7月9日消息 據(jù)有關(guān)統(tǒng)計(jì)：傳統(tǒng)藥物研發(fā)耗時(shí)耗力，一般需要超過(guò) 15 年，耗資 30 多億美元，但每年上市的原創(chuàng)新藥僅十幾種。目前，已知的 4000 多種疾病中 90% 尚無(wú)藥可治。

　　如何加速新藥研發(fā)?騰訊表示，為解決困難，開(kāi)始做些嘗試——發(fā)布首個(gè) AI 驅(qū)動(dòng)的藥物發(fā)現(xiàn)平臺(tái) “云深智藥(iDrug)”。它致力于幫助用戶大幅度減少尋找潛在活性藥物的時(shí)間和成本。“云深”源自唐詩(shī)《尋隱者不遇》的 “只在此山中，云深不知處”，新藥的發(fā)現(xiàn)過(guò)程正是如此。

　　基于騰訊 AI Lab 自主研發(fā)的深度學(xué)習(xí)算法，提供數(shù)據(jù)庫(kù)和云計(jì)算支持，能覆蓋臨床前新藥研發(fā)全部流程的五大模塊。

　　騰訊表示，其 AI Lab 自研的預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)的新思路，該算法在 2020 年起加入行業(yè)頂級(jí)評(píng)估平臺(tái) CAMEO(全球唯一的蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)自動(dòng)評(píng)估平臺(tái))。

　　目前平臺(tái)上已經(jīng)運(yùn)行十個(gè)左右研發(fā)項(xiàng)目——包括對(duì)抗新冠病毒藥物的虛擬篩選和性質(zhì)預(yù)測(cè)，目前篩選得到的化合物在實(shí)驗(yàn)驗(yàn)證中。

　　平臺(tái)如何為藥物研發(fā)加速助力？

　　疾病的形成由很多物質(zhì)組成，最終形成疾病的關(guān)鍵蛋白，我們把它設(shè)為靶點(diǎn)。

　　解決靶點(diǎn)，就有可能解決疾病。

　　而解決靶點(diǎn)，就需要知道它的蛋白結(jié)構(gòu)，再去找到對(duì)應(yīng)的藥物破解它。

　　了解關(guān)鍵蛋白的結(jié)構(gòu)，設(shè)計(jì)藥物分子來(lái)抑制它的功能，疾病就會(huì)解除。

　　過(guò)去通過(guò)實(shí)驗(yàn)尋找針對(duì)疾病靶點(diǎn)的有效藥物，往往難度大、周期長(zhǎng)、費(fèi)用高。

　　從進(jìn)入臨床試驗(yàn)的行業(yè)案例來(lái)看，在新藥研發(fā)中，AI 技術(shù)最快可以將新藥發(fā)現(xiàn)周期從 3-6 年縮短到 6 個(gè)月至 1 年;從技術(shù)層面看，云深智藥平臺(tái)同樣具備相似的能力。它能最快的時(shí)間，模擬鎖的結(jié)構(gòu)。

　　結(jié)合 AI 深度學(xué)習(xí)模型預(yù)測(cè)的蛋白質(zhì)結(jié)構(gòu)以及蛋白質(zhì)功能(蛋白質(zhì)折疊)，就可以有針對(duì)性地設(shè)計(jì)藥物分子來(lái)抑制它的功能，將疾病通路阻斷。

　　基于自監(jiān)督學(xué)習(xí)的蛋白質(zhì)折疊方法，不依賴同源序列，而是直接從序列數(shù)據(jù)庫(kù)中通過(guò)自監(jiān)督學(xué)習(xí)，學(xué)得共進(jìn)化的模式，從而能夠從無(wú)到有地產(chǎn)生出含有共進(jìn)化信息的偽同源序列，并最終讓這些蛋白能夠有效折疊。

　　通過(guò)一種基于深度學(xué)習(xí)的可迭代方法，有效整合模板建模與自由建模，首次提出了動(dòng)態(tài)的、可迭代的氨基酸對(duì)特異性的約束條件，顯著提高了建模的精度，從而更好的折疊蛋白。

　　云深智藥平臺(tái)，不僅可以根據(jù)鎖的類型和形狀來(lái)設(shè)計(jì)或者選擇合適的候選鑰匙，還能吸收其他人開(kāi)鎖經(jīng)驗(yàn)，能極大節(jié)省人力物力。

　　可通過(guò) AI“遷移 ”從其他靶點(diǎn)上面學(xué)習(xí)到的知識(shí)(如分子局部結(jié)構(gòu)對(duì)靶點(diǎn)結(jié)合強(qiáng)度的影響)，應(yīng)用在目標(biāo)靶點(diǎn)上來(lái)提高模型預(yù)測(cè)精度。

　　目前該算法在數(shù)千個(gè)實(shí)驗(yàn)數(shù)據(jù)集上預(yù)測(cè)精度(預(yù)測(cè)活性與實(shí)驗(yàn)測(cè)量活性的相關(guān)性)的中位數(shù)從目前最高記錄 0.36 提升到 0.42，且篩選可用模型的百分比從 56% 提升到 60%。

　　IT之家獲悉，平臺(tái)還支持 ADMET 性質(zhì)預(yù)測(cè)功能(藥物的吸收、分配、代謝、排泄和毒性)，目前已經(jīng)開(kāi)源。該平臺(tái)藥物小分子 ADMET 屬性預(yù)測(cè)模塊已在多個(gè)數(shù)據(jù)集上比學(xué)術(shù)界現(xiàn)有最好模型提高 3%~11%;在合作伙伴的反饋中，平臺(tái)的自研算法精度超過(guò)現(xiàn)有商業(yè)軟件 6%~37% 不等。

　　當(dāng)然，除了上述在算法領(lǐng)域不斷創(chuàng)新，平臺(tái)還提供算力和數(shù)據(jù)庫(kù)的一體化服務(wù)支撐。

　　數(shù)據(jù)方面，分子大數(shù)據(jù)是藥物研發(fā)中的基礎(chǔ)設(shè)施。

　　云深智藥平臺(tái)使用的分子大數(shù)據(jù)，基于現(xiàn)有公開(kāi)數(shù)據(jù)集，進(jìn)行了多個(gè)環(huán)節(jié)的精細(xì)清洗整理工作，得到可以用于直接構(gòu)建深度學(xué)習(xí)模型的藥物分子大數(shù)據(jù)集。

　　算力方面，騰訊云為云深智藥平臺(tái)提供數(shù)據(jù)庫(kù)服務(wù)。

　　藥企、科研機(jī)構(gòu)登錄平臺(tái)即可開(kāi)展研究，不需要再自行部署計(jì)算資源，從而能盡快將 AI 能力引入現(xiàn)有的研發(fā)流程中。

特別提醒：本網(wǎng)內(nèi)容轉(zhuǎn)載自其他媒體，目的在于傳遞更多信息，并不代表本網(wǎng)贊同其觀點(diǎn)。其原創(chuàng)性以及文中陳述文字和內(nèi)容未經(jīng)本站證實(shí)，對(duì)本文以及其中全部或者部分內(nèi)容、文字的真實(shí)性、完整性、及時(shí)性本站不作任何保證或承諾，并請(qǐng)自行核實(shí)相關(guān)內(nèi)容。本站不承擔(dān)此類作品侵權(quán)行為的直接責(zé)任及連帶責(zé)任。如若本網(wǎng)有任何內(nèi)容侵犯您的權(quán)益，請(qǐng)及時(shí)聯(lián)系我們，本站將會(huì)在24小時(shí)內(nèi)處理完畢。