AI 如何颠覆药物研发

AI 如何颠覆药物研发

四十六天。

一个 AI 系统仅用了这么长时间就为纤维化症找到了一个新的候选药物。

行业标准则是五年时间和 20 亿美元。

AI 不仅仅是改进了流程，它还让速度提升了 40 倍。

这正在发生。Insilico Medicine 利用生成式 AI 在 46 天内确定了一种候选药物。此后，AI 设计的药物已进入 II 期临床试验。

DeepMind 在 2024 年发布了 AlphaFold 3。它能在几秒钟内预测蛋白质、DNA 和 RNA 的 3D 结构。这项工作过去需要博士生花费数年时间才能完成。

传统的药物研发过程缓慢且昂贵：

• 靶点识别：2 到 3 年的研究。
• 命中化合物发现：1 到 2 年测试数百万种化合物。
• 先导化合物优化：2 到 3 年的化学改性。
• 临床前测试：1 到 2 年的动物模型实验。
• 临床试验：6 到 7 年的人体测试。

其结果是 90% 的失败率和巨额成本。

AI 在每个阶段都改变了研发流程：

• 靶点识别：AI 模型通过分析基因组学和蛋白质组学来寻找疾病关联。图神经网络可以发现人类容易忽略的靶点。
• 分子设计：生成式 AI 不再是测试旧化合物，而是创造新化合物。像 VAEs 和 GANs 这样的模型可以设计具有特定属性的分子。
• 结构预测：AlphaFold 3 提供了设计药物所需的 3D 图谱。它能瞬间展示分子如何与蛋白质结合。

数据指标展示了这种转变：

• 从靶点到先导化合物的时间：3 到 5 年 vs 12 到 18 个月。
• 筛选的化合物数量：10 万种 vs 超过 10 亿种虚拟化合物。
• 临床成功率：早期数据显示约为 10% vs 20%。

如果你是一名软件工程师，这个领域需要你。药物研发现在已成为一个数据和计算问题。

你可以从以下方面开始：

• SMILES 字符串：分子的文本格式。
• RDKit：一个用于化学领域的 Python 库。
• 公共数据集：ChEMBL 和 PubChem。
• 预训练模型：HuggingFace 上的 ChemBERTa。

AI 不会一夜之间治愈所有疾病。数据质量和合成难度等挑战依然存在。但这种转变是永久性的。AI 正在让医学变得更快、更系统化。

AI 科学的哪个领域最让你兴奋？请在评论区告诉我。

Source: https://dev.to/tyson_cung/how-ai-is-disrupting-drug-discovery-46-days-instead-of-5-years-58k0

Optional learning community: https://t.me/GyaanSetuAi