人工智能与量子力学联手加速药物研发

药物研发就像拼图游戏。药物分子背后的化学化合物必须与我们体内的蛋白质相匹配才能产生治疗效果。这种细致匹配的要求意味着新药的研发极其复杂且耗时。

为了加快拼图过程，SMU 的研究人员创建了 SmartCADD。这个开源虚拟工具结合了人工智能、量子力学和计算机辅助药物设计 (CADD) 技术，可以加快化合物的筛选速度，大大缩短药物发现时间。在最近发表在《化学信息与建模杂志》上的一项研究中，研究人员展示了 SmartCADD 识别有希望的 HIV 候选药物的能力。

这一新工具源自SMU 德曼人文与科学学院化学系和莱尔工程学院计算机科学系的跨学科合作。

“迫切需要发现抗生素、抗癌药、抗病毒药等新型药物，”SMU 计算与理论化学小组 (CATCO) 负责人 Elfi Kraka 表示。“尽管人工智能在许多领域迅速普及，但人们仍不愿将其用于科学研究，主要是因为它的不透明性和用于训练的数据质量。SmartCADD 解决了这些问题，并且可以在一天内筛选数十亿种化合物，从而大大减少了识别有希望的候选药物所需的时间。”

SmartCADD 的工作原理

SmartCADD 结合了深度学习模型、过滤过程和可解释的人工智能来筛选用于精确定位药物线索的化合物数据库。该工具有两个主要组件：SmartCADD 的管道接口(用于收集数据并运行过滤器)和过滤器接口(用于告诉系统每个过滤器应如何工作)。这些内置过滤器可协助测试化合物的不同阶段。它们可以帮助预测药物在体内的行为方式，使用 2D 和 3D 参数模拟药物结构，并利用来解释其决策。

研究人员通过三种不同的艾滋病毒治疗药物案例研究展示了 SmartCADD 平台，发现病毒中存在的几种蛋白质被认为是有希望的靶点。SmartCADD 使用 MoleculeNet 库中的数据创建并搜索了一个包含 8 亿种化合物的数据库，并确定其中 1000 万种可能作为艾滋病毒药物。然后，它使用过滤器查找与已获批准的艾滋病毒药物最匹配的化合物。

虽然研究人员的研究重点是 HIV 目标，但他们强调 SmartCADD 用途广泛，可应用于其他药物研发流程。

“这是一个用户友好的虚拟筛选平台，为研究人员提供了一个高度集成且灵活的框架，用于构建药物发现流程，”莱尔工程学院计算机科学助理教授兼 SMU 市政厅研究副主任 Corey Clark 表示。“我们将继续推动这项工作，进一步扩展化学和机器学习能力。该项目及其机遇确实令人兴奋，我知道下一阶段将比上一阶段迈出更大的一步。”

合作使 SmartCADD 成为可能

这篇论文还强调了 SMU 跨学科合作的实力。除了 Kraka 和 Clark，作者还包括化学博士后研究员 Ayesh Madushanka 和计算机科学研究生 Eli Laird。

“药物研发等领域需要各方共同努力才能真正取得成功，”Madushanka 说道。“我确信，如果只有化学系参与其中，最终成果肯定不会是这个样子。跨学科合作为同一想法带来了新视角，有助于完善和改进它。”

莱尔德补充道：“跨学科研究对于取得真正影响现实世界的重大研究进展绝对必要。这是 SMU 的重点，也是我想在这里攻读博士学位的一个关键原因。有影响力的研究不可能在单一领域的真空中发生。你必须广泛地跨学科研究，以激发将变成真正创新的想法。突破通常发生在不同领域的交叉点，这就是我研究的目标。”