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