药物发现中的人工智能.pdfVIP

进展FORWARD|聚焦FOCUS

药物发现中的人工智能

■文/毛火华裴奕钦

在药理学研究中，从药物研发的早期阶段到临床实践的各个环节，人工智能（AI）

都发挥着重要的作用。在药物发现与设计方面，AI通过分析大量的化学、生物学数据，

能够加速药物分子的筛选和设计，有助于寻找潜在的候选药物。在药物代谢动力学研究

方面，AI可以模拟药物在人体内的代谢过程，从而预测药物的药效、毒性以及适应证，

为药物开发提供重要指导。随着技术的不断发展和创新，人工智能将在药物发现的多个

方面得到应用，为疾病治疗和药物研发带来更多突破和进展。

AI在药物开发中的应用分析，揭示疾病机制，寻找潜在的药物靶标。

在药物发现过程中，肽作为一种治疗选择在

AI在药物开发中的应用已经引起了广泛关

注，并为医药领域带来了革命性的变革。一是分子过去的几十年中受到了越来越多的关注，特别是对

设计和优化。AI可以用于设计新的药物分子，通过于抗癌肽、抗菌肽和抗炎肽。与小分子治疗相比，

模拟分子结构和属性，加速药物候选的生成和评肽基治疗具有较高的特异性和低毒性。因此，多

估。机器学习和深度学习技术能够预测分子的生物肽被广泛应用于新药的发现和设计中。肽的发现和

活性、药效、药物代谢途径等特性，从而指导分子开发通常是一项具有挑战性、耗时且劳动密集的过

设计和优化过程。二是虚拟筛选和药效预测。AI可程，涉及多个因素，如合成化学、生物活性评估和

用于大规模的药物筛选，从成千上万的化合物中识临床前测试等。可喜的是，AI在这个领域具有巨大

别潜在的药物候选。通过分析已知的药物-靶标相的潜力。通过结合机器学习和深度学习算法，AI可

互作用，模型可以预测新的药物分子与特定靶标的以对大规模的肽序列进行筛选，并预测出具有潜在生

相互作用，从而加速筛选过程。三是药物相互作用物活性的肽段。通过预测不良反应和毒性，AI可以筛

和不良反应预测。AI可以帮助预测药物之间的相互选出更安全的肽药物候选。同时，AI还能预测肽药物

作用，以及可能出现的不良反应。这有助于识别药与多个靶标的相互作用，帮助设计多靶点作用的肽药

物相互作用网络，预防不良反应，提高药物的安物，提高治疗效果。此外，结合患者的基因组信息和

全性。四是临床试验设计和优化。在临床试验阶临床数据，AI还能为个体化治疗提供支持。

段，AI可以分析大量的临床数据，识别潜在的患者AI可以利用已有的肽数据和相关的实验结果

群体，优化试验设计，并提供个性化的治疗建议，来构建预测模型，从而预测新肽分子的性质和活

从而提高临床试验效率和成功率。五是药物重定位性。这种方法可以基于肽的结构、序列、物理化

和再利用。通过挖掘已有的药物数据库，AI可以识学属性以及与目标相关的信息进行建模和预测。

别一些已经获批用于其他疾病的药物，重新定位其首先，需要一个具有多个特征的数据集，其中包

用途，以开发新的治疗方案。六是数据整合和知识括已知肽分子的结构、序列和实验测定的活性等

发现。AI可以整合来自不同来源的生物学数据，从信息。然后，可以使用特征工程的方法，对原始

基因组学、蛋白质组学、代谢组学等多个层面进行数据进行处理和转换，以提取更有意义和可解释

6张江科技评论2024.01

的特征。常用的算法包括支持向量机（SVM）、随