人工智能如何加快COVID-19疗法的发展
2020-04-03
4930
药物发现是一个众所周知的漫长，复杂且昂贵的过程，需要世界上最聪明的人们共同努力。随着世界在尝试适应和防御新型冠状病毒方面面临新的挑战，人工智能（AI）带来了新希望，即治愈方法的开发可能比以往任何时候都快。
AI信息引擎
信息引擎是药物发现应用程序背后的基本机器，用作基本信息聚合器和合成器层，其他应用程序可在此基础上汲取其见解，结论和说明性功能。科学家使用这些引擎来更新和汇总信息，并提取最可能与特定目的相关的数据。
先进的信息引擎集成了来自多个来源的数据，包括：科研出版物、病历、医生期刊、生物医学信（例如已知的药物靶标，配体信息和疾病特异性信息）、历史临床试验数据、全球制药公司目前正在研究的分子的专利信息、来自个体药房客户内部研究的专有企业数据、基因组测序数据、放射成像数据、同类群组数据、其他真实世界的证据，例如社会和环境数据、药物设计的人工智能
基于AI的药物设计应用直接涉及药物的分子结构。他们从信息引擎中获取数据和见解，以帮助产生新的候选药物，验证或优化候选药物或将现有药物重新用于新的治疗领域。
对于目标识别，机器学习首先用于预测潜在的疾病目标，然后AI分类通常根据化学机会，安全性和可药物性对目标进行排序，以识别最有希望的目标。然后，此信息将输入到药物设计应用程序中，该应用程序会在选择要合成的化合物之前优化具有所需特性的化合物。然后可以将所选化合物的实验数据反馈到模型中，以生成其他数据进行优化。
对于药物用途，将已批准用于特定治疗领域的现有药物与替代疾病的可能相似途径和目标进行比较，这为从已开发药物中获得额外收入创造了机会。它还为开发新化合物无法带来收益的罕见疾病地区提供了潜在的缓解方法。
此外，在开发新药时要牢记目标，而不是要有针对疾病的心态，这可能会在未来几年内使更多利润的多功能药物进入市场。
AI对抗冠状病毒
人工智能在药物开发方面的最新投资为初创企业提供了开发其技术所需的人力和资源。资金已用于大幅扩展和建设能力，因为这些AI初创公司的员工总数现在全球接近10,000。
新兴厂商的重点是与制药行业建立紧密的合作关系。对于仍处于产品开发早期阶段的许多人来说，这使他们能够测试和优化其解决方案并创建概念证明作为其他交易的基础。
对于更成熟的初创公司而言，与制药行业的合作伙伴关系将初始投资转化为收入，包括订阅或咨询费用，为新药候选者提供的潜在里程碑付款，为公司进行进一步投资，首次公开募股，收购或持续成功做准备作为一个独立的公司。拥有大量公开宣布的AI合作伙伴关系的制药公司包括阿斯利康，GSK，赛诺菲，默克，扬森和辉瑞。
现在，许多AI初创公司已准备好探索合作机会或展示其能力。因此，COVID-19大流行是许多供应商的重要考验，使他们有机会展示其技术的价值，并希望帮助世界更快地度过这场危机。
了解冠状病毒胶囊上的蛋白质结构可以构成药物或疫苗的基础。Google DeepMind的研究人员一直在使用人工智能引擎来快速预测与新型冠状病毒相关的六种蛋白质的结构，尽管尚未进行实验验证，但这些蛋白质仍可能为最终导致治疗的研究做出贡献。
总部位于香港的Insilico Medicine采取了下一步措施，寻找可能的治疗方法，使用AI算法设计可能会限制病毒复制能力的新分子。他们利用导致2003年SARS爆发的类似病毒的现有数据，发表了六种可能治疗COVID-19的新分子的结构。
此外，总部位于德国的Innoplexus已使用其药物发现信息引擎设计了一种与新型冠状病毒上与靶蛋白具有高结合亲和力的新型分子候选物，同时保持了诸如生物利用度，吸收，毒性等药物相似性标准。识别新靶标和分子的类似策略包括Pepticomom，Micar Innovation，Acellera，MAbSilico，InveniAI和Iktos，并且每天都会宣布进一步的计划。
尽管AI可以帮助研究人员确定目标和潜在设计，但临床测试和监管批准仍将花费大约一年的时间。因此，在等待开发疫苗或新药的同时，其他团队正在研究市场上可用于治疗COVID-19的现有药物。
BenevolentAI使用其基于机器学习的信息引擎来搜索已经批准的可以阻止感染过程的药物。在分析了化学性质，医学数据和科学文献之后，公司研究人员确定了通常用于治疗中度和重度类风湿性关节炎的Baricitinib，可能是治疗COVID-19的潜在候选药物。从理论上讲，该药物将通过抑制内吞作用来阻止SARS-CoV-2病毒进入细胞，从而与抗病毒药物联合使用可降低病毒的感染性和复制能力，并防止引起某些COVID-19症状的炎症反应。
尽管目前该行业正在发生许多事情，并且对于可能用作COVID-19疗法的治疗方法有很多建议，但科学和医学界以及监管机构都不会忽略科学方法。建议和新想法对于取得进展至关重要，但在检验和验证假设时也是如此。使用AI和明智的协作加速发现的结果，系统的方法将带来更好的结果
