如今,人工智能算法可以通过 学习进行非常详尽的数据分析,从人脸识别到医学影响分析,人工智能算法的表现已经赶上甚至超越了人的表现。越来越多的高科技被各大药企应用于新药研发领域,他们希望借此探索提高新药研发效率、节省更多成本的路径。
Atomwise,一家位于旧金山的创业公司和Y Combinator公司,已经建立了一个名为AtomNet(pdf)的系统,该公司试图为潜在的埃博拉病毒和多发性硬化症等疾病生产药物。项目旨在运用超级计算机、AI和复杂的算法模拟制药过程,来预测新药品的效果,同时降低研发成本。Atomwise推出了两个显示AtomNet潜力的项目,多发性硬化症药物和埃博拉病毒。根据Atomwise,MS药物已被许可给未经公开的英国药理公司,埃博拉药物正在准备提交给同行评议的出版物。
Atomwise最近利用AI技术,在不到一天的时间内对现有的7000多种药物进行了分析测试,为寻找埃博拉病毒治疗方案做出了贡献。根据该公司的统计,如果利用传统方法,这项分析需要花费数月甚至数年才能完成。不过 Atomwise 公司的首席运营官 Alexander Levy 提到了 AtomNet 还需要进行测试,人工智能并不能解决所有医学发展的问题。除挖掘化合物研制新药外,美国Berg生物医药公司通过研究生物数据研发新型药物。“Berg 通过其开发的 Interrogative Biology 人工智能平台,研究人体健康组织,探究人体分子和细胞自身防御组织以及发病原理机制,利用人工智能和大数据来推算人体自身分子潜在的药物化合物。
由于不断试错的成本太高,越来越多的药物开发厂商开始转向计算机和人工智能,希望利用这种技术来缩小潜在药物分子的范围,从而节省后续测试的时间和金钱。为了识别那些有很大潜力可以作为药物靶标的蛋白质的编码基因,这些厂商把希望寄托了算法上。目前,一些新的算法模型增加了新层次的复杂性,用来缩小相关蛋白质、药物和临床数据的范围,以便更好地预测哪些基因最有可能让蛋白质和药物结合。研究人员估计,大约15%~20%的新药成本都耗费在探索阶段。通常情况下,这意味着高达几亿美元的支出,以及3~6年的工作。如今,有人希望通过AI将这一过程缩短至几个月,并大幅降低研发成本。
TwoXAR正在开发一种AI驱动的青光眼药物,Berg正在从事算法上的癌症治疗。Atomwise公司的项目独特之处在于,它从人生到死过程中把大量数据抽取出来。因为涉及大量昂贵和耗时的药物,该功能解决了制药行业的“生死”问题。Atomwise公司称其在新药发现、结合亲和力预测和毒性检测上得到了世界上最好的结果。在合作伙伴方面,Atomwise除了与Merck公司和Autodesk进行一些保密项目外,公司也持续与学术界和企业客户开展研究工作。
人工智能开发新药的企业逐渐增多,除了欧美药企,日本药企也积极面对新科技。我们相信,随着科研人员找到现有知识体系中的新模式,必将出现一波不可小觑的医药创新。(科技新发现 康斯坦丁/文)微信:khxx-wk
科技新发现官方微信公众号:kejxfx
免责声明:本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿,凡在本网站出现的信息,均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏,概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时,应及时向本网站提出书面权利通知或不实情况说明,并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后,将会依法尽快联系相关文章源头核实,沟通删除相关内容或断开相关链接。