冰洲石团队摘得药物靶点选择性预测赛冠军,AI加快药物研发速率

如果说前不久DeepMind 夺冠蛋白质3D结构预测比赛,虽然离真正的影响制药还尚远,仍然兴奋了整个生物医药和人工智能学术界,那么对药物开发有直接指导意义的激酶抑制剂类药物亲和力预测挑战赛(DREAM Challenge)成绩的公布,则令生物医药和人工智能工业界为之振奋!

根据DREAM Challenge挑战赛主办方公布的第一轮比赛结果,激酶抑制剂类药物亲和力预测的皮尔森(Pearson)和斯皮尔曼(Spearman)相关性系数都达到历史以来最好水平,这意味着,人工智能技术正在将制药的过程从盲筛、随机试错、有限采样(实验的筛选筛的再多,采样都很有限)变得更加理性和高效,靶点和药物亲和力预测准确率相较过去大大提高,利用人工智能加速研发激酶抑制剂类药物的美好愿景正逐渐变为现实。

根据官方报告,摘得挑战赛冠军的团队是人工智能生物医药公司冰洲石(Accutar Biotechnology),在此次挑战赛中,冰洲石团队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,取得了各个主要技术指标包括皮尔森(Pearson)和斯皮尔曼(Spearman)相关性系数、F1分数(F1-Measure)、平均ROC曲线下面积(AUC)第一名的成绩。

人工智能助力精准药物挖掘有突破进展

人体内的每个细胞都由亿万个蛋白质分子组成,其中一些蛋白质分子提供结构支持,而另一些具有催化生物反应功能。功能失常的蛋白质会导致疾病,在历史上,用药物限制蛋白质构象的改变以限制它们过度激活,已经对多种疾病(包括多种血液癌症)产生过治愈效果。

自1997年第一款以酪氨酸激酶为靶点,用以治疗白血病的抗肿瘤小分子抑制剂——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。一款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。

预测蛋白质激酶与小分子抑制剂之间的结合亲和力是人工智能技术在药物挖掘方面的重要应用之一。了解蛋白质激酶与小分子抑制剂之间的结合亲和力能够快速帮助我们了解生物学过程、结构生物学以及结构-功能关系背后的推动因素,如果能准确地从庞大的化合物分子库中用计算机筛选出与靶向蛋白质结合亲和力最高的小分子,就可以大幅减少实验筛选所需要的人力成本和资金消耗。

鉴于蛋白质激酶在多类疾病的发生和发展中扮演了重要角色,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,同时更加注重预测药物的靶点选择性。
靶点的选择性是新一代小分子药物的重要衡量标准和改进方向,通常来说,能预测选择性意味着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加持,挑战全球制药业最重要难题

DREAM Challenge举办的挑战赛旨在尝试解决制药业最重要的问题之一——预测蛋白质激酶与小分子抑制剂之间的结合亲和力,因此DREAM Challenge也被认为是国际计算生物医学领域中最具影响力的算法挑战赛。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。其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,本届共有来自全球的300多个研究团队参加本次DREAM Challenge激酶抑制剂类药物亲和力预测挑战赛,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。

挑战赛冠军获得者冰洲石生物科技有限公司(简称:冰洲石)是一家利用人工智能从事新药研发的生物科技初创公司,目前在新药研发、老药新用、药物筛选、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。目前公司已经完成了由IDG资本和依图科技的联合投资,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。

冰洲石的目标旨在推动由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的药物开发模式。冰洲石成功地训练了药物和靶点结合的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,致力于提高筛选效率,优化构效关系,使得新药研发时间大大缩短,成本大幅降低。

赛后,冰洲石首席执行官范捷表示:“靶点和药物亲和力预测是制药领域的兵家必争之地,冰洲石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。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。”

产业比赛医疗
相关数据
依图科技机构

依图科技致力于人工智能创新性研究,是全球唯一获得美国国家标准技术局(NIST)、美国国家情报高级研究计划局(IARPA)两项人脸识别世界冠军的企业,在安防、医疗、金融、智慧城市、新零售、芯片等领域推出全球领先的创新技术和产品。 依图科技是国内的最大智能安防服务提供商,是破案最多、覆盖省份最多、服务警种最多的人工智能安防平台;依图是智能医疗领域领军企业,提供全球领先的AI影像辅助诊断系统、AI儿科临床辅助诊断系统和医疗大数据智能平台;依图是智能金融领域市场占有率最高的企业, 2016年全球首推刷脸ATM机,开创无卡交易的金融时代。

https://www.yitutech.com/
DeepMind机构

DeepMind是一家英国的人工智能公司。公司创建于2010年,最初名称是DeepMind科技(DeepMind Technologies Limited),在2014年被谷歌收购。在2010年由杰米斯·哈萨比斯,谢恩·列格和穆斯塔法·苏莱曼成立创业公司。继AlphaGo之后,Google DeepMind首席执行官杰米斯·哈萨比斯表示将研究用人工智能与人类玩其他游戏,例如即时战略游戏《星际争霸II》(StarCraft II)。深度AI如果能直接使用在其他各种不同领域,除了未来能玩不同的游戏外,例如自动驾驶、投资顾问、音乐评论、甚至司法判决等等目前需要人脑才能处理的工作,基本上也可以直接使用相同的神经网上去学而习得与人类相同的思考力。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

准确率技术

分类模型的正确预测所占的比例。在多类别分类中,准确率的定义为:正确的预测数/样本总数。 在二元分类中,准确率的定义为:(真正例数+真负例数)/样本总数

相关性系数技术

相关系数是某种相关性的数字度量,意味着两个变量之间的统计关系。有问题的值可能是给定的观察数据集的两列,通常称为样本,或者是具有已知分布的多变量随机变量的两个分量。

ROC曲线下面积技术

在比较不同的分类模型时,可以将每个模型的ROC曲线都画出来,比较曲线下面积做为模型优劣的指标。若随机抽取一个阳性样本和一个阴性样本,分类器正确判断阳性样本的值高于阴性样本之机率=AUC。简单说:AUC是一种会考虑所有可能分类阈值的评估指标,值越大的分类器,正确率越高。

推荐文章
暂无评论
暂无评论~