97久久精品人人做人人爽-97久久香蕉国产线看观看-996久久国产精品线观看-9999国产精品欧美久久久久久

一種結合基因表達數據的AI方法有助于加快藥物研發。

在用人體細胞的復雜數據進行訓練后，一種人工智能（AI）模型有望為開發新藥提供一條捷徑。在這項10月23日發表于《科學》的研究中，科學家利用AI模型加快了從海量化合物中篩選候選藥物的煩瑣過程。

北京大學教授鄧宏魁認為，這是一幅藍圖，它創造了一個從自己的實驗中學習的“智能”篩查系統。

幾十年來，研究人員一直通過大型化學數據庫尋找藥物，并測試每種化合物對實驗室培育細胞的影響。近年來，研究人員期望利用新的篩選方法，審查過去10年積累的單細胞基因組數據，進而評估化合物是如何擾亂整個基因活性網絡的，最終為藥物發現開辟新的途徑。

然而，美國麻省理工學院的生物醫學工程師Alex Shalek說，這通常會篩選數以萬計或更多的化合物，成本高且費時、費力。

為了找到一種利用基因組數據的簡單方法，Shalek與其他研究人員和美國馬薩諸塞州薩默維爾的一家生物技術公司Cellarity合作，訓練了一個名為DrugReflector的深度學習模型。該模型基于公開數據，可以分析近9600種化合物如何干擾50多種細胞中的基因活性。

研究人員使用DrugReflector尋找能夠影響血小板和紅細胞生成的化學物質，這種特性可能有助于治療某些血液疾病。之后，他們測試了其中107種化學物質，以確定后者是否具有預期的效果。

研究人員發現，與依賴從化學數據庫中隨機選擇化合物的標準“暴力”藥物篩選法相比，DrugReflector在查找相關化合物方面的效率高17倍。當研究人員將第一輪篩選的數據納入模型后，其成功率又翻了一番。

美國得克薩斯大學安德森癌癥中心的癌癥數據科學家Bissan Al-Lazikani說，這種方法可以大大降低篩選新藥所需的勞動力，需要篩選的化合物從以前的100萬種減少到幾百種。

鄧宏魁指出，這樣的方法可以幫助他的實驗室成員尋找能夠重新編程細胞以呈現新身份的化合物。他同時表示，DrugReflector目前僅限于評估其訓練組中的近9600種化合物，無法發現真正的新分子。

科學家的終極夢想是設計一個可以直接利用分子化學結構預測生物效應的系統。鄧宏魁認為，目前的技術很有前景，但它的準確性和泛化能力仍有待提高。

相關論文信息：https://doi.org/10.1126/science.adi8577