美國(guó)加州大學(xué)圣迭戈分?？茖W(xué)家開發(fā)了一種機(jī)器學(xué)習(xí)算法，來模擬藥物發(fā)現(xiàn)早期階段耗時(shí)的化學(xué)過程，其可以顯著簡(jiǎn)化研發(fā)流程，同時(shí)也為前所未有的治療找到新途徑?？茖W(xué)家借助這一工具，已合成出32種治療癌癥的新候選藥物。相關(guān)研究成果發(fā)表在新一期《自然·通訊》上。
識(shí)別候選藥物以進(jìn)行進(jìn)一步優(yōu)化，通常需要數(shù)千次單獨(dú)的實(shí)驗(yàn)，但新的人工智能(AI)平臺(tái)可在很短的時(shí)間內(nèi)得出結(jié)果。這個(gè)名為POLYGON的新平臺(tái)可識(shí)別多靶點(diǎn)藥物，而現(xiàn)有的篩選流程則優(yōu)先考慮單靶點(diǎn)藥物。多靶點(diǎn)藥物與聯(lián)合療法具有相同的益處，即幾種不同的藥物共同用于治療癌癥，效果更好且副作用更小。
研究人員在一個(gè)包含超過100萬個(gè)已知生物活性分子的數(shù)據(jù)庫上對(duì)POLYGON進(jìn)行了訓(xùn)練。該數(shù)據(jù)庫涵蓋了分子的化學(xué)性質(zhì)以及與蛋白質(zhì)靶標(biāo)相互作用的詳細(xì)信息。通過學(xué)習(xí)數(shù)據(jù)庫中的模式，POLYGON能生成新候選藥物原始化學(xué)式等信息。
為了測(cè)試平臺(tái)有效性，研究人員利用其生成了數(shù)百種針對(duì)多種癌癥相關(guān)蛋白對(duì)的候選藥物。從這些候選藥物中，他們成功合成出32種藥物，這些藥物可與MEK1和mTOR這兩種細(xì)胞信號(hào)蛋白相互作用。MEK1和mTOR是癌癥聯(lián)合治療中備受關(guān)注的潛在靶點(diǎn)，被科學(xué)界稱為“綜合致死蛋白”，同時(shí)抑制這兩種蛋白被認(rèn)為足以殺死癌細(xì)胞。
分享到微信 ×
打開微信，點(diǎn)擊底部的“發(fā)現(xiàn)”，
使用“掃一掃”即可將網(wǎng)頁分享至朋友圈。
數(shù)據(jù)分類分級(jí)方法、標(biāo)準(zhǔn)及應(yīng)用實(shí)踐
