AI 药物开发技术的兴起

Janet Sasso , Information Scientist, CAS

人工智能:巨大商机

人工智能 (AI) 行业处于数字技术的最前沿,并将在 2023 年之前转换业务,其预估价值将达到 5000 亿美元。 然而,人工智能的进展常常引发一场两极分化的争论:人与机器的较量。 机器会使人失业并掌管我们的世界?

IDC 报告显示,到 2022 年,全球在人工智能市场上的投资将同比增长 19.6%,达到 4328 亿美元,到 2023 年将突破 5000 亿美元大关。 IDC 预测人工智能服务将以 22% 的复合年增长率 (CAGR) 实现最快的支出增长,人工智能平台在所有人工智能软件中显示出最大的增长率(34.6% 的 CAGR)。

人工智能药物开发流程

根据现行标准,药物鉴定、验证、开发和批准临床使用平均需要 10 至 15 年的时间。 将一种新药推向市场面临着多重挑战,最值得注意的是成本,估计其成本为 26 亿美元,而批准率仅为 12%。

人工智能重塑药物研发

在数字化方面,制药行业处于尖端研究的前沿,可以利用人工智能药物设计所带来的进步。 人工智能可以识别命中和先导化合物,并能快速验证药物靶点,同时优化药物结构设计。

某些 AI 算法(例如,最邻近分类法、射频 (RF)、极限学习机、支持向量机 (SVM) 和深度神经网络)可用于基于合成可行性的虚拟药物筛选,并且可以无偏差预测目标分子的物理化学性质、生物活性以及毒性。

AI 药物设计可以通过预测 3D 蛋白质结构并在合成之前提供关于化合物的效果和安全性的重要信息来帮助基于结构的发现。 AI 方法也被用于准确预测配体与蛋白质的相互作用,最终确保更好的治疗效果。 预测药物与人工智能的靶向相互作用也被用于药物的再利用和避免多重用药,可能会节省大量成本。

人工智能参与分子的全新设计可能会有所助益,因为它能够提供在线学习和已学习数据的同步优化,并为化合物提供可能的合成路线,从而实现快速的先导设计和开发。

最后,AI 赋能的检索解决方案在提高整个专利生态系统的效率和专利审查质量方面能够发挥重要作用。 它们可以执行和审查复杂的现有技术检索,为专利审查员腾出时间来执行其他任务,并减少申请延迟。

人与机器:能否和睦相处?

尽管人工智能在药物开发过程中有无数应用,但在药物发现方面使用人工智能仍存在缺陷,人类干预将仍是这一过程的关键。 预测生成的质量在很大程度上取决于算法设计。 人工智能也会受到算法偏差的影响,算法仍须经过科学家的验证。 尽管超级计算和高通量筛选的成本随着时间的推移有所下降,但仍然相当高。

应对此类挑战的一个潜在解决方案是人机回圈 (HITL),该方案将人工智能和机器人的效率与研究人员的输入、想法和综合判断相结合,从而节省时间和资源,同时最大限度地减少故障。 Astellas 已经采用了这种方法,其中的 HITL 方法被证明,可以将从命中化合物到获得候选药物化合物的时间缩短约 70%。 CAS 已经评估了进入人体临床试验阶段的前三种 AI 设计候选药物的结构新颖性。 Exscientia 于 2020 年初报告了首个候选药物 DSP-1181。 此后,Exscientia、Insilico Medicine 和 Schrodinger 等多家公司对潜在候选药物进行了临床前研究以通过新药研究申请,两种候选药物(EXS21546 和 DSP-0038)随后进入临床试验阶段,其他候选药物也在迅速向这一里程碑迈进。

人工智能药物开发为优化治疗发现带来的好处不可否认:当与创新的科学思维相结合时,人工智能可以突破技术的界限。 在我们有关人工智能和化学前景的 CAS 洞察报告中阅读更多关于该主题的内容