研究开发框架比较实验室、人工智能和模拟数据Research develops framework to compare lab, AI, and simulation data

环球医讯 / AI与医疗健康来源:www.news-medical.net英国 - 英语2025-01-24 21:00:00 - 阅读时长3分钟 - 1335字
这项由朴茨茅斯大学领导的研究开发了一套通用指南,用于比较实验室实验、分子模拟和人工智能的数据,以提高药物渗透性测试的准确性,确保药物能有效到达目标,减少副作用,尤其针对复杂的生物屏障如血脑屏障,从而加速救命药物的开发。
药物渗透性测试生物屏障实验室实验分子模拟人工智能计算机模拟FAIR原则跨领域协作标准化指南血脑屏障临床试验药物递送治疗开发朴茨茅斯大学南安普顿大学伦敦国王学院麻省理工学院地平线2020NINDS
研究开发框架比较实验室、人工智能和模拟数据

成功和安全地输送药物依赖于理解药物如何通过保护细胞的生物屏障。药物渗透性测试对于确定药物能否到达体内预定目标至关重要,但科学家们长期以来一直难以获得准确和可重复的数据。

有三种方法可以测量药物递送的成功率:在实验室中、在动物和人体中,以及使用先进的计算机模拟。然而,匹配这三类测试结果的过程仍然困难重重。

弥补差距

新研究——由朴茨茅斯大学(University of Portsmouth)领导并与南安普顿大学(University of Southampton)、伦敦国王学院(King's College London)和麻省理工学院(Massachusetts Institute of Technology)合作——开发了一套通用指南,用于比较实验室实验、分子模拟和人工智能的结果。

“药物渗透性测试非常重要,因为如果药物无法穿过正确的屏障,无论它在纸上看起来多么好,它都无法正常工作。”朴茨茅斯大学医学院、药学和生物医学科学学院的Christian Jorgensen博士说,“我曾在一家美国医院工作多年,试图将人体和动物测量的渗透性数据与计算机模拟数据进行比较,这是一个不小的挑战。每种测试方法都有其优势,最终这是为了确保最好的药品和疗法进入市场。”

“当你寻求药物批准时,提供的有效性证据越多,批准的可能性就越大。这就是为什么我们看到这三种测试领域的越来越多的融合。”

在2000年至2015年间,进入临床试验的药物中只有14%在美国获得了FDA的批准。改进的渗透性测试可以通过确保药物有效到达目标并最小化副作用来提高成功率。

测试最复杂的系统

该研究发表在《化学信息与建模杂志》上,强调了理解药物如何穿越所有生物屏障的重要性。这包括最复杂的系统,如血脑屏障,这是向神经系统疾病提供治疗的重大障碍。

Jorgensen博士解释道:“这篇论文的优势在于我们不仅测试了简单屏障系统的指南——我们使用了最复杂的一个,这对健康和治疗也非常相关。这项工作有可能加速救命药物的开发,特别是像脑部疾病这样药物递送极其困难的情况。”

新指南提供了一个全面的路线图,通过比较三个领域之间的差异来改善药物渗透性测试和建模:

  • 在计算机上(In Silico):科学家使用计算机程序基于药物的化学性质预测其在体内的移动方式。
  • 在实验室中(In Vitro):他们在培养皿中的细胞上测试药物,观察其在受控环境中的行为。
  • 在人体/动物中(In Vivo):有时,他们会在活体中测试药物,观察其实际效果。

一致性和协作

该工具包强调了确保实验一致性、解决数据变异性以及采用FAIR(可查找、可访问、互操作、可重用)原则进行数据共享的关键因素。

作者还强调跨领域协作的重要性,以提高渗透性测试的准确性并揭示药物递送机制的新见解。

伦敦国王学院的Martin Ulmschneider教授表示:“通过提供明确的基准和建议,我们希望统一和精炼渗透性测试实践,提供一套标准化的指南。这不仅是关于改进个别实验,而是创建一个使科学界能够可靠地比较其发现的框架。”

该研究得到了欧盟“地平线2020”研究和创新计划的支持,并由国家神经疾病和中风研究所(NINDS)的奖学金资助。


(全文结束)

大健康
大健康