美德联合团队开发人工智能药物发现系统加速新药研发

10月23日，美国Cellarity公司、麻省理工学院和德国亥姆霍兹研究所的研究人员开发了一种能“自我学习”的高命中率人工智能药物发现系统——DrugReflector。相关研究成果发表在《科学》期刊上。

传统药物发现通常需要科学家在实验室里测试上万种化合物对细胞表型的影响，这一过程极其耗时、昂贵，而且经常错过真正有效的分子。对此，研究人员开发了一种基于深度学习框架的药物发现系统DrugReflector，利用组学数据来实现可拓展且可优化的化合物筛选。该系统基于对细胞从“健康”到“病态”的整个转录组变化过程的“理解”，来预测能够有效干预该过程的化合物，而非专注于单一靶点药物发现。研究人员在两项实验中评估了该系统在筛选可诱导细胞分化为目标细胞类型化合物方面的性能，表型命中率较随机筛选提升了13~17倍。结合“试验—反馈—再训练”的闭环步骤后，该系统进一步实现了命中率翻倍。该研究有望显著提升药物筛选效率，加速药物发现。