在制藥過(guò)程中，藥物被淘汰的原因眾多，其中之一就在于其對(duì)細(xì)胞色素P450的消極抑制作用。細(xì)胞色素P450是一組主要在肝臟中產(chǎn)生的酶，通常被稱(chēng)為CYP450，參與分解化學(xué)物質(zhì)，防止它們?cè)谘�液中積累到危險(xiǎn)的水平。然而，事實(shí)證明，許多實(shí)驗(yàn)藥物都能抑制CYP450的產(chǎn)生，這種的副作用會(huì)使藥物對(duì)人體產(chǎn)生毒性。

制藥公司一直依賴(lài)于傳統(tǒng)醫(yī)學(xué)工具來(lái)預(yù)測(cè)藥物是否會(huì)抑制患者體內(nèi)的CYP450，比如在試管中進(jìn)行化學(xué)分析，觀(guān)察CYP450與具有化學(xué)相似性的藥物之間的相互作用，以及在小白鼠身上進(jìn)行實(shí)驗(yàn)。但是這樣的預(yù)測(cè)可能并不準(zhǔn)確。在某些情況下，CYP450相關(guān)毒性只有在人體試驗(yàn)中才會(huì)被發(fā)現(xiàn)，導(dǎo)致付諸的金錢(qián)多年的努力白費(fèi)。就在這個(gè)關(guān)鍵時(shí)刻，AI制藥重新進(jìn)入了大眾視野。

彌補(bǔ)傳統(tǒng)制藥弊端，AI制藥效率大幅提高

制藥的低效率引出了一個(gè)更嚴(yán)肅的問(wèn)題：至少20年來(lái)，價(jià)值1萬(wàn)億美元的全球制藥行業(yè)一直處于藥物開(kāi)發(fā)低迷、生產(chǎn)率下滑的狀態(tài)。制藥公司的金錢(qián)投入越來(lái)越多——10家最大的制藥公司現(xiàn)在每年花費(fèi)近800億美元——研發(fā)出的有效藥物卻越來(lái)越少。十年前，若投入一美元來(lái)研發(fā)藥物，就能收到10美分的回報(bào)；如今，收益率卻不足2美分。某種程度上，這是因?yàn)橛糜谥委煶Ｒ?jiàn)疾病的藥物都已經(jīng)找到了，只剩下開(kāi)發(fā)用于解決復(fù)雜疾病的藥物，這些藥物只能治療一小部分人的疾病，因此能夠獲得的收益也要少得多。

根據(jù)塔夫茨藥物開(kāi)發(fā)研究中心的數(shù)據(jù)，近年來(lái)，藥物上市的平均成本幾乎翻了一番，達(dá)到26億美元之多。藥物從在實(shí)驗(yàn)室中誕生到流入市場(chǎng)的時(shí)間線(xiàn)被延長(zhǎng)到了12年，而有90%的藥物在人體試驗(yàn)的階段就被淘汰。

因此，研究人員對(duì)AI在藥物研發(fā)方面的高漲熱情也就不足為奇了。用戶(hù)只需要給AI工具提供樣本（某種分子結(jié)構(gòu)）和相應(yīng)的解決方案（分子最終如何被制成藥物），它們就可以開(kāi)發(fā)自己的計(jì)算方法來(lái)快速產(chǎn)生相似的制藥方案。

AI（右）能更準(zhǔn)確地找到致病腫瘤

大多數(shù)機(jī)器學(xué)習(xí)程序可以處理小數(shù)據(jù)集，而深度學(xué)習(xí)程序可以處理大量原始的、非結(jié)構(gòu)化的數(shù)據(jù)。一個(gè)深度學(xué)習(xí)的版本可以從未標(biāo)記的細(xì)胞圖像中進(jìn)行分子結(jié)構(gòu)辨識(shí)，不過(guò)，它可能需要查看上百萬(wàn)個(gè)細(xì)胞樣本才能做到這一點(diǎn)。

最終，AI將在以下幾個(gè)方面改善藥物開(kāi)發(fā)：1.識(shí)別更有效的候選藥物；2.提高藥物測(cè)試的“命中率”，即通過(guò)臨床試驗(yàn)并獲得監(jiān)管批準(zhǔn)的候選人的百分比；3.加速整個(gè)制藥過(guò)程。

百時(shí)美施貴寶(Bristol-Myers Squibb)最近部署了一個(gè)機(jī)器學(xué)習(xí)程序，該程序經(jīng)過(guò)訓(xùn)練，已能夠在大量細(xì)胞樣本中發(fā)現(xiàn)與CYP450抑制效用相關(guān)的分子結(jié)構(gòu)。Saha說(shuō)，該程序?qū)�測(cè)試準(zhǔn)確率提高到95%，與傳統(tǒng)方法相比，失敗率降低近6倍。這些結(jié)果幫助研究人員迅速篩選出可能有毒的藥物，轉(zhuǎn)而關(guān)注那些有更大希望通過(guò)多項(xiàng)人體試驗(yàn)、獲得美國(guó)食品和藥物管理局批準(zhǔn)的候選藥物。禮來(lái)(Eli Lilly)首席數(shù)據(jù)和分析官維平?戈帕爾(Vipin Gopal)表示：“在我們進(jìn)行投資之前，AI就能幫助我們?cè)谠缙谂懦�掉那些潛在的無(wú)效用藥物�！�

人工智能軟件可以預(yù)測(cè)哪些化合物可能與目標(biāo)蛋白結(jié)合，以幫助縮小候選藥物的范圍。

生物醫(yī)學(xué)研究人員認(rèn)識(shí)到，像癌癥和阿爾茨海默病等這般復(fù)雜的疾病所涉及的涉及蛋白質(zhì)達(dá)數(shù)百種，如果研發(fā)的藥物只攻擊其中一種蛋白質(zhì)，則不太可能對(duì)整個(gè)病毒本身造成破壞。Kurji解釋說(shuō)，Cyclica正試圖尋找能與幾十種目標(biāo)蛋白相互作用的單個(gè)化合物，同時(shí)避免與其他蛋白相互作用。他補(bǔ)充說(shuō)，目前正在開(kāi)發(fā)的AI 程序旨在將大量關(guān)于蛋白質(zhì)變異的遺傳數(shù)據(jù)整合在一起，這樣AI助手就可以檢測(cè)出哪些候選藥物最有效。

蘇格蘭鄧迪大學(xué)醫(yī)學(xué)信息學(xué)教授安德魯?霍普金斯(Andrew Hopkins)提出了ex唯科學(xué)算法，這個(gè)算法只需分析10個(gè)蛋白質(zhì)數(shù)據(jù)就能得到有效信息。它將目標(biāo)蛋白的生物數(shù)據(jù)與大約10億個(gè)蛋白質(zhì)相互作用的數(shù)據(jù)庫(kù)進(jìn)行比較。生成的新數(shù)據(jù)被輸入到程序中，程序再次對(duì)列表進(jìn)行精簡(jiǎn)，并分析另一輪所需的數(shù)據(jù)。這個(gè)過(guò)程重復(fù)進(jìn)行，直到程序準(zhǔn)備好生成一個(gè)易于管理的化合物列表，而這些化合物正是目標(biāo)藥物的良好候選。

霍普金斯聲稱(chēng)，ex唯科學(xué)的算法可以將藥物的發(fā)現(xiàn)時(shí)間從4.5年縮短到1年，將發(fā)現(xiàn)成本降低80%，合成化合物的數(shù)量也會(huì)減少到通常生產(chǎn)一種成功藥物所需的五分之一。目前，他正與生物科技巨頭Celgene合作，努力為三個(gè)目標(biāo)尋找新的潛在藥物。

精確定位目標(biāo)蛋白！

為了發(fā)現(xiàn)可能致病的蛋白質(zhì)，生物制藥公司Berg也利用AI助手來(lái)篩選人體組織樣本的生物信息。Berg軟件的方法是把從病人的組織樣本、器官液體和血樣中提取的每一份數(shù)據(jù)都輸入程序。樣品中的活細(xì)胞被用于各種實(shí)驗(yàn)，如測(cè)試其高葡萄糖水平。這種方法生成多種數(shù)據(jù)，涵蓋細(xì)胞產(chǎn)生能量的能力和細(xì)胞膜的硬度。

然后，所有的數(shù)據(jù)都通過(guò)一系列深度學(xué)習(xí)程序運(yùn)行，這些程序?qū)ふ曳羌膊�狀態(tài)和疾病狀態(tài)之間的特征差異，最終著眼于那些含毒性的蛋白質(zhì)。在某些情況下，這些蛋白質(zhì)可能成為靶標(biāo)，這時(shí)Berg的AI軟件就可以尋找藥物來(lái)攻擊這些靶標(biāo)。更重要的是，因?yàn)樵撥浖�可以識(shí)別目標(biāo)似乎只在一小部分患者身上引起疾病，所以它可以識(shí)別這些患者的區(qū)別性特征。這意味著患者可以在服用藥物之前進(jìn)行測(cè)試，以確定藥物是否可能對(duì)他們有效。

目前，Berg正在與制藥巨頭阿斯利康(AstraZeneca)合作，尋找治療帕金森氏癥和其他神經(jīng)系統(tǒng)疾病的目標(biāo)，并與賽諾菲巴斯德(Sanofi Pasteur)合作，以改良流感疫苗。Berg軟件已經(jīng)確定了診斷測(cè)試的機(jī)制，可以區(qū)分前列腺癌和良性前列腺肥大癥，而這些病癥如果不做手術(shù)則很難區(qū)分。