@onlychigua #科技 AI仅用30天就研发出潜在抗癌新药，并能预测患者的生存率

@onlychigua #科技 AI仅用30天就研发出潜在抗癌新药，并能预测患者的生存率 加拿大多伦多大学的研究人员与Insilico Medicine合作，利用名为Pharma的人工智能（AI）药物发现平台，在30天内就开发出肝细胞癌（HCC）的潜在治疗药物，而且只合成了7种成分。

沪研小分子原创新药实现成果转化 将填补相关抗癌药物空白

沪研小分子原创新药实现成果转化 将填补相关抗癌药物空白 一种针对各类恶性肿瘤患者的主要并发症的临床前小分子原创新药，由华东师范大学与复旦大学科研团队研发成功并实现成果转化，近期与美国生物制药公司 Supercede Therapeutics 达成了总额为 1 亿美元的全球权益合作。记者了解到，这是目前全球唯一公开描述的选择性抑制 ActRIIB 信号传导的小分子化合物，填补相关抗癌药物空白。（解放日报）

更快、更安全的癌症治疗让人工智能改变药物研发过程

更快、更安全的癌症治疗让人工智能改变药物研发过程 利用人工智能改进药物发现和开发是制药科学中一个新的但却日益增长的趋势，而这项技术正是这一趋势的一部分。研究人员利用今天（5 月 6 日）发表在《自然-通讯》（Nature Communications）上的这一新工具合成了 32 种候选抗癌新药。图中的资深作者 Trey Ideker 是加州大学圣地亚哥分校医学、计算机科学和生物工程学教授。图片来源：Erik Jepsen/加州大学圣地亚哥分校"几年前，人工智能在制药行业还是一个肮脏的字眼，但现在的趋势绝对是相反的，生物技术初创公司发现，如果不在商业计划中涉及人工智能，就很难筹集到资金，"资深作者、加州大学圣地亚哥分校医学院医学系教授、加州大学圣地亚哥分校雅各布斯工程学院生物工程和计算机科学兼职教授特雷-伊德克（Trey Ideker）说。"人工智能引导的药物发现已经成为工业界一个非常活跃的领域，但与公司正在开发的方法不同，我们正在将我们的技术开源，让任何想使用它的人都能使用。"多靶点药物研发的优势这个名为 POLYGON 的新平台在用于药物发现的人工智能工具中是独一无二的，因为它可以识别具有多个靶点的分子，而现有的药物发现方案目前优先考虑的是单靶点疗法。多靶点药物之所以备受医生和科学家的关注，是因为它们有可能带来与联合疗法相同的疗效，即同时使用几种不同的药物来治疗癌症，但副作用较小。伊德克说："寻找和开发一种新药需要花费多年时间和数百万美元，尤其是当我们谈论的是一种具有多个靶点的药物时。我们罕见的几种多靶点药物在很大程度上是偶然发现的，但这项新技术可以帮助消除偶然性，启动新一代精准医疗。"POLYGON 的工作原理研究人员在一个包含 100 多万个已知生物活性分子的数据库中对 POLYGON 进行了训练，该数据库包含这些分子的化学性质和与蛋白质靶点的已知相互作用的详细信息。通过学习数据库中发现的模式，POLYGON 能够为可能具有某些特性（如抑制特定蛋白质的能力）的候选新药生成原始化学配方。"就像人工智能现在非常擅长生成原创的图画和图片一样，比如根据所需的年龄或性别等属性生成人脸图片，POLYGON 能够根据所需的化学属性生成原创的分子化合物，"伊德克说。"在这种情况下，我们不是告诉人工智能我们希望自己的脸看起来有多老，而是告诉它我们希望未来的药物如何与疾病蛋白相互作用。"这项研究的共同作者凯瑟琳-利孔（Katherine Licon）是加州大学圣迭戈分校艾德克实验室的实验室经理，该实验室将计算技术和传统湿实验室技术相结合，以回答有关疾病生物学的基本问题，并发现加强精准医疗的新方法。图片来源：Erik Jepsen/加州大学圣地亚哥分校测试和结果为了对 POLYGON 进行测试，研究人员用它生成了数百种候选药物，这些药物以各种癌症相关蛋白对为靶标。在这些候选药物中，研究人员合成了 32 种分子，这些分子与 MEK1 和 mTOR 蛋白的相互作用最强。这两种蛋白被科学家称为合成致命蛋白，这意味着同时抑制这两种蛋白就足以杀死癌细胞，即使单独抑制其中一种也无法杀死癌细胞。研究人员发现，他们合成的药物对 MEK1 和 mTOR 有显著的活性，但与其他蛋白质的脱靶反应很少。这表明，POLYGON 鉴定出的一种或多种药物可以同时针对这两种蛋白质进行癌症治疗，为人类化学家提供了一份微调选择清单。伊德克说："有了候选药物之后仍然需要做所有其他化学工作，才能将这些选择提炼成单一有效的治疗方法。我们不能也不应该试图从药物研发管道中消除人类的专业知识，但我们能做的是缩短流程中的几个步骤。"尽管如此，研究人员仍然乐观地认为，人工智能在药物发现方面的可能性才刚刚被探索出来。伊德克说："在未来十年中，无论是在学术界还是在私营部门，看到这一概念如何发挥作用都将是非常令人兴奋的。可能性几乎是无穷无尽的。"编译来源：ScitechDaily ... PC版： 手机版：

麻省理工学院的AI突破：对抗MRSA的新型抗生素先锋

麻省理工学院的AI突破：对抗MRSA的新型抗生素先锋 利用一种被称为深度学习的人工智能，麻省理工学院的研究人员发现了一类化合物，这种化合物可以杀死一种耐药细菌，这种细菌每年导致美国一万多人死亡。在最近发表于《自然》（Nature）的一项研究中，研究人员发现这些化合物可以杀死在实验室培养皿中生长的耐甲氧西林金黄色葡萄球菌（MRSA），以及在两种 MRSA 感染小鼠模型中生长的耐甲氧西林金黄色葡萄球菌。这些化合物对人体细胞的毒性也很低，因此特别适合作为候选药物。这项新研究的一个关键创新点是，研究人员还弄清了深度学习模型在预测抗生素效力时使用了哪些信息。这些知识可以帮助研究人员设计出更多的药物，它们可能比模型识别出的药物效果更好。"我们的洞察力在于，我们可以看到模型学习到了什么，从而预测出某些分子会成为很好的抗生素。"麻省理工学院医学工程与科学研究所（IMES）和生物工程系的特米尔医学工程与科学教授詹姆斯-柯林斯（James Collins）说："我们的工作提供了一个框架，从化学结构的角度来看，它既省时、省资源，又具有机理上的洞察力。"这项研究是麻省理工学院"抗生素-人工智能项目"（Antibiotics-AI Project）的一部分，该项目由柯林斯领导。该项目是麻省理工学院抗生素-人工智能项目的一部分。该项目由柯林斯领导，其任务是在七年内发现针对七种致命细菌的新型抗生素。用人工智能应对 MRSA在美国，每年有超过 8 万人感染 MRSA，它通常会引起皮肤感染或肺炎。严重病例可导致败血症，这是一种可能致命的血液感染。在过去几年里，柯林斯和他在麻省理工学院阿卜杜勒-拉蒂夫-贾米尔健康机器学习诊所（Jameel Clinic）的同事们开始利用深度学习尝试寻找新的抗生素。他们的工作已经产生了针对鲍曼不动杆菌（一种常见于医院的细菌）和许多其他耐药细菌的潜在药物。这些化合物是利用深度学习模型确定的，该模型可以学习识别与抗菌活性相关的化学结构。然后，这些模型会筛选数百万种其他化合物，预测哪些化合物可能具有较强的抗菌活性。事实证明，这类搜索富有成效，但这种方法的一个局限是，模型是"黑盒子"，也就是说，无法知道模型是根据什么特征进行预测的。如果科学家们知道模型是如何做出预测的，他们就能更容易地找出或设计出更多的抗生素。黄说："我们在这项研究中要做的就是打开黑盒子。这些模型由大量模拟神经连接的计算组成，没有人真正知道这底下发生了什么"。提高人工智能的预测准确性首先，研究人员使用大幅扩展的数据集训练了一个深度学习模型。他们通过测试约 3.9 万种化合物对 MRSA 的抗生素活性生成了这些训练数据，然后将这些数据以及化合物的化学结构信息输入模型。Wong说："基本上可以将任何分子表示为化学结构，还可以告诉模型该化学结构是否具有抗菌性。这个模型是在许多这样的例子中训练出来的。如果你给它任何新的分子、新的原子和化学键排列，它就能告诉你该化合物被预测为抗菌的概率。"为了弄清该模型是如何做出预测的，研究人员采用了一种被称为蒙特卡洛树搜索的算法，这种算法已被用来帮助使其他深度学习模型（如AlphaGo）更易于解释。这种搜索算法不仅能让模型对每种分子的抗菌活性做出估计，还能预测该分子的哪些亚结构可能会产生这种活性。人工智能驱动的药物发现过程为了进一步缩小候选药物的范围，研究人员又训练了三个深度学习模型，以预测化合物是否对三种不同类型的人体细胞有毒。通过将这些信息与抗菌活性预测相结合，研究人员发现了既能杀死微生物，又能对人体产生最小不良影响的化合物。利用这组模型，研究人员筛选了大约 1200 万种化合物，所有这些化合物都可以在市场上买到。根据分子中的化学子结构，模型从这些化合物中识别出了五种不同类别的化合物，这些化合物预计对 MRSA 具有活性。有希望的成果和未来方向研究人员购买了大约 280 种化合物，并对它们进行了针对在实验室培养皿中生长的 MRSA 的测试，从而确定了同一类中的两种似乎非常有希望成为候选抗生素的化合物。在两种小鼠模型（一种是 MRSA 皮肤感染模型，另一种是 MRSA 全身感染模型）的测试中，每种化合物都能将 MRSA 的数量减少 10 倍。实验发现，这些化合物似乎通过破坏细菌在细胞膜上维持电化学梯度的能力来杀死细菌。许多关键的细胞功能都需要这种梯度，包括产生 ATP（细胞用来储存能量的分子）的能力。柯林斯实验室在 2020 年发现的一种候选抗生素Halicin似乎也是通过类似的机制发挥作用的，但它对革兰氏阴性细菌（细胞壁较薄的细菌）具有特异性。MRSA 是一种革兰氏阳性细菌，细胞壁较厚。Wong说："我们有相当有力的证据表明，这种新的结构类药物通过选择性地消散细菌中的质子动力，对革兰氏阳性病原体具有活性。这些分子选择性地攻击细菌细胞膜，而不会对人类细胞膜造成实质性损害。我们大幅增强的深度学习方法使我们能够预测这一类新结构的抗生素，并发现它对人类细胞没有毒性。"研究人员与Phare Bio 分享了他们的研究成果，Phare Bio 是柯林斯等人创办的非营利组织，也是抗生素人工智能项目的一部分。该非营利组织目前计划对这些化合物的化学特性和潜在临床用途进行更详细的分析。与此同时，柯林斯的实验室正在根据新研究的结果设计更多的候选药物，并利用这些模型寻找能杀死其他类型细菌的化合物。Wong说："我们已经在利用基于化学子结构的类似方法来重新设计化合物，当然，我们也可以随时采用这种方法来发现针对不同病原体的新型抗生素。"编译自:ScitechDaily ... PC版： 手机版：

人工智能有潜力在这些关键领域降低成本，使其更加可获得和负担得起。这些变化需要负责任地进行，以减少失业并推动就业创造。人工智能将使

人工智能有潜力在这些关键领域降低成本，使其更加可获得和负担得起。这些变化需要负责任地进行，以减少失业并推动就业创造。人工智能将使我们能够用更少的资源做更多的事情，但我们需要政府和私人努力来重新培训和赋能每个人。 人工智能被定位为改变我们社会中一些最关键领域的成本结构和提高生产力。它有潜力通过抽象化琐碎的工作，使我们能够将注意力集中在更重要的问题和更好的未来工具上，从而带来更好的教育、更健康的人口和更高效的人们。 2024年AI 50捕捉到了人工智能的广泛范围。该列表的应用比以往任何时候都更加通用，我们预计它在未来几年将在深度和广度上进一步扩展。2024年只是个开始。 全文：

英国政府宣布拨款2200万英镑推动该国半导体研发

英国政府宣布拨款2200万英镑推动该国半导体研发 位于布里斯托尔的生产基地将支持西南部和威尔士的芯片公司利用尖端化合物半导体推进高压电子设备的发展，帮助英国实现零净排放。南安普顿基地将以南安普顿大学的硅光子学研究为基础。这项研究旨在利用光而不是电来促进通信。与标准半导体相比，这些芯片的速度要快得多。科技和数字经济部长萨吉布-巴提（Saqib Bhatti）在谈到这笔资金时说："这项投资标志着我们在推进半导体产业发展目标方面迈出了关键一步，这些中心将帮助把净零和人工智能等领域的新技术推向市场，并将这些技术扎根于英国本土。国家半导体战略实施仅九个月，我们已经在实现目标方面取得了快速进展。这不仅是为了促进增长和创造高技能工作岗位，更是为了将英国定位为全球创新中心，为实现具有全球影响力的突破创造条件"。除了这笔资金外，政府还表示将向全国各地的 11 个半导体技能项目提供 480 万英镑。政府希望这将提高各级教育中与半导体行业相关的技能人才。该战略的目标是在未来二十年内"推动英国在设计、研发和化合物半导体方面的优势和技能"。相关文章:猛砸逾1亿英镑、新建9个研究中心 英国政府大力布局AI研究和监管 ... PC版： 手机版：