AI 在药物研发领域助力小型生物科技公司提升竞争
力
在药物研发领域,AI 的影响愈发凸显。在提升竞争力和生产力的
同时,AI 还能发挥强有力的杠杆作用,让小企业也能和行业巨头们站在同一
起跑线上展开竞争。
凭借充足的预算和资源,大公司可以对上百万种候选药物进行实
际测试。这是他们相对于初创公司和普通研究人员的优势。但通过利用神经
网络模拟潜在药物分子与目标蛋白质的结合情况,小型实验室也可以取得类
似的成果。
通过深度学习提升分子对接的速度和准确度,即通过计算来预测
分子与蛋白质的结合方式和结合效果,从而帮助小公司和其他研究人员挖掘
极具前景的药物疗法。
“不需要使用实际的分子,你就可以筛选数十亿种化合物。”美国
匹兹堡大学(University of Pittsburgh)助理教授 David Koes 说道。
筛选“天作之合”的分子结构
科学家们寻找有药物疗法的完美分子结构,本质上是寻找其中的
吸引力法则。
理想情况是,药物分子与目标蛋白质具有足够吸引力(或者称为
亲和力)。如果亲和力过弱,则这种药物与之结合后将无法充分发挥药效。
可以用一条耳熟能详的原理来解释这一现象:异性相吸。如今,
Koes 和他的同事们正在向其神经网络传授这一原理。
这种互相吸引的组合还必须是特定的,即如果药物分子太过常
规,则它和人体内的上百种蛋白质都有可能结合,而不是只与一种蛋白质相
结合。“这种情况通常是不利的,”David Koes 指出。
用虚拟的方式对这些分子进行筛选能够加快通常需要长达数年时
间才能完成的药物研发过程,从而确定出有资格进行临床试验的最佳候选药
物。
正如 Koes 所说,“对于药物研发来说,要求越严格,日后失败的
可能性就越小。”
这一方法进一步拓宽了研究人员的视野,让他们得以测试目前并
本文来源:https://www.2haoxitong.net/k/doc/c147187fc0c708a1284ac850ad02de80d4d80698.html
文档为doc格式