原本當(dāng)時是研究心血管疾病，但男性受試者看到美女護士意外有反應(yīng)，因此轉(zhuǎn)研究男性勃起功能障礙。

“偉哥之父”穆拉德在一次座談會上講述其藥物開發(fā)過程時，這樣講道。這番話讓在場的觀眾驚訝得合不攏嘴，但這確實是藥物發(fā)現(xiàn)的一個主要方式：偶然發(fā)現(xiàn)。

藥物發(fā)現(xiàn)、生物標(biāo)志物篩選等環(huán)節(jié)均是一種苦苦尋覓的過程，要在自然界無數(shù)種物質(zhì)中找到一種能治療某種特定疾病的物質(zhì)。大多數(shù)情況下，科學(xué)家是無限擴大篩選對象以期邂逅目標(biāo)分子，人們通常利用高通量篩選（HTS）進(jìn)行篩選，HTS成本十分昂貴，它由機器人自動完成，通過在同一時間進(jìn)行數(shù)以百萬計的試驗，找出最有潛力達(dá)到目標(biāo)的化合物，提高藥物發(fā)現(xiàn)的“命中”幾率。目前，業(yè)界嘗試?yán)萌斯ぶ悄荛_發(fā)虛擬篩選技術(shù)，以取代或增強傳統(tǒng)的高通量篩選（HTS）過程，并提高篩選的速度和成功率。

那么，AI可用在哪里？具體怎么用呢？

用在哪里？

AI可應(yīng)用于藥物開發(fā)的不同環(huán)節(jié)，包括新藥開發(fā)、藥物有效性/安全性預(yù)測、構(gòu)建新型藥物分子、篩選生物標(biāo)志物、研究新型組合療法等。

新藥有效性、安全性預(yù)測

一種物質(zhì)變成藥物，必須要具備安全性、有效性的特征，而在新藥研發(fā)過程中提前預(yù)測，則可以極大程度地提高研發(fā)成功率。

Atomwise是藥物挖掘與人工智能結(jié)合領(lǐng)域比較有代表性的初創(chuàng)公司，其通過IBM超級計算機分析數(shù)據(jù)庫，并用深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)分析化合物的構(gòu)效關(guān)系，于藥物研發(fā)早期評估新藥風(fēng)險。

不僅如此，Atomwise還自己研發(fā)了深度學(xué)習(xí)網(wǎng)絡(luò)AtomNet，以識別了醫(yī)藥化學(xué)中的基礎(chǔ)模塊，并且聲稱自己在新藥發(fā)現(xiàn)、結(jié)合親和力預(yù)測和毒性檢測上得到了世界上最好的結(jié)果。

2015年，公司宣布在尋找埃博拉病毒治療方案方面有一些進(jìn)展，在已有藥物中，有兩種或許能用來抗擊埃博拉病毒，找到這兩種藥物用時僅一周，而用傳統(tǒng)藥物研發(fā)方法尋找則可能要耗費好幾年的時間。

目前，Atomwise的商業(yè)模式是：為制藥公司、創(chuàng)業(yè)公司和研究機構(gòu)提供候選藥物預(yù)測服務(wù)。除此之外，公司與Merck公司和Autodesk也合作進(jìn)行一些保密項目。

藥物挖掘

據(jù)了解，藥物挖掘是AI應(yīng)用最早且進(jìn)展最快的領(lǐng)域。通過計算機模擬，可以對藥物活性、安全性和副作用進(jìn)行預(yù)測。

BenevolentAI是英國的一家人工智能公司，公司旨在將人工智能應(yīng)用于醫(yī)學(xué)研究的龐大數(shù)據(jù)庫以快速篩選和組織數(shù)據(jù)，并且有一個“小目標(biāo)”：用AI顛覆整個藥物研發(fā)過程。

BenevolentAI公司顛覆的具體過程是這樣的：

• 數(shù)據(jù)分析：通過深度學(xué)習(xí)和自然語言處理理解和分析大量的生物科學(xué)信——專利、基因組數(shù)據(jù)和所有生物醫(yī)學(xué)期刊和數(shù)據(jù)庫每天上傳的10,000多份出版物。

• 深度學(xué)習(xí)軟件攝取、分析信息，找出關(guān)聯(lián)并提出相應(yīng)的候選藥物，進(jìn)一步篩選具有對某些特定疾病有效的分子結(jié)構(gòu)，比如可用于神經(jīng)退行性疾病但沒有心臟或肝臟副作用的分子。

2016年11月，強生旗下楊森公司與BenevolentAI達(dá)成協(xié)議，用后者的人工智能技術(shù)評估小分子化合物的臨床潛力。據(jù)雷鋒網(wǎng)了解，目前BenevolentAI已經(jīng)獲得了一定數(shù)量的臨床階段的新藥物，以及相關(guān)專利的獨家許可證。

設(shè)計新型藥物分子

藥物作用于體內(nèi)特殊部位，有如鑰匙與鎖的關(guān)系，科學(xué)家們通常通過研究構(gòu)效關(guān)系或研究靶標(biāo)生物大分子的結(jié)構(gòu)，進(jìn)行藥物分子設(shè)計。

一家位于Baltimore的生物信息公司—— Insilico Medicine，顯得與眾不同，公司使用了一種較新的深度學(xué)習(xí)技術(shù)：生成式對抗網(wǎng)絡(luò)(GAN)來構(gòu)建藥物分子。

對此，Insilico公司CEO說道，“不同于通過不斷試驗試錯來尋找先導(dǎo)化合物，你可以告訴這個網(wǎng)絡(luò)產(chǎn)生這樣的化合物分子?！?/p>

GANs 通過使用兩個競爭神經(jīng)網(wǎng)絡(luò)模型，創(chuàng)建不同于真實數(shù)據(jù)的新數(shù)據(jù)，生成模型產(chǎn)生“看起來像”真實數(shù)據(jù)的數(shù)據(jù)，鑒別模型輸入生成數(shù)據(jù)和真實數(shù)據(jù)，并且區(qū)分他們。生成模型通常用于創(chuàng)建圖像、語音或文本，也有公司將其應(yīng)用于癌癥藥物開發(fā)。

GAN，概率生成模型的目的，就是找出給定觀測數(shù)據(jù)內(nèi)部的統(tǒng)計規(guī)律，并且能夠基于所得到的概率分布模型，產(chǎn)生全新的，與觀測數(shù)據(jù)類似的數(shù)據(jù)。GAN的或者一般概率生成模型的訓(xùn)練目的，就是要使得生成的概率分布和真實數(shù)據(jù)的分布盡量接近，從而能夠解釋真實的數(shù)據(jù)。

據(jù)雷鋒網(wǎng)了解，這種用生成對抗網(wǎng)絡(luò)（Generative Adversarial Networks ，GANs）發(fā)展、訓(xùn)練新的分子結(jié)構(gòu)的方法，能大幅度減少尋找有潛在藥物特性物質(zhì)的時間和其他成本。

據(jù)雷鋒網(wǎng)了解， Insilico與美國保健品供應(yīng)商Life Extension合作，幫助后者開發(fā)具有新型營養(yǎng)作用的分子結(jié)構(gòu)，并且Insilico公司也與Novartis、Champions Oncology和其他多家合作伙伴密切合作。

篩選生物標(biāo)志物

生物標(biāo)志物（Biomarker）是指可以標(biāo)志系統(tǒng)、器官、組織、細(xì)胞及亞細(xì)胞結(jié)構(gòu)或功能的改變或可能發(fā)生的改變的生化指標(biāo)。在醫(yī)學(xué)領(lǐng)域，生物標(biāo)志物可用于疾病診斷（例如前列腺特異性抗原PSA可用于前列腺癌診斷）、判斷疾病分期（例如惡性腫瘤的分期）或者用來評價新藥或新療法在目標(biāo)人群中的安全性及有效性。

2016年10月，美國國防部宣布與生物制藥公司“博格健康”合作，利用人工智能技術(shù)開展新藥研發(fā)，以尋找應(yīng)對現(xiàn)有藥物不起反應(yīng)的侵入性乳腺癌治療方案，將篩選多達(dá)25萬個樣本來尋找早期癌癥的新生物學(xué)指標(biāo)和生物標(biāo)記。

博格健康有一個人工智能平臺，該平臺篩選過程是這樣的：

• 研究人員首先將對來自健康供體的樣品和各種乳腺癌亞型的樣品進(jìn)行基因測序，從而對存在于癌細(xì)胞和正常細(xì)胞中的突變、蛋白及細(xì)胞過程建立基因組信息。

• 這些數(shù)據(jù)將與患者的已知病史結(jié)合起來送入人工智能平臺，并利用數(shù)萬個數(shù)據(jù)點建立起健康及患病組織的不同模型。

• 該平臺的算法最終將找出橫跨這些模型的分子簽名中的熱點。這些熱點或可代表生物標(biāo)記或藥物靶點。

新型藥物靶點、組合療法

藥物與機體生物大分子的結(jié)合部位即藥物靶點，而選擇確定新穎的有效藥靶是新藥開發(fā)的首要任務(wù)。

2016年12月，醫(yī)藥巨頭輝瑞與 IBM Watson Health簽署一個協(xié)議：將Watson的超級計算能力用于其研發(fā)新型抗癌藥中。

輝瑞用到的是其基于云端的人工智能平臺：Watson for Drug Discovery，輝瑞的研究人員通過這個工具分析大量孤立的數(shù)據(jù)來源，包括許可的和公開的可用數(shù)據(jù)以及公司自己的數(shù)據(jù)，并且可以驗證假設(shè)，實時交互得到有證據(jù)的結(jié)果，用于免疫腫瘤領(lǐng)域新藥物靶點的發(fā)現(xiàn)、組合療法的研究和患者治療策略的選擇中。

怎么用？

算法是一系列包含能夠幫助人解決問題、完成目標(biāo)任務(wù)的規(guī)則的步驟，用正確的方式把這些步驟和規(guī)則組織起來，能夠自動化算法建立人工智能（AI）。AI能夠幫助我們做大量的分析性工作，讓我們把時間集中于更有價值的事情。而在藥物開發(fā)環(huán)節(jié)，AI（深度學(xué)習(xí)）能做到的主要有這些：

數(shù)據(jù)處理：

• 處理巨大的數(shù)據(jù)庫，利用不同的實驗數(shù)據(jù)，提高多種疾病的預(yù)測精度。

• 尋找生物標(biāo)志物或藥物靶點。

• 研究特定疾病的療法等。

生成模型

• 分析藥物構(gòu)效關(guān)系，取代或增強傳統(tǒng)的高通量篩選（HTS）過程，并提高篩選的速度和成功率。

  “在許多靶點上，它都實現(xiàn)了接近完美的預(yù)測質(zhì)量，使其尤其適合被用作虛擬篩選裝置?？傊?，深度學(xué)習(xí)提供了建立虛擬篩選并將其作為藥物設(shè)計管道中標(biāo)準(zhǔn)步驟的機會?！?/p>

• 評估藥物副作用：當(dāng)存在成千上萬個化合物都可能對某個疾病顯示出某種療效，評估藥物的副作用。

• 按需構(gòu)造分子或設(shè)計新型藥物分子。
  

傳統(tǒng)的藥物開發(fā)是一個不斷試驗、不斷試錯的過程，在這種思路下，藥物從最初的實驗室研究到最終擺放到藥柜銷售平均要花費12年時間，需要投入66.145億元人民幣、7000874個小時、6587個實驗、423個研究者，最后得到1個藥物。

AI助力的藥物研發(fā)從數(shù)據(jù)開始，并通過數(shù)據(jù)生成假定藥物，并且顯示出更快、更有效率開發(fā)新藥的潛力。以Atomwise為例，其超級計算機可以在幾天之內(nèi)評估820萬種化合物，找到多發(fā)性硬化癥可能的治療方法。

2016年底，美國高盛集團發(fā)布的人工智能報告：《人工智能、機器學(xué)習(xí)和數(shù)據(jù)將推動未來生產(chǎn)力的發(fā)展》（AI, Machine Learning and Data Fuel the Future of Productivity）中提到：“隨著人工智能和機器學(xué)習(xí)的不斷整合，人們將有望在新藥研發(fā)的過程中顯著地實現(xiàn)“去風(fēng)險”，不但將節(jié)約每年約260億美元的研發(fā)成本，同時還將提高全球醫(yī)療信息領(lǐng)域的效率，節(jié)約的成本價值超過每年280億美元?！?/p>

相關(guān)文章：

5年 5000 萬美金，IBM Watson 要用機器學(xué)習(xí)研究耐藥性癌變

IBM Watson聯(lián)合輝瑞，將機器學(xué)習(xí)用于癌癥藥物發(fā)現(xiàn)

不用電不用線 這臺微型機器人卻能進(jìn)入體內(nèi)喂你吃藥

對抗耐藥細(xì)菌重大突破：新研究讓過時抗生素恢復(fù)作用

用GANs尋找潛在藥物，抗癌新藥指日可待

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。