淺談人工智能在新藥研發領域中的應用

姚茗川

【關鍵詞】人工智能;新藥研發;發現;篩選

【中圖分類號】R918 【文獻標識碼】B 【文章編號】1002-8714（2020）10-0107-01

1引言

人工智能是一門新興交叉科學，主要是研究能夠輔助、甚至代替人類完成一些復雜任務的計算機系統。2017年7月國務院發布了《新一代人工智能發展規劃》，從總體上為我國人工智能的發展指明了方向。

近年來人工智能在醫療的應用越來越多。手術機器人已經能夠輔助醫生進行外科手術，相比外科醫生，其具有更高的精準度。這些人工智能模型識別準確率已經與人類醫生相當，在某些特定領域已經超過普通醫生。傳統新藥研發具有風險高、周期長、投資大的特點，以至于出現許多高投資，低回報的現象。借助人工智能技術，可以對候選化合物進行虛擬高通量篩選，從而提升藥物的研發效率。本文將探討人工智能在藥物研發中的應用現狀及未來發展。

2新藥研發

新藥研發是一個系統工程，需要經過多個階段。首先是新藥的發現，即從實驗室發現新的分子或化合物，接著是臨床前研究，需要確定藥物的代謝規律、安全性、藥理作用等內容，之后是臨床研究，包括Ⅰ期、Ⅱ期、Ⅲ期臨床試驗，最后經過試驗確保藥物的效能及安全性后進行審批。最終上市。

2.1新藥的發現

藥物研發的起點在于藥物作用靶點以及生物標記的選擇及確認。早期，受自身知識的限制，人們對靶點一詞無明確概念，對藥物發揮藥效的機理并不清晰。直到1971年，英國科學家John R.Vane才闡明了Aspirin作用機理為抑制前列腺素合成，人們才開始了解到藥物靶點以及生物標記選擇的重要性。

2.2臨床前研究

臨床前研究的第一步是要合成原料藥，這個過程主要是確定藥物的合成方法以及作用機理，較少考慮藥物的成本。之后需要研究藥物在動物體內的吸收、分布等，通過化學動力學原理得出相應數據，從而給予臨床試驗相應的指導。在了解藥代動力學相關數據之后，還需要研究相應的毒副作用，確定藥物是否會對動物體造成傷害。最后是進行藥物的制劑開發，確定藥物的劑型。

2.3臨床研究

臨床研究包括Ⅰ期臨床試驗、Ⅱ期臨床試驗、Ⅲ期臨床試驗三個階段。在新藥開發過程中，Ⅰ期臨床試驗是將研發的藥物第一次用于人體，在試驗過程中研究新藥安全性等的試驗。該階段需要召集一定數量的志愿者，并對其進行24小時密切監護。當一個新藥推進到Ⅲ期臨床，原料藥和制劑工藝的研究也推進到了相應的階段。此時，藥企會更多地考慮生產成本、生產安全性以及環境對藥物的影響等因素。

2.4新藥申請與批準上市

當藥物研究完成了三期臨床試驗，確定了藥物的有效性與安全性之后，新藥持有人就可以向藥監部門（C）FDA提交新藥申請。申請一旦獲得藥監部門的批準，該新藥即可正式上市銷售。

由此可見，新藥研發風險高、周期長、投資大。它需要生物、化學等知識的綜合應用以及與現實中的實踐相結合。只有各個環節協調一致，新藥研發才可有序進行。

3人工智能在新藥研發中的應用

在今天，人工智能與新藥的研發聯系更加密切，人工智能在新藥的領域應用的更加廣泛。

3.1發掘藥物靶點

細胞圖像組學是指利用人工智能相關技術進行細胞的圖形學分析，這些細胞通常是模擬疾病的細胞圖像，之后利用形態學分析的數據構建該疾病的細胞表型數據庫。將AI應用于表型篩選，有利于藥物靶點的確定以及發病機制的研究。具體的方法是首先是從系統圖像中提取細胞的形態特征，之后需要對提取的特征進行分析，確定疾病的指紋特征。最后結合自動化生化指標檢測的數據，利用人工智能模型進行藥物篩選。這種篩選可以在高性能計算平臺實現大規模并行化。

3.2分子對接

傳統的藥物研發過程依賴于試驗篩選、化學合成，以及大量的財力與物力，而分子對接技術可以有效地緩解這些問題。分子對接是一種新的藥物設計方法，主要是研究分子間的相互作用，預測受體的特征以及受體和藥物分子之間的結合模式和親和力，是一種理論模擬方法。分子對接首先是按照受體與配體形狀、性質互補的原則尋找已知數據的小分子與靶標大分子作用的最佳構象。之后利用人工智能模型預測小分子與受體結合構象及結合能。近年來，分子對接的發展十分迅速，接著該技術能夠幫助制藥企業進行先導化合物的優化和改造，更加高效的發現候選藥物。

3.3高通量篩選

化合物篩選是指通過規范化的實驗手段，從大量化合物或者新化合物中選擇對某一特定作用靶點具有較高活性化合物的過程。而利用人工智能技術輔助篩選，可以把時間與成本降到最大化。AI技術可以通過對現有化合物數據庫信息的整合和提取，獲取大量化合物與毒性、有效性的關鍵信息，從而大幅提高篩選的成功率。硅谷公司Atomwise設計了一種基于深度學習技術的虛擬藥物發現平臺——AtomNet。AtomNet利用強大的深度學習算法和計算能力來分析數以百萬計的潛在新藥數據。目前，AtomNet已經能夠識別重要的化學基團。同時該系統也能夠分析化合物的構效關系，發現新藥以及評估新藥的風險。

4討論

目前，人工智能技術幾乎涵蓋藥物研發實驗前的所有步驟。正如前文所講，新藥研發具有成本高、研發周期長、成功率低三大高風險性質。與傳統藥物研發模式相比，人工智能輔助藥物研發有望能夠縮短藥物的研發周期，降低研發成本，提高藥物研發的成功率。

未來的藥物研發將借助人工智能技術，在實驗驗證前最大程度地通過智能化技術進行研發，最大程度降低失敗率，從而節省藥物研發成本，縮短藥物研發時間。雖然AI藥物研發還面臨諸多挑戰，但可以明確的是，AI與藥物研發的結合必然是未來制藥行業的發展趨勢。