点击本文中加粗蓝色字体即可一键直达新药情报库免费查阅文章里提到的药物、机构、靶点、适应症的最新研发进展。
引言
2024年10月9日，诺贝尔化学奖授予大卫·贝克、戴米斯·哈萨比斯和约翰·江珀，以表彰他们在蛋白质设计和结构预测方面的突出成就。其中，大卫·贝克因其开发的新型计算机化方法获得了奖项的一半，该方法能够创建全新类别的蛋白质。另一半奖项则颁给了戴米斯·哈萨比斯和约翰·江珀，他们利用人工智能在蛋白质三维结构预测方面取得了重要突破。
在医药行业，新药的研发一向是一个复杂而昂贵的过程，然而随着人工智能技术，特别是人工智能辅助药物设计（AIDD）的快速发展，这一现状正在逐步改变。
01 什么是AIDD？
1.1 AIDD的定义与背景
人工智能辅助药物设计（AIDD）是指应用AI技术全方位提升药物从目标识别、化合物筛选到临床试验设计等环节的效率。这一概念的演进可以追溯到20世纪60年代分子行为模拟的初期尝试，经历了机器学习和深度学习技术的进化，如今已成为医药研发的重要组成部分。
02 AIDD的发展
2.1 AI在蛋白设计规则上的突破
特别是在蛋白质设计领域，AI技术已取得空前进展。例如，AlphaFold算法在2022年已经能够精确预测所有已知蛋白质的三维结构，对生物结构学和基于结构的药物设计产生了深远影响。研究人员能够借助AI技术更好地理解蛋白质结构特性并设计针对性的药物分子。虽然厘清药物靶点仅是研发的“首步”，但后续还需通过AlphaFold优化与靶点结合的潜在药物的活性、药代性以及毒性等，以推进至临床阶段。
此外，AIDD在靶向治疗药物的研发中显示出巨大潜力。英国BenevolentAI公司利用AI技术发现了新型PARP抑制剂，该抑制剂对卵巢癌的疗效被深入研究，这表明AI不仅能协助新药开发，还能提供现有药物的新用途。
2.2 AIDD案例分析
● Insilico Medicine的GENTRL技术
Insilico Medicine在2019年展示了其AI系统生成的张量强化学习（GENTRL）技术，用于设计纤维化的先导化合物，只用46天便取得重大突破，反映出AIDD在加速药物发现中的潜力。
● 英科智能的新靶点发现
2021年12月，英科智能宣布其AI系统在新靶点发现上取得突破，并已将生成的新型分子推进至临床。这一成就展示了AIDD技术在识别药物靶点过程中的高效性。
03 AIDD的潜在问题
3.1 模型优化方面
尽管现有的AI模型为药物筛选等提供了助力，其预测精度仍需提高。这与药物研发的数据复杂性及高不确定性密切相关。研究人员正在探索新算法和模型架构，以提高模型的准确性及广泛应用性。尽管如此，高计算成本与资源需求仍是一大障碍。
3.2 主动学习的开发方面
AIDD研究面临诸多挑战，其中包括如何通过主动学习策略来优化模型训练。然而在药物领域，数据的匮乏和高昂的标注成本限制了主动学习的应用。
3.3 其他方面
数据安全、隐私保护及知识产权问题也是AIDD应用的主要挑战。在数据外包时如何确保安全性，以及如何保护因AIDD技术取得的研发知识产权，都是亟待解决的问题。
04 大模型于AIDD运用的前景
GPT大模型在蛋白、基因领域的运用为AIDD带来革命性变化。GPT大模型可通过海量蛋白质序列的数据学习来预测其结构和功能，推动药物研发和疾病治疗。在基因领域，GPT大模型已应用于复杂的基因、蛋白质和疾病关联研究，为遗传病提供新的研究路径。
05 结语
AIDD的发展需要多学科的紧密协作。未来，生物学、化学和计算机科学领域的专家将携手共进，以解决药物研发所面临的挑战，推动AIDD技术不断发展与创新。
免责声明：新药情报内容编辑团队专注于介绍全球生物医药健康研究的最新进展，本文旨在提供信息交流，不代表任何立场或治疗方案推荐。如需专业医疗建议，请咨询正规医疗机构。
