“AI启动怎么在短短46天内设计出候选药物”

发现新药可能需要几十年、几十亿美元，还有来自地球上最聪明的人的无数工时。 目前，一位初创企业表示，朝着加快采用ai的进程迈出了重要的一步。

在典型的药物发现过程中，即使在巨大分子库的物理测试和机器人技术的帮助下，这也是一个困难的过程。 通过利用计算机虚拟筛选有希望的候选人来避免这种情况的想法已经存在了几十年。 但进展不令人满意，不是商业管道的主要部分。

但是，深入学习的最新进展再次点燃了该行业的希望，主要制药企业已经开始与人工智能药物发现初创企业合作。 目前，insilico medicine采用的是ai设计，能够在短短46天内较有效地靶向纤维化中蛋白质过剩纤维组织的形成的分子。

该企业开发的平台是人工智能最热门的两个子行业，即对抗性互联网和强学习的gan的生成和加强学习的结合，是近年来印象最深的游戏ai发展的核心。

在nature biotechnology的论文中，企业的研究者讲述了模型以已知蛋白质为目标的分子，以及如何训练来自不同数据集的其他多个活性分子。 然后，这个模型用于生成30，000个候补分子。

与以往的许多努力不同，他们更进一步，选择了最有希望的分子在实验室进行测试。 采用更普遍的药物发现方法将30，000名候选人减少到6人，在实验室合成。 虽然他们经过了越来越严格的测试，但发现这种领先的候选药物既能比较有效地靶向所需的蛋白质，又能表现出人们想要药物的样子。

作者很清楚，结果只是概念验证，企业首席执行官alex zhavoronkov告诉wired，这是制药伙伴设定的课题，尽快设计药物。 但是，他们说可以比以前传达的方法更快地完成这个过程，但是价格只是其中的一小部分。

有一点警告。首先，目标蛋白质已经为人所知，存在多种比较有效的药物。 这对企业提供丰富的数据训练他们的模型，渴望新药的多种疾病来说并非如此。

这个企业的平台也只比较药物发现过程的最初阶段。 作者在他们的论文中承认，在他们成为临床试验的真正竞争者之前，分子仍然会在实验室进行相当程度的优化。

derek lowe在博客in the pipeline中这样写道。 这就是你开始消耗大量资金的地方，最终打算将毒品投放市场。 他说在平台处理的发现过程中只占药物开发总价格的一小部分。

尽管如此，该研究是虚拟筛选技术的切实进步，也是人工智能在设计新药方面潜力的重要标志。 zhavoronkov还告诉wired，这项研究是一年多前完成的，为了用更少的数据跟踪更难的药物目标，他调整了平台。

大型制药公司正在努力削减持续膨胀的开发价格，寻找治疗各种难治性疾病的方法，他们可以利用所有的帮助。