近日，英國劍橋大學的研究人員利用人工智能推進了帕金森病治療方法的研究，他們篩選了數(shù)百萬種化合物，最終確定了5種有效的候選藥物。這種人工智能驅(qū)動的方法將篩選過程提高了1 0倍，并大幅降低了成本，有可能加快為全球快速增長的帕金森病患者開發(fā)新的治療方法。

研究人員利用人工智能方法大大加快了發(fā)現(xiàn)帕金森病治療方法的速度。劍橋大學的研究人員設計并使用了一種基于人工智能的策略，以確定能夠阻止α-突觸核蛋白（帕金森病的特征蛋白）凝結(jié)或聚集的化合物。

研究小組利用機器學習技術(shù)快速篩選了包含數(shù)百萬個條目的化學庫，并確定了5種高效力化合物供進一步研究。

全世界有600多萬人受到帕金森病的影響，預計到2040年，這一數(shù)字將增加2倍。目前還沒有改變病情的治療方法。

利用機器學習提高篩選效率

利用機器學習，研究人員能夠?qū)⒊醪胶Y選過程加快10倍，成本降低1000倍，這意味著帕金森病的潛在治療方法能夠更快地到達患者手中。研究結(jié)果發(fā)表在《自然·化學生物學》雜志上。

帕金森病是全球增長最快的神經(jīng)系統(tǒng)疾病之一。在英國，每37個人中就被診斷出患有帕金森病。除運動癥狀外，帕金森病還會影響胃腸道系統(tǒng)、神經(jīng)系統(tǒng)、睡眠模式、情緒和認知能力，導致生活質(zhì)量下降和嚴重殘疾。

蛋白質(zhì)負責重要的細胞過程，但當人們患有帕金森病時，這些蛋白質(zhì)就會失控，導致神經(jīng)細胞死亡。當?shù)鞍踪|(zhì)折疊錯誤時，它們會形成稱為路易體的異常團塊，這些團塊在腦細胞內(nèi)堆積，使腦細胞無法正常運作。

“尋找帕金森病潛在治療方法的途徑之一，需要確定能夠抑制α-突觸核蛋白聚集的小分子，而α-突觸核蛋白是一種與該疾病密切相關(guān)的蛋白質(zhì)。”領導這項研究的劍橋大學優(yōu)素?！す谞柕禄瘜W系的米歇爾·文德斯科洛教授說道。

雖然目前正在進行治療帕金森病的臨床試驗，但沒有任何改變病情的藥物獲得批準，這反映出無法直接針對導致該疾病的分子種類。

這一直是帕金森病研究的一大障礙，因為缺乏識別正確分子靶點并與之接觸的方法。這一技術(shù)差距嚴重阻礙了有效治療方法的開發(fā)。

計算藥物篩選的創(chuàng)新

英國劍橋大學團隊開發(fā)的這種機器學習方法，通過對包含數(shù)百萬種化合物的化學庫進行篩選，找出能與淀粉樣蛋白聚集體結(jié)合并阻止其增殖的小分子。然后，對少數(shù)排名靠前的化合物進行實驗測試，以篩選出最有效的聚集抑制劑。從這些實驗測試中獲得的信息以迭代的方式反饋到機器學習模型中，這樣經(jīng)過幾次迭代后，就能確定高效力的化合物。

錯構(gòu)疾病中心聯(lián)合主任文德斯科洛說： “ 我們不是通過實驗進行篩選，而是通過計算進行篩選。通過將我們從初步篩選中獲得的知識與我們的機器學習模型相結(jié)合，我們能夠?qū)δＰ瓦M行訓練，以確定這些小分子上負責結(jié)合的特定區(qū)域，然后我們可以重新篩選，找到更有效的分子?！?/p>

利用這種方法，劍橋大學團隊開發(fā)出了針對聚集體表面口袋的化合物，這些口袋是聚集體本身指數(shù)級增殖的原因。這些化合物的效力是以前報道的化合物的數(shù)百倍，開發(fā)成本也低得多。

文德斯科洛說：“機器學習對藥物發(fā)現(xiàn)過程產(chǎn)生了真正的影響，它加快了確定最有前途候選藥物的整個過程。對我們來說，這意味著我們可以開始多個藥物發(fā)現(xiàn)項目的工作，而不僅僅是一個。時間和成本的大幅降低使很多事情成為可能，這是一個令人興奮的時刻。” （ 綜合整理報道）（策劃/羅媛）