現(xiàn)代醫(yī)學(xué)的發(fā)展離不開(kāi)醫(yī)藥行業(yè)的突破,但新藥研發(fā)面臨投資大、周期長(zhǎng)、風(fēng)險(xiǎn)高等難題。據(jù)Nature數(shù)據(jù)顯示,一款新藥的研發(fā)成本平均約26億美元,耗時(shí)約10年,成功率不到10%。
人工智能的發(fā)展,為提高新藥研發(fā)的效率和成功率帶來(lái)了新的技術(shù)手段,有望加速新藥研發(fā)。
近日,商湯科技在AI新藥研發(fā)(AIDD)跨學(xué)科應(yīng)用領(lǐng)域的最新研究成果《通過(guò)自適應(yīng)圖神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)未知抗體的中和性》(Predicting unseen antibodies' neutralizability via adaptive graph neural networks),登上國(guó)際頂級(jí)學(xué)術(shù)期刊《自然》(Nature)子刊《自然-機(jī)器智能》(Nature Machine Intelligence)。
作為在計(jì)算機(jī)科學(xué)、人工智能領(lǐng)域期刊中影響因子最高(25.898)的頂級(jí)期刊(根據(jù)2021年度《期刊引證報(bào)告》人工智能領(lǐng)域的SCI期刊影響因子排序),《自然-機(jī)器智能》(Nature Machine Intelligence)只關(guān)注對(duì)該領(lǐng)域具有重要影響的科研成果,因其嚴(yán)格的評(píng)審標(biāo)準(zhǔn),每年收錄論文數(shù)量平均僅60篇左右。
論文收錄結(jié)果公布
論文創(chuàng)新性地提出用于預(yù)測(cè)抗原-抗體中和性的DeepAAI算法模型,可以更高效地預(yù)測(cè)抗原-抗體中和作用,加速發(fā)現(xiàn)新的治療型抗體的過(guò)程,其顯著的性能在包括HIV、SARS-CoV2、流感和登革熱在內(nèi)的多種病毒上得到了驗(yàn)證。
AI為治療型抗體發(fā)現(xiàn)送上“神助攻”
抗體由人體免疫B細(xì)胞產(chǎn)生,具有中和作用。通過(guò)與抗原相結(jié)合,使抗原失去原有的功能,防止細(xì)胞被抗原或者感染原侵害,因而在抗病毒藥物和疫苗有關(guān)的研究中十分重要。
生物醫(yī)藥學(xué)家研究抗體與抗原的中和作用通常需要進(jìn)行實(shí)驗(yàn)室濕實(shí)驗(yàn),包括噬菌體展示、酶聯(lián)免疫吸附試驗(yàn)(ELISA)、假病毒試驗(yàn)等。以廣泛應(yīng)用于臨床醫(yī)學(xué)領(lǐng)域的ELISA為例,試驗(yàn)中的每一抗都得用酶標(biāo)記,需要投入大量的資源和時(shí)間,特別是在面對(duì)未知抗體時(shí),無(wú)法事先預(yù)見(jiàn)其與抗原的中和作用。
因此,開(kāi)發(fā)準(zhǔn)確和快速的計(jì)算方法對(duì)抗原-抗體的中和作用進(jìn)行初步篩選,減少濕實(shí)驗(yàn)的盲目性,有助于加速發(fā)現(xiàn)新的治療性抗體的過(guò)程。
盡管目前已經(jīng)有利用深度學(xué)習(xí)來(lái)進(jìn)行篩選算法訓(xùn)練,但多數(shù)是利用包括k-mer、PSSM、BlastP等表示抗原和抗體的各種蛋白質(zhì)描述符,但這些蛋白質(zhì)描述符是靜態(tài)且未被優(yōu)化,對(duì)于特定的監(jiān)督學(xué)習(xí)任務(wù)可能不是最優(yōu)的。
為了克服上述挑戰(zhàn),商湯率先提出了名為DeepAAI的抗原-抗體相互作用預(yù)測(cè)的深度學(xué)習(xí)算法模型,通過(guò)在未知和已知抗體的表征中應(yīng)用拉普拉斯平滑(在GCN中),從已知抗體中學(xué)習(xí)未知抗體的表征,進(jìn)而構(gòu)建出兩個(gè)分別連接抗體和抗原的自適應(yīng)關(guān)系圖。
這兩個(gè)基于DeepAAI自適應(yīng)構(gòu)造的關(guān)系圖具有豐富的可解釋性,抗體關(guān)系圖可以揭示抗體中和反應(yīng)的相似性(相似的結(jié)合區(qū)域),抗原關(guān)系圖可以揭示病毒不同變體之間的關(guān)系。在此基礎(chǔ)上,研究人員可以推薦針對(duì)病毒新變種的可能的廣譜抗體。
DeepAAI由AR-GCN模塊和CNN模塊組成,用于學(xué)習(xí)抗原/抗體間的全局表征和抗原/抗體內(nèi)的局部表征。AR-GCN模塊通過(guò)量化抗體之間和抗原之間的關(guān)系,自適應(yīng)構(gòu)建兩個(gè)關(guān)系圖,并從關(guān)系中學(xué)習(xí)抗原和抗體的表征。CNN模塊從氨基酸序列中提取局部特征。
由于不需要知道抗原和抗體的空間結(jié)構(gòu),此次研究成果可以幫助生物醫(yī)藥學(xué)家更加方便地預(yù)測(cè)抗原-抗體中和/非中和效應(yīng)作為初步篩選,并估算衡量藥物誘導(dǎo)凋亡的IC50值,降低后續(xù)進(jìn)行濕實(shí)驗(yàn)的盲目性。
該方法可以推動(dòng)生物醫(yī)藥研究人員快速便捷地將病毒或抗原樣本遷移應(yīng)用到其他病毒或抗原上,為新病毒或抗原篩選高活性抗體,輔助抗體設(shè)計(jì),加速抗體研發(fā)提供創(chuàng)新思路,從而進(jìn)一步實(shí)現(xiàn)AI技術(shù)輔助大分子藥物篩選和設(shè)計(jì)的研發(fā)新范式。
此外,DeepAAI通過(guò)結(jié)合生成模型對(duì)抗體序列進(jìn)行優(yōu)化改良從而提高抗體的活性或從頭生成具有活性的抗體序列,在新藥研發(fā)領(lǐng)域具有重要意義和廣泛的應(yīng)用價(jià)值,這一成果也受到了Nature Machine Intelligence雜志評(píng)審的高度認(rèn)可。
厚積薄發(fā),持續(xù)賦能精準(zhǔn)醫(yī)療
在新時(shí)代的數(shù)字化浪潮中,AI已經(jīng)成為生物醫(yī)藥行業(yè)高質(zhì)量發(fā)展的重要推動(dòng)力。早在2017年,國(guó)務(wù)院發(fā)布的《新一代人工智能發(fā)展規(guī)劃》中即提出了要發(fā)展便捷高效的智能服務(wù),推廣應(yīng)用人工智能治療新模式、新手段,建立快速精準(zhǔn)的智能醫(yī)療體系。
人工智能可為醫(yī)藥創(chuàng)新提供強(qiáng)而有力的支撐,降低藥物研發(fā)風(fēng)險(xiǎn)、提高研發(fā)效益。商湯科技智慧健康團(tuán)隊(duì)在新藥研發(fā)領(lǐng)域持續(xù)積累,覆蓋藥物發(fā)現(xiàn)、臨床前研究、臨床試驗(yàn)、新藥上市后多個(gè)藥物研發(fā)環(huán)節(jié),旨在通過(guò)AI技術(shù)加速新藥研發(fā)和上市流程。目前,相關(guān)成果已經(jīng)發(fā)表在Lancet Digital Health,Nature Precision Oncology,Bioinformatics等國(guó)際頂尖期刊,為生物醫(yī)藥行業(yè)的基礎(chǔ)研究和提供前沿的突破思路。
秉持對(duì)原創(chuàng)技術(shù)研發(fā)的初心,商湯科技智慧健康團(tuán)隊(duì)做了大量的前瞻性研發(fā)工作,AI技術(shù)的賦能正在引領(lǐng)新藥研發(fā)的范式革新,逐步實(shí)現(xiàn)精度與效率的統(tǒng)一。同時(shí),商湯已與國(guó)內(nèi)外多家頂級(jí)藥企和生命科學(xué)基礎(chǔ)研究領(lǐng)域機(jī)構(gòu)進(jìn)行密切合作,加速實(shí)現(xiàn)基礎(chǔ)研究和應(yīng)用場(chǎng)景協(xié)同的創(chuàng)新突破,力促AI新藥研發(fā)的落地,為推動(dòng)醫(yī)藥行業(yè)的創(chuàng)新發(fā)展發(fā)揮積極作用。
未來(lái),商湯智慧健康將持續(xù)拓展與上下游企業(yè)、研究機(jī)構(gòu)以及高校的合作,為藥物研究、精準(zhǔn)醫(yī)療帶來(lái)更多的智慧賦能。
審核編輯 :李倩
-
數(shù)字化
+關(guān)注
關(guān)注
8文章
8820瀏覽量
62010 -
ai技術(shù)
+關(guān)注
關(guān)注
1文章
1286瀏覽量
24384 -
商湯
+關(guān)注
關(guān)注
0文章
56瀏覽量
3964
原文標(biāo)題:商湯AI新藥研發(fā)成果登上國(guó)際權(quán)威科學(xué)雜志「Nature」子刊
文章出處:【微信號(hào):SenseTime2017,微信公眾號(hào):商湯科技SenseTime】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
評(píng)論