前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >这场国际性算法大赛上,AI 医疗公司冰洲石摘得桂冠

这场国际性算法大赛上,AI 医疗公司冰洲石摘得桂冠

作者头像
AI科技评论
发布2018-12-29 16:41:58
6690
发布2018-12-29 16:41:58
举报
文章被收录于专栏:AI科技评论

AI科技评论按,今年夏天,电影《我不是药神》引发了社会的广泛讨论,更加促进了靶向药在癌症治疗中的大范围普及,影片中的近四万元一瓶的抗癌药“格列宁”的原型“格列卫”也一时间成为大家关注的焦点,引发了众多的社会关注。

靶向药作为目前针对癌症治疗的全新方式,以其精准直达致病因子并且对其他身体机能伤害较小的代价成为逐步成为癌症患者的优选方案。但同时,靶向药的研发难度和开发成本也成为其最终推向市场的阿喀琉斯之踵。

要快,要好,还要便宜,有没有针对靶向药研发的完美解决方案?冰洲石团队(Accutar Biotechnology)给出了答案。

近日,与制药业更为息息相关的药物靶点亲和力及选择性预测赛(DREAM Challenge)公布第一轮比赛结果,由IDG资本和依图科技联合投资的人工智能生物医药公司冰洲石团队摘得挑战赛冠军,取得包括皮尔森(Pearson)和斯皮尔曼(Spearman)相关性系数、F1分数(F1-Measure)及平均ROC曲线下面积(AUC)等各个主要技术指标第一名的成绩。药物靶点亲和力及选择性预测率相较过去大大提高,这意味着人工智能已经成为研发各类抑制剂类药物高速快车。

与死神竞速的药品研发,关乎生死

人体内的每个细胞都由亿万个蛋白质分子组成,而另一些具有催化生物反应功能。癌细胞本身也是蛋白质组成,一些特定蛋白质酶比如有些蛋白激酶则成为了癌细胞生长的重要环节。最终呈现出肿瘤的生长。靶向药正是基于这种特性切断或减慢特定酶对癌细胞在增殖过程中的作用,达到控制甚至阻止癌细胞的复制生长的目的。

从格列卫的研发过程中我们可以看到,传统制药企业在对这种类型的药物的研发时间跨度很长:

图片来源:《“格列卫—一个转化医学的世纪典范”的前世今生说开去》(刘乔飞)

一款成功的靶向药,在一切研发都顺利推进的前提下,临床前研究阶段时间一般需要三年,甚至可能需要长达十年的时间。

新药研发困难重重,AI计算成为全新捷径

自1997年格列卫一战成名后,至2016获批的抗肿瘤小分子抑制剂已达数十个。目前优秀的抗肿瘤靶向药物应具有高效、低毒、特异性强的特点,然而在2017年的10大畅销抗肿瘤靶向药物中只有3款属于小分子抑制剂。小分子抑制剂作为癌症靶向治疗药物虽具有庞大市场机会,但仍然存在三大需要攻破的瓶颈:

一.小分子抑制剂需要与蛋白质激酶的天然配体竞争;

二.小分子抑制剂随时可能发生脱靶毒性;

三.小分子抑制剂需要“24小时值班” 以保证目标蛋白质激酶功能时刻被控制。

传统的靶向药研发主要通过实验的方式测试催化酶与特定小分子的结合,并且针对单一蛋白质的测试通过后,还需要观察是否会和其他蛋白质结合并对身体的正常机能造成阻碍,避免误伤友军对人体自身细胞带来伤害。

传统的研发方法一般需要经历大量的实验筛选和长期的观察,不仅对实验环境提出了苛刻的要求,还需要花费大量的时间对不同的样本进行筛选比对,从而挑选出最优选择。而利用AI预测通过算法模拟就可以将先导药物与靶向蛋白的亲和情况进行快速模拟,可以帮助我们快速了解蛋白质激酶与小分子抑制剂之间的结合亲和力的生物学过程、结构生物学以及结构-功能关系背后的推动因素。通常来说,能预测不同药物与靶向目标的亲和能力意味着针对靶向药物在更准确的“打靶”上前进了一大步,使得药物更接近于“设计”而不是“尝试”,增加与蛋白质激酶的特异竞争力,减少脱靶毒性。

AI 预测的加入使得对先导药物的筛选速率得到飞速的提升,同时该技术也将先导药物的筛选带到更多的场景进行应用,将不同靶蛋白的效果通过指标表现出来,体现优化药物毒副作用的能力。这将成为人工智能技术在药物挖掘方面的重要应用之一。

冰洲石取得靶向药预测突破性成就

DREAM Challenge是国际计算生物医学领域中历史最悠久的算法挑战赛。自2006年以来已连续举办12届,每一届会由不同的比赛组织方开放自己的私有数据、设计不同主题的任务供参赛者建模预测。而此次挑战赛将目光集中于蛋白质激酶小分子抑制剂,旨在评估机器学习模型对蛋白质激酶-小分子抑制剂结合亲和力的预测能力,考验参赛系统对单一药物/激酶结合预测的准确性,同时也注重预测药物的靶点选择性。此外第三方验证的特性保证了算法的可重复性,使得算法能得到最有效的验证。最新的官方信息显示,共有来自全球的300多个研究团队参加本次DREAM Challenge药物靶点亲和力及选择性预测赛,其中包括美国国立卫生研究院、各大学术机构,及其他未披露身份的工业界参赛者。

在此次挑战赛中,冰洲石成功地运用了其近年来研发的药物和靶点结合的3D构象预测及结合强度的定量预测模型,并基于此思路解决制药领域中关于先导药物的发现、优化和提高靶点选择度等核心问题。冰洲石团队在各项核心统计指标中都领先于不同对手。可以预见,冰洲石的计算模型在工业界的应用将提高筛选效率,优化构效关系,有希望使得新药研发时间大大缩短,成本大幅降低。

图片来源:DREAm challenges 官网

冰洲石团队(Accutar Biotechnology)公司目标旨在推动由AI指导的各项药物性质(包括活性、靶点选择性及药化药代各项指标)的全局优化方案来加速临床前药物开发,从而改革目前多达数十轮的传统试错性药物开发模式。该公司目前在新药研发、老药新用、药物筛选和药物性质预测等方面已有诸多成果,与海内外多家大型药企建立广泛合作。CEO范捷博士师从美国国家科学院院士Nikola Pavletich教授, 博士后导师是诺贝尔奖获得者Gunter Blobel 博士。

“靶点和药物亲和力预测是制药领域的兵家必争之地,Accutar在此次比赛中拔得头筹,增进了我们的信心,也坚定了我们推动这场产业革命的决心”,范捷表示:”希望此次的比赛成果能为AI-指导药物开发这一新兴行业立下一个标杆,从解决传统制药业实际需求和痛点入手,促进这一行业健康、良性地发展,争取真正解决制药领域中的实际问题。”

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2018-12-26,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 AI科技评论 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档