據(jù)外媒Tech Xplore報道，麻省理工學(xué)院的研究人員最近開發(fā)了一種新模型，名為EquBind，可以提前預(yù)測新蛋白質(zhì)分子的結(jié)構(gòu)，提高藥物開發(fā)的效率。

目前這項技術(shù)已經(jīng)得到了業(yè)界的認(rèn)可，關(guān)于這項技術(shù)的論文將在7月份的國際機器學(xué)習(xí)大會上被接受。

第一，速度提升1200倍，EquBind模型可以快速篩選類藥分子。

目前，藥物研發(fā)是一個漫長而昂貴的事情主要原因是研發(fā)藥物的成本非常昂貴這個成本不僅包括數(shù)十億美元的資金投入，還包括數(shù)十年的研究時間

而且在R&D的過程中，90%的藥物會因為無效或者副作用太多而失敗，只有10%的藥物能夠順利通過美國食品藥品監(jiān)督管理局的檢驗，被批準(zhǔn)上市。

所以藥企會提高成功藥的價格來彌補失敗藥帶來的損失，所以目前部分藥品價格居高不下。

一些蛋白質(zhì)分子結(jié)構(gòu)

研究人員要想研發(fā)藥物，首先要找到潛在的類藥分子藥物研發(fā)進(jìn)展緩慢的另一個重要原因是現(xiàn)有的類藥分子數(shù)量巨大據(jù)資料顯示，目前存在的類藥分子多達(dá)1016種，遠(yuǎn)遠(yuǎn)超過了現(xiàn)有分子計算模型的計算極限

為了用如此龐大的數(shù)據(jù)處理分子，加快藥物開發(fā)的進(jìn)程，麻省理工學(xué)院電子工程和計算機科學(xué)系一年級學(xué)生漢尼斯·斯特爾克開發(fā)了一個名為EquBind的幾何深度學(xué)習(xí)模型EquBind的運行速度是現(xiàn)有最快的分子計算對接模型的1200倍，可以更快地找到類似藥物的分子

第二，EquBind模型可以準(zhǔn)確預(yù)測蛋白質(zhì)的結(jié)構(gòu)，提高藥物研發(fā)的效率。

目前，分子計算的傳統(tǒng)對接模型大多采用一種叫做配體—蛋白質(zhì)的方法來尋找類藥物分子具體來說，模型需要先接收大量的樣本分子，然后讓配體與各種分子結(jié)合，然后模型對不同的分子進(jìn)行評分，最后排序選出最合適的分子但是這種方法過程復(fù)雜，在模型中尋找類藥分子的效率較低

漢內(nèi)斯特克對這個過程做了一個形象的比喻他說，以前典型的‘配體—蛋白質(zhì)’方法就像試圖讓模型將鑰匙插入有許多鑰匙孔的鎖中模型花了很多時間給鑰匙和每個鑰匙孔的適合度打分，然后選出最合適的一個

他繼續(xù)解釋道:而EquBind在遇到新分子時，可以跳過最耗時的步驟，提前預(yù)測最合適的‘鎖眼’，這就是所謂的‘盲配對’EquBind內(nèi)置幾何推理算法，可以幫助模型學(xué)習(xí)分子的基本結(jié)構(gòu)這種算法允許EquBind在遇到新分子時直接預(yù)測最合適的位置，而無需花費大量時間嘗試不同的位置并打分

麻省理工學(xué)院

3.EquBind模型已經(jīng)在業(yè)內(nèi)成功應(yīng)用，筆者期待更多反饋。

這個模型引起了治療公司Relay首席數(shù)據(jù)官Patwalters的注意建議Walster的Hannestrk研究組利用該模型開發(fā)治療肺癌，白血病和胃腸道腫瘤的藥物一般來說，大多數(shù)傳統(tǒng)方法很難對接這些領(lǐng)域使用的蛋白質(zhì)配體，但EquBind可以使它們成功對接

治療肺癌的兩種抑制劑

Walters說，EquBind為蛋白質(zhì)中的對接問題提供了獨特的解決方案，解決了結(jié)構(gòu)預(yù)測和結(jié)合位點識別的問題這種方法可以很好地利用成千上萬已發(fā)表的晶體結(jié)構(gòu)信息，EquBind可能會以新的方式影響這一領(lǐng)域

結(jié)論:人工智能與醫(yī)藥行業(yè)的適應(yīng)性很好，發(fā)展勢頭正盛。

AI制藥是2020年才進(jìn)入大眾視野的新興領(lǐng)域。

制藥領(lǐng)域是一個天然的AI場景新藥研發(fā)的周期長，成本高，成功率低，給AI留下了巨大的空間:機器可以自主學(xué)習(xí)和挖掘數(shù)據(jù)，在專家的經(jīng)驗之外總結(jié)歸納藥物研發(fā)規(guī)律，進(jìn)而優(yōu)化藥物研發(fā)過程中的各個環(huán)節(jié)這樣不僅可以提高藥物研發(fā)效率和成功率，還可以降低研發(fā)成本和試錯成本

正因為這樣的特點和發(fā)展?jié)摿?，AI制藥目前正蓄勢待發(fā)但也有業(yè)內(nèi)人士表示，AI只是在制藥過程中起到輔助作用它繞不過行業(yè)固有的流程和機制，也不可能用兩三年走完十年

但總體來看，目前AI制藥領(lǐng)域仍有新的技術(shù)突破，發(fā)展蒸蒸日上。