人工智能如何让老药达到新高度？(2)

2019-05-10  未知 admin

这不仅是治疗CMT方面迈出重要一步，而且人工智能缩短药物开发路径的能力具有深远的影响。临床前检测和临床试验通常需要8-10年的时间，从头开始开发一款创新药可能为这一过程再加上7年以上的时间。而PXT3003的开发过程与之相比简洁了许多，AI帮助Pharnext选择了三款已有药物构成了新的组合：巴氯芬（baclofen）是一款肌肉松弛剂；纳曲酮（naltrexone）用来治疗阿片类药物依赖性；和山梨糖醇（sorbitol）通常用作泻药。因为这些药物已经被广泛使用，Pharnext公司可以跳过检验安全性的1期临床试验，并且消除了“从头开始”的药物开发阶段。

除了这一研发项目之外，Pharnext还将进行治疗阿兹海默病的2期临床试验和治疗肌萎缩性脊髓侧索硬化症（ALS）的2期临床试验，治疗这两种疾病的在研疗法也是利用AI从已有药物中构建的新组合疗法。如果这些试验获得成功，这种药物开发模式可能掀起“老药新用”的热潮。

基于网络理论，人工智能帮助解决生物学的复杂性

在现代遗传学研究的初期，几乎没有人预见到疾病生物学蕴含的巨大复杂性。在人类基因组图谱最初完成时，人们以为获得了人体如何工作的一本说明书。根据基因组图谱，我们就能够找到解释特定疾病的那个基因，并且帮助发现治愈疾病的疗法。

一定程度上说，这些研究确实为我们带来了无上的瑰宝。例如遗传学家Nancy Wexler博士通过研究委内瑞拉亨廷顿病患者的家族史，最终发现了在单个基因上的突变能够预测一个人会不会得上这一疾病。

然而，科学家们很快发现基因与疾病之间的联系并不总是那么简单，像癌症和阿兹海默病这样的复杂疾病并不是因为一个基因的突变而产生。如今，Cohen博士和其它有识之士认为“化繁为简”的科研方式与药物开发的效率下降之间有着重要的联系。这种效率下降导致一款新疗法获得FDA批准的成功率只有10%，而且药物开发成本迅速上升。

▲Albert-László Barabási博士（图片来源：Albert-lászló barabási博士实验室官网）

近年来，科学家们开始在网络理论的帮助下开始解决生物复杂性的问题。网络理论的著名科学家，东北大学（Northeastern University）的Albert-László Barabási博士认为，疾病就像一个坏信号通过网络从基因传播到蛋白，再传播到细胞和组织，直到所有对网络的扰乱最终表现为我们通常熟悉的疾病症状。

复杂疾病是无数种影响的综合结果，因为基因多效性意味着任何蛋白可能在身体的不同部位发挥作用。像Pharnext这样的初创公司假设药物也可以具有多效性，它们可以与多种蛋白互动，在体内可以产生多种作用。想要发现能够解决复杂疾病的药物组合，我们必须把机器学习从海量数据中发现规律的重要能力，与疾病发生的结构化机制有机地结合在一起。

而这需要计算机科学家和生物学家之间合作关系的进化。新一代的机器学习手段能够吸收非常多的数据，并且发现超越相关性的洞见。然而，驾驭这些“深度学习”神经网络，让它们能够产生预测能力，仍然需要构筑一些精密的算法系统。