据估计，五分之一的美国人患有慢性疼痛，而目前的治疗选择仍有许多不足。克利夫兰诊所基因组中心主任费雄·程博士和 IBM 正在利用人工智能（AI）进行高级疼痛管理的药物发现。该团队的深度学习框架确定了多种肠道微生物组衍生的代谢物和美国食品药品监督管理局（FDA）批准的药物，这些药物可以重新用于选择无成瘾性、非阿片类的慢性疼痛治疗方案。
该研究结果发表在《细胞出版社》上，代表了这些组织的“发现加速器”合作关系在推动医疗保健和生命科学研究方面的众多方式之一。
该研究的共同第一作者、程博士实验室的博士后研究员邱永光博士说，由于阿片类药物治疗慢性疼痛存在严重副作用和依赖性的风险，这仍然是一个挑战。他的研究项目侧重于开发神经系统疾病的治疗方法。最近的证据表明，给一种称为 G 蛋白偶联受体（GPCRs）的蛋白质类中的特定疼痛受体子集用药，可以提供无成瘾性、非阿片类的止痛效果。问题是如何针对这些受体，邱博士解释说。
该团队并没有从头开始发明新的分子，而是想知道他们是否可以应用已经为寻找现有 FDA 批准的药物用于潜在疼痛适应症而开发的研究方法。这个过程的一部分涉及绘制肠道代谢物以发现药物靶点。
为了识别这些分子，第一作者、计算科学家杨宇新博士（曾是肯特州立大学的研究生）在程博士的实验室完成了他的论文研究，并继续在那里担任数据科学家。杨博士和邱博士带领一个团队更新了程实验室之前开发的药物发现 AI 算法。IBM 的合作者帮助撰写和编辑了手稿。
杨博士说：“我们的 IBM 合作者为我们提供了宝贵的建议和观点，以开发先进的计算技术。我很高兴有机会与行业内的同行合作并向他们学习。”
为了确定一个分子是否能作为药物起作用，研究人员需要预测它将如何与我们体内的蛋白质（在这种情况下，我们的疼痛受体）发生物理相互作用并产生影响。为此，研究人员需要基于关于其物理、结构和化学性质的大量 2D 数据对这两种分子有 3D 的理解。
程博士解释说：“即使在当前计算方法的帮助下，将我们预测分析所需的数据量结合起来也是极其复杂和耗时的。AI 可以迅速充分利用从成像、进化和化学实验中获得的化合物和蛋白质数据，预测哪种化合物最有可能以正确的方式影响我们的疼痛受体。”
该研究团队的工具称为 LISA-CPI（配体图像和受体的三维（3D）结构感知框架来预测化合物 - 蛋白质相互作用），使用一种称为深度学习的人工智能形式来预测：
- 如果一个分子可以与特定的疼痛受体结合
- 分子将在受体上的何处物理附着
- 分子与该受体的结合强度
- 分子与受体的结合是否会开启或关闭信号效应
该团队使用 LISA-CPI 预测 369 种肠道微生物代谢物和 2308 种 FDA 批准的药物如何与 13 种与疼痛相关的受体相互作用。该 AI 框架确定了几种可以重新用于治疗疼痛的化合物。目前正在进行研究以在实验室中验证这些化合物。
杨博士说：“这种算法的预测可以减轻研究人员甚至提出进一步测试的候选药物清单必须克服的实验负担。我们可以使用这个工具测试更多的药物、代谢物、GPCRs 和其他受体，以找到治疗除疼痛以外的疾病（如阿尔茨海默病）的治疗方法。”
程博士补充说，这只是该团队与 IBM 合作开发药物开发的小分子基础模型的一个例子 - 包括本研究中的药物重新利用和正在进行的新型药物发现项目。
他说：“我们相信，这些基础模型将为迅速开发针对多种具有挑战性的人类健康问题的治疗方法提供强大的 AI 技术。”
来源：克利夫兰诊所
期刊参考：Yang, Y., et al. (2024). A deep learning framework combining molecular image and protein structural representations identifies candidate drugs for pain. Cell Reports Methods. doi.org/10.1016/j.crmeth.2024.100865.
