浅谈人工智能在新药研发领域中的应用

姚茗川

【关键词】人工智能;新药研发;发现;筛选

【中图分类号】R918 【文献标识码】B 【文章编号】1002-8714（2020）10-0107-01

1引言

人工智能是一门新兴交叉科学，主要是研究能够辅助、甚至代替人类完成一些复杂任务的计算机系统。2017年7月国务院发布了《新一代人工智能发展规划》，从总体上为我国人工智能的发展指明了方向。

近年来人工智能在医疗的应用越来越多。手术机器人已经能够辅助医生进行外科手术，相比外科医生，其具有更高的精准度。这些人工智能模型识别准确率已经与人类医生相当，在某些特定领域已经超过普通医生。传统新药研发具有风险高、周期长、投资大的特点，以至于出现许多高投资，低回报的现象。借助人工智能技术，可以对候选化合物进行虚拟高通量筛选，从而提升药物的研发效率。本文将探讨人工智能在药物研发中的应用现状及未来发展。

2新药研发

新药研发是一个系统工程，需要经过多个阶段。首先是新药的发现，即从实验室发现新的分子或化合物，接着是临床前研究，需要确定药物的代谢规律、安全性、药理作用等内容，之后是临床研究，包括Ⅰ期、Ⅱ期、Ⅲ期临床试验，最后经过试验确保药物的效能及安全性后进行审批。最终上市。

2.1新药的发现

药物研发的起点在于药物作用靶点以及生物标记的选择及确认。早期，受自身知识的限制，人们对靶点一词无明确概念，对药物发挥药效的机理并不清晰。直到1971年，英国科学家John R.Vane才阐明了Aspirin作用机理为抑制前列腺素合成，人们才开始了解到药物靶点以及生物标记选择的重要性。

2.2临床前研究

临床前研究的第一步是要合成原料药，这个过程主要是确定药物的合成方法以及作用机理，较少考虑药物的成本。之后需要研究药物在动物体内的吸收、分布等，通过化学动力学原理得出相应数据，从而给予临床试验相应的指导。在了解药代动力学相关数据之后，还需要研究相应的毒副作用，确定药物是否会对动物体造成伤害。最后是进行药物的制剂开发，确定药物的剂型。

2.3临床研究

临床研究包括Ⅰ期临床试验、Ⅱ期临床试验、Ⅲ期临床试验三个阶段。在新药开发过程中，Ⅰ期临床试验是将研发的药物第一次用于人体，在试验过程中研究新药安全性等的试验。该阶段需要召集一定数量的志愿者，并对其进行24小时密切监护。当一个新药推进到Ⅲ期临床，原料药和制剂工艺的研究也推进到了相应的阶段。此时，药企会更多地考虑生产成本、生产安全性以及环境对药物的影响等因素。

2.4新药申请与批准上市

当药物研究完成了三期临床试验，确定了药物的有效性与安全性之后，新药持有人就可以向药监部门（C）FDA提交新药申请。申请一旦获得药监部门的批准，该新药即可正式上市销售。

由此可见，新药研发风险高、周期长、投资大。它需要生物、化学等知识的综合应用以及与现实中的实践相结合。只有各个环节协调一致，新药研发才可有序进行。

3人工智能在新药研发中的应用

在今天，人工智能与新药的研发联系更加密切，人工智能在新药的领域应用的更加广泛。

3.1发掘药物靶点

细胞图像组学是指利用人工智能相关技术进行细胞的图形学分析，这些细胞通常是模拟疾病的细胞图像，之后利用形态学分析的数据构建该疾病的细胞表型数据库。将AI应用于表型筛选，有利于药物靶点的确定以及发病机制的研究。具体的方法是首先是从系统图像中提取细胞的形态特征，之后需要对提取的特征进行分析，确定疾病的指纹特征。最后结合自动化生化指标检测的数据，利用人工智能模型进行药物筛选。这种筛选可以在高性能计算平台实现大规模并行化。

3.2分子对接

传统的药物研发过程依赖于试验筛选、化学合成，以及大量的财力与物力，而分子对接技术可以有效地缓解这些问题。分子对接是一种新的药物设计方法，主要是研究分子间的相互作用，预测受体的特征以及受体和药物分子之间的结合模式和亲和力，是一种理论模拟方法。分子对接首先是按照受体与配体形状、性质互补的原则寻找已知数据的小分子与靶标大分子作用的最佳构象。之后利用人工智能模型预测小分子与受体结合构象及结合能。近年来，分子对接的发展十分迅速，接着该技术能够帮助制药企业进行先导化合物的优化和改造，更加高效的发现候选药物。

3.3高通量筛选

化合物筛选是指通过规范化的实验手段，从大量化合物或者新化合物中选择对某一特定作用靶点具有较高活性化合物的过程。而利用人工智能技术辅助筛选，可以把时间与成本降到最大化。AI技术可以通过对现有化合物数据库信息的整合和提取，获取大量化合物与毒性、有效性的关键信息，从而大幅提高筛选的成功率。硅谷公司Atomwise设计了一种基于深度学习技术的虚拟药物发现平台——AtomNet。AtomNet利用强大的深度学习算法和计算能力来分析数以百万计的潜在新药数据。目前，AtomNet已经能够识别重要的化学基团。同时该系统也能够分析化合物的构效关系，发现新药以及评估新药的风险。

4讨论

目前，人工智能技术几乎涵盖药物研发实验前的所有步骤。正如前文所讲，新药研发具有成本高、研发周期长、成功率低三大高风险性质。与传统药物研发模式相比，人工智能辅助药物研发有望能夠缩短药物的研发周期，降低研发成本，提高药物研发的成功率。

未来的药物研发将借助人工智能技术，在实验验证前最大程度地通过智能化技术进行研发，最大程度降低失败率，从而节省药物研发成本，缩短药物研发时间。虽然AI药物研发还面临诸多挑战，但可以明确的是，AI与药物研发的结合必然是未来制药行业的发展趋势。