最近一部央視的醫(yī)學(xué)紀(jì)錄片火了，《手術(shù)兩百年》展現(xiàn)了醫(yī)學(xué)在不斷地自我否定和突破極限中所取得的巨大進(jìn)步�？萍荚诎l(fā)展，醫(yī)術(shù)在變強，人類對抗疾病有了更多手段。
手術(shù)兩百年
但是盡管科技在進(jìn)步，醫(yī)生能使用藥物卻越來越難研發(fā)了。上世紀(jì) 70 年代至今，單個新藥研發(fā)費用從 1.79 億美元增加到了26億美元，但是累積成功率呈現(xiàn)逐年下降趨勢，從 21.5%下降到了 15.5%。
圖源中國產(chǎn)業(yè)信息網(wǎng)
藥物研發(fā)為什么會越來越難呢？
圖源KnowingAI知智
藥物研發(fā)通常有 5 個必經(jīng)階段：尋找靶點，設(shè)計藥物，生物試驗，臨床試驗，審批上市。研發(fā)一款新藥平均要花費 12 年，成本在 15.4 億美元左右。 而藥物發(fā)現(xiàn)階段作為新藥研發(fā)的開始階段，該階段確定的臨床候選化合物對后期藥物開發(fā)階段的進(jìn)展和最終新藥研發(fā)的成功有決定性影響。而制藥行業(yè)的痛點也是在這里，對于藥物靶點的預(yù)測比較難。
那我們?yōu)槭裁匆M(jìn)行藥物靶標(biāo)的預(yù)測呢？
首先我們來講講什么是藥物靶標(biāo)
藥物與機(jī)體生物大分子的結(jié)合部位即藥物靶點。藥物靶點的預(yù)測對于早期藥物分子的成藥性評價和老藥新用等領(lǐng)域都具有重大意義。這就像是鑰匙和鎖的關(guān)系，一把鎖可以由多把相似的鑰匙打開，同樣，相似的藥物也可以用來治療某種特定的疾病。
從生物學(xué)的角度舉個例子，紫杉醇是比較經(jīng)典的用于治療癌癥的一種化療藥物，它作用于微管蛋白的靶標(biāo)上，通過這個靶標(biāo)，就可以治療乳腺癌。
藥物前期篩選數(shù)據(jù)量大，100萬個實驗數(shù)據(jù)才能篩出1個有可能的，于是人們就將眼光放向了最近很火的AI（人工智能）。
最近有個令生物醫(yī)藥和人工智能工業(yè)界為之振奮的事情。在激酶抑制劑類藥物親和力預(yù)測挑戰(zhàn)賽中，冰洲石團(tuán)隊成功地運用了其近年來研發(fā)的藥物和靶點結(jié)合的3D構(gòu)象預(yù)測及結(jié)合強度的定量預(yù)測模型，并基于此思路解決制藥領(lǐng)域中關(guān)于先導(dǎo)藥物的發(fā)現(xiàn)、優(yōu)化和提高靶點選擇度等核心問題。
AI雖然在在醫(yī)療影像領(lǐng)域發(fā)展很快，因為本身影像就有很多優(yōu)秀的算法，但是AI在藥物研發(fā)方面能做的還是很少，目前能做的就是縮短臨床前藥物篩選時間，尋找對應(yīng)靶標(biāo)的先導(dǎo)化合物，而對于臨床后的工作AI還無能為力。
那么，AI是怎么進(jìn)行藥物預(yù)測的呢？
傳統(tǒng)的藥物研發(fā)通常會用到高通量的合成和篩選的方式，就是做非常多的合成再進(jìn)行篩選。這樣盲目的做目的性非常的差，研究出來的藥物很大可能沒有活性。而且通常這樣也會耗費大量的時間。再加上要耗費大量的人力物力，需要很高的研發(fā)費用。
有了預(yù)測篩選工具就不一樣了，比如計算機(jī)輔助藥物研發(fā)，它的優(yōu)勢在目的性強，可以先得到有潛在活性的先導(dǎo)化合物，大大縮短了研發(fā)的時間和周期，可以因此大大減少研發(fā)費用。AI通過超級計算機(jī)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。通過分析鑰匙與鎖的關(guān)系，來打開這把鎖。
寫在最后
希望人工智能這個大聰明能夠幫助科學(xué)家們找到打開疾病的鑰匙，讓人類更好地對抗病魔。不過呢，人類自身也要保持良好的生活習(xí)慣，不能全依賴藥物。畢竟AI不是藥神，不可能造出一種任由你胡吃海喝各種不良的生活習(xí)慣還有救的藥。
責(zé)編：微科普