使用人工智能创造更好更有效的药物

今天，大多数药物发现都是由人类化学家进行的，他们依靠自己的知识和经验来选择和合成所需的正确分子，从而成为我们所依赖的安全有效的药物。

为了确定合成路径，科学家们经常采用一种称为逆向合成的技术——一种通过从所需分子逆向工作并寻找制造它们的化学反应来制造潜在药物的方法。

然而，由于筛选数以百万计的潜在化学反应可能是一项极具挑战性和耗时的工作，俄亥俄州立大学的研究人员创建了一个名为G2Retro的人工智能框架，可以自动为任何给定分子生成反应。

新研究表明，与目前的手动计划方法相比，该框架可以涵盖范围广泛的可能化学反应，并准确快速地辨别哪些反应最适合产生给定的药物分子。这可能会导致新药的更快开发。

该研究的主要作者、俄亥俄州立大学计算机科学与工程副教授夏宁说：“将人工智能用于对拯救人类生命至关重要的事情，比如医学，是我们真正想要关注的。”

“我们的目标是使用AI来加速药物设计过程，我们发现它不仅可以节省研究人员的时间和金钱，还可以提供比自然界中存在的任何分子都具有更好特性的候选药物。”

这项研究建立在Ning之前的研究基础上，她的团队开发了一种名为Modof的方法，该方法能够生成比任何现有分子都更好地表现出所需特性的分子结构。

“现在的问题变成了如何制造这种生成的分子，这就是这项新研究的亮点，”同时也是医学院生物医学信息学副教授的宁说。

Ning的团队在包含1976年至2016年间收集的40,000个化学反应的数据集上训练G2Retro。

该框架从给定分子的基于图形的表示中“学习”，并使用深度神经网络生成可能的反应物结构，这些结构可用于在开发新药时合成它们。它的生成能力令人印象深刻，据宁说，一旦给定一个分子，G2Retro可以在几分钟内提出数百种新的反应预测。

“我们的生成式AI方法G2Retro能够提供多种不同的合成路线和选项，以及一种对每个分子的不同选项进行排序的方法，”Ning说。“这不会取代目前基于实验室的实验，但它将提供更多更好的药物选择，因此可以更快地确定实验的优先级和重点。”

为了进一步测试AI的有效性，Ning的团队进行了一项案例研究，看看G2Retro是否可以准确预测四种新上市的已经上市的药物：Mitapivat，一种用于治疗溶血性贫血的药物;Tapinarof，用于治疗各种皮肤病;Mavacamten，一种治疗全身性心力衰竭的药物;和奥替康唑，用于治疗女性的真菌感染。

宁说，G2Retro能够为这些药物正确生成完全相同的专利合成路线，并提供了同样可行且合成有用的替代合成路线。

拥有这样一个由科学家使用的动态和有效的设备可以使该行业以更快的速度制造更强大的药物——但尽管人工智能可能会给实验室内的科学家带来优势，但Ning强调G2Retro或任何生成人工智能创造的药物仍然需要待验证——这一过程涉及在动物模型中测试所创建的分子和药物，然后在人体试验中进行测试。

“我们对用于医学的生成人工智能感到非常兴奋，我们致力于负责任地使用人工智能来改善人类健康，”宁说。