人工智能将成为精确药物发现的新蓝图

加州大学圣地亚哥分校医学院的研究人员在2021年7月12日的《自然通讯》在线期刊上撰文，描述了一种新的方法，利用机器学习来寻找疾病目标，然后预测一种药物是否可能获得FDA批准。

该研究结果可能会显著改变研究人员筛选大数据的方式，从而找到对患者、制药行业和美国医疗保健系统有重大益处的有意义的信息。

“学术实验室，制药和?”生物技术公司吗?可以获得无限量的“大数据”和比以往任何时候都更好的工具来分析这些数据。然而，尽管有这些令人难以置信的技术进步，?药物发现的成功率?今天是低? ?该研究的资深作者、加州大学圣地亚哥分校医学院和细胞与分子医学系教授praradita Ghosh医学博士说。

“这主要是因为，在临床前近亲繁殖模型中发挥完美作用的药物，比如基因或其他方面相互相同的实验室小鼠，不会转化为临床患者，因为在临床中，每个个体和他们的疾病都是独特的。”正是临床中的这种差异性被认为是任何药物研发项目的致命弱点。”

在新的研究中,戈什和他的同事取代了第一个和最后一个步骤在临床前药物发现和两个新方法在加州大学圣地亚哥分校开发的网络医学研究所(iNetMed),联合几个研究学科发展新的解决方案来推进生命科学和技术,增进人体健康。

研究人员使用了炎症性肠病(IBD)的疾病模型，这是一种复杂、多面、复发的自身免疫性疾病，其特征是肠粘膜炎症。由于IBD影响所有年龄段的患者，降低了患者的生活质量，因此IBD是药物研发的优先领域，也是一个具有挑战性的治疗条件，因为没有两个患者的行为是相似的。

第一步被称为目标识别，它使用了精确计算系统网络中心(preCSN)开发的人工智能(AI)方法，该中心是iNetMed的计算部门。人工智能的方法帮助建立一种疾病模型，它使用的是一种疾病发生时和疾病发展过程中基因表达连续变化的图谱。这种图谱与其他现有模型的区别在于，它利用数学精度来识别和提取基因表达模式的所有可能的基本规则，其中许多被当前的方法所忽视。

基本算法确保识别的基因表达模式是“不变的”，无论不同的疾病队列。换句话说，presn构建了一个地图，提取了适用于所有IBD患者的信息。

Ghosh说:“在面对面的比较中，我们证明了这种方法在准确预测临床试验中‘赢家’和‘输家’方面比现有方法的优越性。”

最后一步，即临床前模型中的靶标验证，是在一项首次开展的“0期”临床试验中进行的，使用的是来自IBD患者的活体类器官生物样本库。类人卓越研究中心(CoRE)， iNetMed的转译分支。

“0阶段”方法涉及测试使用人工智能模型确定的药物在人类疾病类器官模型上的疗效，类器官模型是在3D环境中培养的人类细胞，模拟体外疾病。在这种情况下，是肠内病。

“‘0期’试验概念的出现是因为大多数药物在I期和III期之间的某个阶段失败。在进入临床之前，‘0阶段’测试人类疾病模型的有效性，在此过程中无效的化合物可以在早期被拒绝，节省了数百万美元，”该研究的共同高级作者Soumita Das博士说。他是加州大学圣地亚哥分校医学院(UC San Diego School of Medicine)病理学系的副教授。

本研究的活检组织是在IBD患者的结肠镜检查过程中采集的。这些活组织检查被用作干细胞的来源来生长类器官。

“有两大意外。首先，我们看到，尽管远离了肠壁的免疫细胞和肠壁中的数万亿微生物，这些来自IBD患者的类器官显示出肠漏的特征，细胞边界破裂，”Das说道。

“其次，人工智能模型识别出的药物不仅修复了破损的屏障，还保护它们免受我们添加到肠道模型中的致病菌的攻击。这些发现表明，该药物既可以用于急性耀斑，也可以用于预防此类耀斑的维持治疗。”

研究人员发现，在不同的IBD患者队列中，计算方法具有令人惊讶的高精确度，并与“0期”方法一起，他们开发了一种一流的治疗方法来恢复和保护IBD的肠屏障。

“我们的研究显示了成功的可能性在III期临床试验,对任何目标,可以用数学精度,确定“说Debashis Sahoo,博士,文章的第二作者研究的领导preCSN儿科副教授在部门和计算机科学在加州大学圣地亚哥分校医学院和加州大学圣地亚哥分校。

Sahoo说:“我们的方法可以提供预测马力，帮助我们了解疾病如何进展，评估一种药物的潜在好处，并在当前治疗失败时制定如何使用联合疗法的战略。”

作者说，接下来的步骤包括测试在培养皿中通过人体“0”阶段试验的药物是否能在临床中通过第三阶段试验;以及同样的方法是否可以用于其他疾病，从不同类型的癌症和老年痴呆症到非酒精性脂肪肝。

Ghosh说:“我们的蓝图有可能打破现状，为那些尚未找到好的治疗方案的慢性病提供更好的药物。”

# # #