Insilico AI鉴定的分子，他们将寻求合作伙伴进行临床测试。但是，我们还需要一段时间才能看到这些AI生成的药物。Zhavoronkov表示，该公司可能还需要几年的时间距离临床测试。
