AI用作辅助工具 助力缩短新药研发流程降低成本

AI用作辅助工具助力缩短新药研发流程降低成本一项新研究显示，科研人员能利用人工智能工作辅助开发原创新药，成功实现一款候选药物早期研发降本增效，并在一期临床试验中取得理想结果。新华社星期二（3月12日）报道，这是一款治疗特发性肺纤维化（idiopathicpulmonaryfibrosis，IPF）的小分子候选药物，由人工智能（AI）驱动的生物医药公司英矽智能领衔的团队，利用AI药物发现平台Pharma.AI筛选靶点，并设计药物。IPF是一种原因不明，以弥漫性肺泡炎和肺泡结构紊乱最终导致肺间质纤维化为特征的疾病。科研人员与平台反复互动，给予平台正向或负向的反馈，不断缩小潜在靶点和化合物分子结构筛选范围，优化靶点和化合物选择。据介绍，英矽智能基于该公司自2014年成立以来积累的大量数据来建立了Pharma.AI平台。研究论文作者之一、英矽智能研究员赵衡说，针对科研人员关注的病症，Pharma.AI可以分析多种数据和生物通路，以筛选出相应的潜在靶点，再根据选定靶点列举分子结构。该平台还可以“反向”筛选，针对已知分子结构列举相应的作用靶点和适用的病症，通过“老药新用”等策略缩短新药研发流程。论文第一作者、英矽智能联合首席执行官兼首席科学官任峰介绍说，在这款候选药物进入临床前，研究团队历时18个月共生成78个候选化合物。相比传统制药方法，由人工智能驱动的药物研发效率显著提升，而成本大幅降低。目前，这款候选药物正在中美两国同步展开两项随机双盲对照2a期临床试验，有望成为首款作用靶点与化合物分子均由人工智能平台发现且研发成功的创新药物。英矽智能创始人兼首席执行官亚历克斯·扎沃龙科夫说，医药研发是需要全球共同应对的挑战，这项研究让人们可以更深入了解以科学数据为支撑、用人工智能发现和设计新药的成效。这项研究已刊发在英国《自然·生物技术》杂志，科研人员来自中国、美国、加拿大、阿联酋等国。2024年3月12日9:03PM

澳大用AI研发中药助治疗老人痴呆

澳大用AI研发中药助治疗老人痴呆#澳门大学澳门大学中华医药研究院副教授路嘉宏的研究团队联合挪威奥斯陆大学、杭州德睿智药科技有限公司，建立了一种基于人工智能（AI）融合多维分子资讯的虚拟筛选演算法，结合细胞、线虫、小鼠多物种阿尔兹海默病（AD）模型验证，成功筛选获得具有AD治疗潜力的中药小分子化合物。相关研究成果已获全球顶级学术期刊《自然-生物医学工程》（NatureBiomedicalEngineering）在线刊出...https://www.gcs.gov.mo/detail/zh-hant/N22AGc1Yf4

济民医疗：博鳌国际医院目前干细胞药物研发管线项目较为早期 均处于临床前阶段

济民医疗：博鳌国际医院目前干细胞药物研发管线项目较为早期均处于临床前阶段济民医疗发布股票交易风险提示的公告，博鳌国际医院目前干细胞药物研发管线主要包括脂肪间充质干细胞（ADSC）治疗视网膜色素变性（RP）、脂肪间充质干细胞（ADSC）治疗2型糖尿病（T2DM）、脂肪间充质干细胞（ADSC）治疗慢性阻塞性肺疾病（COPD），但均处于临床前阶段，项目较为早期。创新药研发周期长、环节多、风险高，从研制、临床试验、报批到投产容易受到技术、审批、政策等诸多因素影响，后续的研发推进存在诸多的不确定性。

抗击疟疾的进展：科学家研发出遏制疟原虫蔓延的新药物

抗击疟疾的进展：科学家研发出遏制疟原虫蔓延的新药物人类感染的疟疾寄生虫恶性疟原虫（绿色）被描述为从人类红血球（红色）中爆发出来。八个性成熟的寄生虫（绿色）从人体细胞（红色）中出现，其复制的DNA显示为蓝色。资料来源：此图片由SabrinaYahiya博士和JakeBaum教授提供。因此，开发新的抗疟疾药物是一个紧迫的问题。一个关键的目标是阻止寄生虫从人类向蚊子的传播，这取决于其生命周期的性阶段。鲍姆实验室与英国伦敦帝国学院的研究人员合作，先前发现了一类属于磺胺类的新型高效抗疟化合物。这些化合物仅在寄生虫处于其生命周期的特定性阶段时才会杀死它，迅速阻止它首先感染蚊子，因此可以防止任何后续的人类感染。在新的《疾病模型与机制》一文中，鲍姆及其同事确切地探讨了这些化合物是如何工作的，这是在开发这些化合物以在病人身上进行测试之前的一个重要步骤。这项工作的主要作者SabrinaYahiya博士评论说："如果我们希望达到在全世界范围内消除疟疾的目标，针对寄生虫从人到蚊子再到人的传播是至关重要的。如果只治疗一个有症状的病人，你就解决了他们的症状，却忽略了疟疾的传播问题。然而，通过限制传播，就可以从根本上遏制疟疾在人群中的传播。"该团队首先在实验室中培养感染了疟疾寄生虫的人类红血球，然后操纵寄生虫进入它们的性成熟阶段。然后，科学家们用一种磺胺化合物处理这些寄生虫，以找出哪些寄生虫的蛋白质被传输阻断化合物锁定。为此，科学家们应用了"点击化学"，一种赢得了2022年诺贝尔化学奖的方法，在磺胺化合物上附加一个化学标签。"然后这个标签将标记与它们接触的任何寄生虫蛋白质。这项技术确定了一种名为Pfs16的寄生虫蛋白与药物形成最强的结合。有趣的是，Pfs16对疟疾寄生虫的性转换非常重要。该小组随后进行了更多的实验，以确认磺胺类药物与Pfs16结合，而且重要的是阻断其功能。然后，科学家们希望确定寄生虫的有性阶段中被磺胺类药物锁定的确切点。疟疾寄生虫在人类血液中变成雄性或雌性形式后可以传播给蚊子，一旦进入蚊子的肠道，就会发展到一个更成熟的性阶段。这些成熟的雄性和雌性寄生虫类似于人类的卵子和精子，然后融合以实现有性繁殖。新繁殖的寄生虫经过进一步的成熟，然后由蚊子转移，感染更多的人。通常发生在蚊子肠道中的性成熟过程可以在实验室中被人工激活，总共大约只需要10-25分钟时间。作者发现，如果在性成熟过程的前6分钟内向寄生虫施用磺胺化合物，就能特异性地针对雄性寄生虫，并独特地抑制其性成熟，这也是寄生虫蛋白靶点Pfs16在阻止雄性寄生虫成熟方面发挥重要作用的时间。通过确定该化合物的靶点和活性窗口，这项工作提供了对寄生虫生命周期阶段的更精确的理解，在这一阶段该类磺胺类药物是有效的。它还强调了这些化合物通过靶向重要的寄生虫蛋白Pfs16，快速阻断性成熟的独特能力，并进而阻断了疟疾寄生虫的传播。总的来说，Baum及其同事已经确定了这一类新的抗疟药物是如何阻断寄生虫达到性成熟的，从而阻断它们通过蚊子叮咬从人到人的传播。这是开发有效的新药以减少全世界大量新的疟疾病例的重要一步。一旦得到彻底开发和测试，这些化合物可以与现有的治疗症状的疗法一起给疟疾患者使用，以防止寄生虫传播给更多的人。鲍姆教授介绍说："这类磺胺类药物具有强大的阻断寄生虫性成熟的独特能力，几乎是立竿见影的，这使得向蚊子直接投放化合物成为非常有吸引力的替代管理策略。这种令人兴奋的替代策略可以通过在蚊帐或糖饵上涂抹这些化合物来实现。"更多的研究正在进行中，以探索和完善这类磺胺类药物的活性，用于人类或直接用于蚊子，但尽管如此，这项研究扩大了可用于抗击疟疾的策略的范围。...PC版：https://www.cnbeta.com.tw/articles/soft/1352351.htm手机版：https://m.cnbeta.com.tw/view/1352351.htm

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（JamesCollins）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-AIProject）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（JameelClinic）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PhareBio分享了他们的研究成果，PhareBio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：https://www.cnbeta.com.tw/articles/soft/1426194.htm手机版：https://m.cnbeta.com.tw/view/1426194.htm

科学家在柑橘类水果中发现新甜味增强化合物

科学家在柑橘类水果中发现新甜味增强化合物佛罗里达大学食品和农业科学研究所的科学家们在柑橘类水果中发现了八种天然甜味增强化合物。该研究表明，这些分子可能作为食品中的糖替代品而发挥作用。这项新研究的重点是在不同品种的柑橘类水果中筛选风味代谢物，其目的是为了识别天然甜味剂或甜味增强的化合物。PC版：https://www.cnbeta.com/articles/soft/1321143.htm手机版：https://m.cnbeta.com/view/1321143.htm