MSU研究证明人工智能可加速发现治疗性药物
为何重要：
- 密歇根州立大学（MSU）领导的一个团队发现了针对两种目前缺乏有效治疗方法的疾病的有前景的疗法，证明了聚焦基因的机器学习可以加速药物发现。
- 他们的研究发表在权威期刊《细胞》上，为发现其他疾病的新药开辟了新途径。
- 该团队已公开代码并推出了一个网络门户，供其他研究人员探索这种方法的能力。
在病变的细胞内部，基因处于混乱状态。有些基因接收到信号，过度产生某种蛋白质；另一些则将其活性降低到异常水平。一切都乱了套。
一个合适的分子可以恢复秩序，逆转特定基因的失调。但要找到理想的化合物，可能需要检查数百万种化学物质对成百上千个基因的影响。
密歇根州立大学领导的一个研究团队展示了一种更好的方法。他们利用基于海量已发表数据训练的机器学习，仅凭化学结构就能预测化学物质将如何影响基因表达。
他们的研究最近发表在《细胞》杂志上，发现了两种难治性疾病的有前景的化合物：最恶性的肝癌和一种无法治愈的慢性肺病。
资深作者之一、密歇根州立大学人类医学院儿科与人类发展学系及药理学与毒理学系副教授陈斌博士表示，这些发现对加速药物发现具有重要意义，是多年来跨多个学科和研究所工作的成果。
“很多人都在研究这个概念。我们有20多位研究人员参与其中，这是一段漫长的旅程，”陈斌说。他的研究重点是开发用于药物发现的计算方法和工具，并与计算机科学家、实验室科学家和临床医生合作。
这种跨学科方法是该项目成功的关键。研究首先在数百万个实验测量数据上训练了一个“化学结构基因表达谱预测器”。陈斌与另一位资深作者、密歇根大学（原密歇根州立大学）的周嘉宇博士合作完成了这一阶段。
陈斌将这个过程比作训练一个神经网络来将图像分类为人、猫或狗。
“在我们的方法中，我们不是看猫或狗，而是想知道化合物是会上调还是下调特定基因的表达，”陈斌说。“这仍然是一个分类问题，但更偏向生物学驱动。”
“但生物数据很少是干净的，”周嘉宇说。“想象一下，试图从一大堆例子中学习，其中一些是清晰的，一些是模糊的，有些甚至可能具有误导性。我们的方法帮助模型将更强的信号与较弱的信号分离，从而能够从数据中学习，而不被所有噪音干扰。”
在评估了数据对多种疾病的理论应用后，团队选择了两种进行现实世界测试。肝细胞癌是全球癌症相关死亡的第三大原因。特发性肺纤维化是一种慢性肺病，诊断后的中位生存率为三年。
这两种疾病都需要新的治疗方法，并且都引起了研究人员的强烈兴趣。
陈斌之前发现，一种驱虫药可能用于治疗肝细胞癌。他与斯坦福大学亚洲肝中心的共同作者刘汉明教授Samuel So博士和资深研究科学家梅思泽博士长期合作，致力于开发一种有益于肝细胞癌患者的化合物。
“我们之前的努力仅限于重新利用FDA批准的药物，”梅思泽说。“这种新方法极大地扩展了在肝细胞癌中具有潜在治疗活性的新型化合物库。”
“随着美国肝细胞癌发病率的持续上升，能够针对肝细胞癌分子异质性的新型、更有效的化合物直接满足了未满足的临床需求，”So说。
密歇根州立大学的另一位资深作者、人类医学院儿科与人类发展学系副教授李晓鹏博士将他的研究重点放在特发性肺纤维化等肺部疾病上。
“我们知道这种疾病很难攻克，”李晓鹏说。“在过去20年里，有很多次尝试寻找新药都失败了。我认为人工智能部分帮助我们以不同且更系统的方式探索了这个问题。”
在理论上发现化合物是一回事，它们还必须经过现实世界的验证，密歇根州立大学药物化学设施主任、药理学与毒理学系教授Edmund Ellsworth博士说。
作为该研究的贡献者，Ellsworth及其团队负责创建由该平台发现的相关化合物，并将其优化为安全有效的药物。他说，这个关键步骤只是复杂过程的开始。
“要向前推进，必须认识到药物发现是一项团队运动，不适合胆小的人，”Ellsworth说。“这很复杂，会发生各种各样的事情，你需要多样化的专家来克服困难并取得成功。”
这些化合物在实验室的细胞系上进行了测试，以确认它们对基因的影响，并确定在生物体中测试的领先候选药物。
当抗肝细胞癌化合物在小鼠身上测试时，团队发现了两种可以缩小肿瘤体积的新化合物。对于特发性肺纤维化，团队确定了一种可重新利用的药物和两种显示出前景的新化合物。
对特发性肺纤维化化合物的测试也从小鼠开始，但扩展到了人体肺组织样本，这得益于与位于大急流城的Corewell Health肺移植项目的临床研究合作。
该项目是密歇根州最繁忙的。由于肺纤维化是肺移植的主要指标，该项目有足够的移植器官样本与研究人员分享，作为活体培养物进行测试，肺病学家、移植项目医学主任、研究贡献者Reda Girgis博士说。
Girgis也是人类医学院的教授，他说这项研究展示了Corewell和MSU之间合作可能带来的进步。
“我认为这是推进医学知识的最佳方式，让临床医生与生物学家，现在是计算人员，并肩工作，”Girgis说。“这对推进研究至关重要。”
该团队已公开其代码，并开发了一个网络门户，供研究人员使用该预测器进行虚拟化合物筛选。
“这就像一种范式转变的方法，让人们推动发现，”陈斌说。“我希望更多人测试这种方法。但最重要的是，我希望人们真正能够用它来发现新的治疗方法。”
李晓鹏也分享了这一雄心。
“我认为已经证明了这个平台可以应用于两种完全不同的疾病，”他说。“所以这个平台可以用于其他疾病，释放其潜力。”
这项研究得到了美国国立卫生研究院、美国国家科学基金会、密歇根州立大学战略伙伴关系基金、Corewell Health-密歇根州立大学联盟公司、CJ Huang和Ha Lin Yip基金会（支持斯坦福大学亚洲肝中心）以及Lui Hac Minh肝癌研究基金会的支持。
【全文结束】