人工智能（AI）可能为解决最初开发和用于非神经退行性疾病的身体状况的药物是否可用于治疗帕金森病患者的问题提供答案。
寻找有效的帕金森病（PD）治疗方法的需求非常迫切，因为疾病进展会导致功能下降，而临床试验过程需要超过十年才能完成。
Feixiong Cheng, PhD，Cheng实验室主任兼克利夫兰诊所基因组中心主任，和他的同事采用了一种称为系统生物学的策略。他们首先使用整合的AI模型将与PD相关的遗传变异与多个脑特异性DNA和基因表达数据库进行交叉引用。然后，他们将这些发现与蛋白质和互作组数据集结合，评估哪些已识别的基因会影响大脑中的蛋白质，从而发现了一些在突变时会引起炎症的基因。
通过结合这些数据，Cheng及其同事能够生成一份候选药物清单。随后，通过对电子健康记录的交叉引用，研究人员发现那些被开具之前识别的药物的人群中，被诊断为PD的可能性较低。特别是，被开具FDA批准的降胆固醇药物辛伐他汀的人群被诊断为PD的可能性较低。
这项研究于今年早些时候发表在《NPJ Parkinson's Disease》杂志上。
Healio采访了Cheng，他解释了这一过程背后的哲学，并展望了大规模、大数据AI在未来用于寻找不仅可以重新用于神经退行性疾病，还可以用于更广泛医疗条件的药物的应用前景。
Healio: 为什么选择使用AI/机器学习来完成这种任务？
Cheng: 我们缺乏有效的帕金森病治疗方法，也没有好的帕金森病药物发现实验模型。基于AI的计算方法为帕金森病靶点和药物发现提供了有效策略。
Healio: AI在传统研究中填补或改进了哪些空白？
Cheng: 传统的全基因组关联研究已经确定了许多帕金森病风险变异，但这些风险变异位于非编码人类基因组中，我们不知道哪些基因或药物靶点与这些非编码帕金森病风险变异相关联。通过我们的AI模型整合功能基因组数据，我们可以识别出帕金森病的潜在致病基因作为新兴疗法的潜在药物靶点。
Healio: 在医疗保健领域是否有对药物重新定位的整体需求？是什么使神经退行性疾病成为重新定位的理想候选者？
Cheng: 是的，在医疗保健领域对药物重新定位有很高的需求，包括肌萎缩侧索硬化症（ALS）、阿尔茨海默病（AD）、帕金森病（PD）和其他疾病。例如，根据我们的2025 AD管线，33%的处于AD临床试验阶段的化合物是重新定位的药物。
Healio: AI模型能否训练以找到未来可能用于相同目的的非FDA批准药物？
Cheng: 是的。除了非FDA批准的药物外，我们还在利用先进的AI技术识别临床失败药物（具有良好的安全性但对特定适应症无效）或在我们体内产生的肠道代谢物（如肠道）。
Healio: 您是否预见AI模型可以反向训练，即找出原本用于帕金森病等疾病的药物是否可以帮助治疗其他专科的问题？
Cheng: 是的。AI可以识别许多在临床试验中因缺乏疗效而失败但仍然具有良好安全性的帕金森病或阿尔茨海默病药物，这些药物可能用于治疗ALS或其他难以治疗的疾病。
Healio: AI模型还可以用于哪些其他类型的研究？
Cheng: 除了药物重新定位，AI还可以用于设计针对某些慢性疾病（如AD、PD和癌症）的新小分子或抗体/纳米抗体。我们有几个令人兴奋的项目，正在应用生成式AI设计新的抗体/纳米抗体作为阿尔茨海默病的有效生物疗法。
(全文结束)
