陳根：人工智能，協助研發新冠新藥_風聞

文/陳根

眾所周知，一款新藥的研發是一個風險大、週期長、成本高的艱難歷程。國際上有一個傳統的“雙十”説法——10年時間，10億美金，才可能成功研發出一款新藥。即使如此，大約只有10%新藥能被批准進入臨牀期，最終只有更小比例的藥物分子可以上市，甚至有人將這個過程形容為“死亡之谷”。

面對新藥研成本增加、收益率下降的雙重困境，人們將希望寄託于于人工智能（AI），畢竟AI發展至今，已經成為社會生活和生產中一種非常真實的力量。

**具體來看，通過AI技術****卻可以尋找疾病、基因和藥物之間的深層次聯繫，以降低高昂的研發費用和失敗率。**基於疾病代謝數據、大規模基因組識別、蛋白組學、代謝組學，AI可以對候選化合物進行虛擬高通量篩選，尋找藥物與疾病、疾病與基因的鏈接關係，提升藥物開發效率，提高藥物開發的成功率。

這從新冠疫情中就可見一般，人工智能在開發新冠特效藥中也出演了關鍵角色。要知道，新冠抗體是預防新冠感染，檢測人體對新冠病毒的免疫力的關鍵指標——抗體是由免疫系統產生的小型蛋白質，可以附着在病毒的特定部分以中和它。因此，一種可能的藥物就是研製出一種合成抗體，它能與病毒的刺突蛋白結合，防止病毒進入人體細胞。

為了開發出一種成功的合成抗體，研究人員必須準確瞭解這種結合將如何發生。蛋白質具有包含許多褶皺的塊狀三維結構，可以以數百萬種組合粘在一起，因此在幾乎無數的候選者中找到正確的蛋白質複合物是非常耗時的。

**為了簡化這一過程，麻省理工學院的研究人員創建了一個機器學習模型，**被稱為Equidock，該模型採用兩種蛋白質的三維結構，並將這些結構轉換為可由神經網絡處理的三維圖形。蛋白質是由氨基酸鍊形成的，其中每個氨基酸都由圖中的一個節點表示。

研究人員在模型中加入了幾何知識，因此它瞭解如果物體在三維空間中旋轉或平移，它們會如何變化。該模型還內置了數學知識，確保蛋白質總是以相同的方式附着，無論它們在三維空間中存在於何處。這就是蛋白質在人體內的對接方式。利用這些信息，可以直接預測兩個蛋白質結合在一起時將形成的複合物。

Equidock****比最先進的軟件方法快80到500倍，並且經常預測的蛋白質結構更接近於實驗觀察到的實際結構。

無疑，這項技術可以幫助科學家更好地理解一些涉及蛋白質相互作用的生物過程，如DNA複製和修復；它還可以加快開發新藥的進程。當前，人工智能製藥正在加速發展，雖然過程中多有坎坷，但在未來，人工智能藥物研發必不再是生物醫藥行業中一個概念性技術，而是成為行業中非常核心的存在。