诺奖得主揭秘：AI如何加速新药发现

诺奖得主揭秘：AI如何加速新药发现

引用

nature

等

9

来源

1.

https://www.nature.com/articles/s41746-024-01345-9

2.

https://www.nobelprize.org/prizes/chemistry/2024/press-release/

3.

https://cen.acs.org/people/nobel-prize/Baker-Hassabis-and-Jumper-win-2024-Nobel-Prize-in-Chemistry/102/web/2024/10

4.

https://www.bio.pku.edu.cn/homes/Index/news_cont/7/17488.html

5.

https://insilico.com/

6.

https://dndi.org/news/2024/nobel-prize-chemistry-awarded-for-alphafold-an-ai-model-used-dndi-for-neglected-diseases/

7.

https://www.alcf.anl.gov/news/nobel-prize-winner-conducted-protein-folding-research-argonne-user-facilities

8.

https://insilico.com/careers

9.

https://insilico.com/pipeline

2024年诺贝尔化学奖授予了三位在AI驱动的生物医学研究中做出杰出贡献的科学家：David Baker、Demis Hassabis和John M. Jumper。这一决定不仅表彰了他们在计算蛋白质设计和结构预测方面的突破，更标志着AI在药物发现领域迈入了新的里程碑。

在2020年，Google DeepMind的Demis Hassabis和John M. Jumper推出了AlphaFold2，这是一个基于深度学习的AI模型，能够以前所未有的精度预测蛋白质的三维结构。这一突破解决了困扰科学家50年的难题，因为蛋白质的功能很大程度上取决于其复杂的三维结构。

自发布以来，AlphaFold2已经预测了约2亿种蛋白质的结构，这些数据被来自190个国家的超过200万研究人员使用。这一成就不仅加速了基础科学研究，还为药物发现开辟了新的途径。例如，研究人员现在可以更准确地理解抗生素耐药性的机制，并设计出针对特定酶的抑制剂。

在药物研发领域，AI的应用已经从早期的虚拟筛选扩展到整个研发流程。Insilico Medicine是一家领先的AI制药公司，其使命是通过生成式人工智能彻底改变药物发现和开发过程，显著减少将救命药物带给患者所需的时间和成本。

该公司开发了一系列集成软件平台，包括：

• PandaOmics：用于多组学目标发现和深度生物学分析
• Chemistry42：自动化机器学习驱动的从头药物设计平台
• inClinico：预测临床试验成功率，识别试验设计中的薄弱环节

这些工具的集成使用，使得药物研发的周期大大缩短。传统上，一个新药从发现到上市平均需要10-15年时间，而AI有望将这一时间缩短一半以上。

尽管AI在药物发现中展现出巨大潜力，但仍面临一些挑战。例如，AI模型的可解释性问题、高质量训练数据的获取难度、以及如何在确保数据隐私的前提下进行有效分析等。此外，AI在药物代谢、排泄和毒性预测方面的准确性仍有待提高。

斯坦福大学教授Michael Levitt，2013年诺贝尔化学奖得主，对AI在药物研发中的应用持乐观态度。他认为，虽然蛋白质折叠问题曾经是50年来最困难的科学问题之一，但通过AI，我们现在能够以全局和全面的方式解决这些问题。他个人对AI在药物设计中的应用前景非常乐观。

AI正在以前所未有的速度推动药物研发的创新。从预测蛋白质结构到设计新型药物，AI的应用正在逐步深入到药物研发的每一个环节。虽然仍面临一些技术和伦理挑战，但随着跨学科合作的不断深化，AI有望在未来几年内为人类带来更多突破性的药物发现。

正如2024年诺贝尔化学奖所展示的，AI与生物医学的结合正在开启一个全新的时代，这个时代的成果最终将惠及全人类的健康事业。