俄勒冈州尤金市（KTVZ）——每当一种能改变生命的创新药物上市时，都有许多候选药物在研发过程中失败。俄勒冈大学开发的一种基于人工智能的工具可以帮助科学家在进行昂贵测试之前更好地预测假设的新药物在人体内的作用方式。
该校在周二发布的新闻稿中表示，他们的算法能够基于化学结构高效模拟前所未见的分子将如何运动和表现。
这项研究由生物物理学家Dhiman Ray实验室的博士生Revanth Elangovan和博士后研究员Sompriya Chatterjee领导。该团队最近在《美国国家科学院院刊》上发表了这些研究成果。
Ray表示："如果我的研究成功，在10年或20年内，我们将能够实时进行模拟，看到不同类型的药物如何与蛋白质结合。从那里，我们可以选择哪些应该推进到人体试验。"
科学家们已经使用先进的计算工具来预测新分子的结构。像谷歌的AlphaFold这样的程序可以帮助研究人员根据形状快速筛选疫苗和其他药物的候选者。这些程序已经改变了药物开发领域——构建这些程序的科学家甚至获得了2024年诺贝尔化学奖。
Ray表示，虽然结构预测工具功能极其强大，但它们就像从电影中截取一个静止画面。它们捕捉到某一时刻，但不会告诉你太多关于动作的信息。
要真正预测分子在人体内的行为，科学家需要了解它们如何移动和相互作用。分子会粘附在体内的目标部位，还是更可能粘附在非目标部位？
Ray表示，目前的模拟方法计算量很大。就像一部完整的长篇电影，它们细节丰富但制作成本高昂，因此许多实验室无法负担。
他的团队采用的新方法有点像维基百科的情节摘要，介于照片和长篇电影之间的最佳平衡点。
这种输出为科学家提供了预测分子如何运动所需的基本信息——最终结果，以及到达该结果的最有效路径。
Ray的团队通过将人工智能与物理数据融合创建了该模型。科学家们使用已知分子在不同情况下的行为测量数据以及使它们改变形状所需的能量来为AI模型设定参数，防止模型偏离轨道并浪费能量探索不太可能的情况。
数学技术增加了研究人员捕捉特定时刻的可能性：药物与其目标结合的那一瞬间。
Ray表示："这就是我们作为计算科学家所拥有的能力：我们可以使用这些技巧来采样在常规模拟中无法看到的事物。"
他们开发的代码可以免费供他人使用。
Ray和他的团队特别关注药物开发中的应用。但这种方法在生物学和化学领域都有用武之地，可以帮助研究人员了解许多新材料的特性。
下一步是使模型产生的数据更易于解释，将输出内容转化为用户友好的短视频。
Ray表示："我们保留了一些物理学的见解和机器学习的一些优势，并以一种使两个领域都受益的方式将它们结合起来。这就是我们正在进行的项目的独特之处——不仅是这篇特定的论文，也是整个实验室的特色。"
— 作者：Laurel Hamers，大学通讯部
【全文结束】
