引领行业加速发展,大型医药企业如何加入AI新浪潮?

刚刚过去不久的2018年中,DeepMind公司的蛋白质结构预测在两年一度的国际蛋白质结构预测竞赛(CASP)上击败了由人工测算的蛋白质结构,赢得了竞赛。人工智能近两倍的预测精度之外,其未来在新药开发的作用更令人激动

蛋白质是维持我们生命所必需的复杂物质。我们身体的几乎所有功能,例如收缩肌肉、感知光线或将食物转化成能量等,都需要一种或多种蛋白质来完成。蛋白质具体能做什么取决于氨基酸残基形成的长链和它错综复杂的3D折叠结构。3D结构对蛋白质的功能有着举足轻重的影响,错误折叠的蛋白质有可能引发阿兹海默病、帕金森病、亨廷顿舞蹈病和囊性纤维化等疾病。

▲每一个蛋白质都拥有错综复杂的3D结构(图片来源:DeepMind blog

每两年举办一次的国际蛋白质结构预测竞赛,更像是一场由业界专家学者参与的大型试验。考题是通过基因序列预测特定蛋白质的结构,而作答的方法则可以千变万化。相对于其他人工预测的方法,DeepMind公司的AI系统AlphaFold的预测精度可以达到人工预测的近两倍

Derek Lowe博士毕业于杜克大学,并供职于多家医药企业从事新药研发。他在个人博客中指出:“不借用机器学习的化学家将要被懂得利用机器学习的化学家所取代。”

尽管AI和机器学习对于新药研发的重要性越来越大,也不是每一家研究所都能够拥有像DeepMind公司一样的资源,而从事全面研发的医药公司也无法为AI这个单一的领域而付出过多的资金和投入。不过,传统医药企业正在加强与人工智能的联系

美国默沙东(MSD)是利用机器学习算法探索蛋白质折叠的公司之一,不过该公司的科学家表示,在机器学习算法和蛋白质折叠的研究仍然有很长的一段路要走。诺华(Novartis)专注于化学生物学和治疗学数据的主管Jeremy Jenkins博士同样认为AI技术的潜力可期:“这些崭新的方法有望助力诺华规模的升级”。

早在2017年,葛兰素史克(GSK)就和AI公司Excientia达成了合作协议,进行新药研发的探索。合作的内容包括用AI来发现和筛选新的分子在治疗近10种不同疾病上的潜力。

总部位于美国犹他州盐湖城的Recursion Pharmaceuticals是一家致力于探索AI和机器学习在医疗领域运用的生物科技公司。目前,他们正在结合AI、实验生物学、自动化来规模化地研发新药

武田(Takeda Pharmaceutical)是Recursion的合作伙伴之一,两家公司正在利用AI技术来加速筛选可以用于治疗罕见疾病的药物。在今年一月,Recursion还刚刚与俄亥俄州立基金会(OSIF)达成合作,探索正在进行临床试验的新药OSU-HDAC42在治疗2型神经纤维瘤病的功效。

另一家和Recursion类似的公司是位于旧金山的Atomwise,该公司主打用卷积神经网络来发现新药。其合作伙伴包括艾伯维(AbbVie)、多伦多大学、默沙东、杜克大学医学院等知名医药公司和研究机构。

AI技术不仅可以用于研发全新的药物,还能够重新审视已有临床试验的数据。“站在前人的肩膀上“,探索让既有药品发挥更多功能的方法。而基于AI的模型,数据处理的时间有望大大缩减,让新药的研发更加高效。

题图来源:Pixabay

参考资料:

[1] Artificial Intelligence Gaining Ground in Drug Development. Retrieved Feb 12, 2019 from https://www.biospace.com/article/artificial-intelligence-gaining-ground-in-drug-development/

药明康德AI
药明康德AI

药明康德微信团队专业打造。当人工智能遇上大健康,带你看全AI时代的智慧之光。

专栏二维码
产业机器学习AlphaFoldDeepMind生物医药
相关数据
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。

感知技术

知觉或感知是外界刺激作用于感官时,脑对外界的整体的看法和理解,为我们对外界的感官信息进行组织和解释。在认知科学中,也可看作一组程序,包括获取信息、理解信息、筛选信息、组织信息。与感觉不同,知觉反映的是由对象的各样属性及关系构成的整体。

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)

卷积神经网络技术

卷积神经网路(Convolutional Neural Network, CNN)是一种前馈神经网络,它的人工神经元可以响应一部分覆盖范围内的周围单元,对于大型图像处理有出色表现。卷积神经网路由一个或多个卷积层和顶端的全连通层(对应经典的神经网路)组成,同时也包括关联权重和池化层(pooling layer)。这一结构使得卷积神经网路能够利用输入数据的二维结构。与其他深度学习结构相比,卷积神经网路在图像和语音识别方面能够给出更好的结果。这一模型也可以使用反向传播算法进行训练。相比较其他深度、前馈神经网路,卷积神经网路需要考量的参数更少,使之成为一种颇具吸引力的深度学习结构。 卷积网络是一种专门用于处理具有已知的、网格状拓扑的数据的神经网络。例如时间序列数据,它可以被认为是以一定时间间隔采样的一维网格,又如图像数据,其可以被认为是二维像素网格。

AlphaFold技术

DeepMind 提出的深度神经网络蛋白质形态预测方法。AlphaFold系统,是DeepMind在2017-2018年中一直在研究的项目,它建立在多年以前使用大量基因组数据来预测蛋白质结构的研究基础之上。 AlphaFold产生的蛋白质3D模型比以往任何一种都精确得多,在生物学的核心挑战之一上取得了重大进展。

推荐文章
暂无评论
暂无评论~