突破性人工智能新療法以十倍的速度識別帕金森病

近日，英國劍橋大學的研究人員利用人工智能推進了帕金森病治療方法的研究，他們篩選了數百萬種化合物，最終確定了5種有效的候選藥物。這種人工智能驅動的方法將篩選過程提高了1 0倍，并大幅降低了成本，有可能加快為全球快速增長的帕金森病患者開發新的治療方法。

研究人員利用人工智能方法大大加快了發現帕金森病治療方法的速度。劍橋大學的研究人員設計并使用了一種基于人工智能的策略，以確定能夠阻止α-突觸核蛋白（帕金森病的特征蛋白）凝結或聚集的化合物。

研究小組利用機器學習技術快速篩選了包含數百萬個條目的化學庫，并確定了5種高效力化合物供進一步研究。

全世界有600多萬人受到帕金森病的影響，預計到2040年，這一數字將增加2倍。目前還沒有改變病情的治療方法。

利用機器學習提高篩選效率

利用機器學習，研究人員能夠將初步篩選過程加快10倍，成本降低1000倍，這意味著帕金森病的潛在治療方法能夠更快地到達患者手中。研究結果發表在《自然·化學生物學》雜志上。

帕金森病是全球增長最快的神經系統疾病之一。在英國，每37個人中就被診斷出患有帕金森病。除運動癥狀外，帕金森病還會影響胃腸道系統、神經系統、睡眠模式、情緒和認知能力，導致生活質量下降和嚴重殘疾。

蛋白質負責重要的細胞過程，但當人們患有帕金森病時，這些蛋白質就會失控，導致神經細胞死亡。當蛋白質折疊錯誤時，它們會形成稱為路易體的異常團塊，這些團塊在腦細胞內堆積，使腦細胞無法正常運作。

“尋找帕金森病潛在治療方法的途徑之一，需要確定能夠抑制α-突觸核蛋白聚集的小分子，而α-突觸核蛋白是一種與該疾病密切相關的蛋白質。”領導這項研究的劍橋大學優素福·哈米爾德化學系的米歇爾·文德斯科洛教授說道。

雖然目前正在進行治療帕金森病的臨床試驗，但沒有任何改變病情的藥物獲得批準，這反映出無法直接針對導致該疾病的分子種類。

這一直是帕金森病研究的一大障礙，因為缺乏識別正確分子靶點并與之接觸的方法。這一技術差距嚴重阻礙了有效治療方法的開發。

計算藥物篩選的創新

英國劍橋大學團隊開發的這種機器學習方法，通過對包含數百萬種化合物的化學庫進行篩選，找出能與淀粉樣蛋白聚集體結合并阻止其增殖的小分子。然后，對少數排名靠前的化合物進行實驗測試，以篩選出最有效的聚集抑制劑。從這些實驗測試中獲得的信息以迭代的方式反饋到機器學習模型中，這樣經過幾次迭代后，就能確定高效力的化合物。

錯構疾病中心聯合主任文德斯科洛說： “ 我們不是通過實驗進行篩選，而是通過計算進行篩選。通過將我們從初步篩選中獲得的知識與我們的機器學習模型相結合，我們能夠對模型進行訓練，以確定這些小分子上負責結合的特定區域，然后我們可以重新篩選，找到更有效的分子。”

利用這種方法，劍橋大學團隊開發出了針對聚集體表面口袋的化合物，這些口袋是聚集體本身指數級增殖的原因。這些化合物的效力是以前報道的化合物的數百倍，開發成本也低得多。

文德斯科洛說：“機器學習對藥物發現過程產生了真正的影響，它加快了確定最有前途候選藥物的整個過程。對我們來說，這意味著我們可以開始多個藥物發現項目的工作，而不僅僅是一個。時間和成本的大幅降低使很多事情成為可能，這是一個令人興奮的時刻。” （ 綜合整理報道）（策劃/羅媛）