人工智能如何帮助科学家设计下一代药物

是一项昂贵且容易失败的科学挑战。一种新药可能需要多年的时间才能开发，代价是大量投资。即便如此，大多数可能的候选人也永远无法到达患者手中。对于生物药物，即由工程蛋白质而不是合成化学（通常用于治疗大多数主要急性和慢性疾病）制成的治疗方法，其复杂性甚至更大。科学家探索了大量可能的分子，寻找能够与正确靶点结合、在人体内保持稳定并可大规模生产的罕见分子。如今，人工智能正在加速这些过程，并已迅速成为制药研发基础设施的核心部分。人工智能辅助设计是开发生物候选药物的一个越来越重要的组成部分，阿斯利康等公司正在积极建立工程团队，以进一步推动这一进程。阿斯利康高级副总裁兼生物制品工程和肿瘤靶向发现研发主管Puja Sapra表示：“我们所做的一切，无论是设计、制造、测试还是分析，现在都经过了计算增强。”“随着生产力和创新的提高，周期时间越来越短。”萨普拉解释说，阿斯利康的方法遵循建立-测量-学习循环。人工智能通过计算生成候选分子或优先排序，预测哪些设计最有可能成功。然后，科学家们将实验室资源仅集中在排名靠前的候选人身上。这导致反馈周期更紧密，死角更少，迭代更快，并且能够追求以前被认为无法治疗的疾病目标。由于可能的分子组合数量远远超过任何人类团队可以系统探索的数量，因此使用人工智能来缩小和完善测试选项已成为生物制剂药物设计的主要焦点。除了加速时间表外，人工智能还被应用于发现全新类别的药物。传统生物

注：以上内容摘选自原始新闻，点击「访问原文」查看完整内容。