更快開發出新藥:人工智慧如何加快開發藥物的腳步

作者 Jamie Beckett

科學家在面對高昂藥物研發成本和測試時間的情況下,仍試圖使用新藥來治療包括阿茲海默症、癌症、帕金森氏症在內的數百種重大疾病。

如今人工智慧技術能以更快、更有效率的方式,推動研發新藥的腳步。愈來愈多藥廠和大學研究團隊開始使用人工智慧運算技術來預測治療效果最好的藥物分子,以對付某些醫學界最棘手的問題。

「這是製藥業的革命。」Insilico Medicine 執行長 Alex Zhavoronkov 說。這家藥廠使用 GPU 加速深度學習技術來治療癌症和年齡相關疾病。

研發藥物當下:無法延續下去

這場革命無法來的太快。根據塔弗茲大學的一項研究和美國食品藥物管理局的數據指出,開發新藥的平均成本近26億美元,耗時14年之久

來自倫敦的 BenevolentAI 機構下屬生命科學分支單位 BenevolentBio 執行長 Jackie Hunter 表示,不到一成的新藥能夠上市。

她說:「經濟環境並不穩定,我們得思考不同作法。」

將人工智慧用於研發藥物

BenevolentBio 打算使用深度學習和自然語言處理技術來瞭解和分析海量生物科學資訊,其中包括專利、基因資料,以及每天上傳的逾萬件生醫領域期刊和資料庫內容,以改造藥品研發的過程。

「只靠人力無法處理這麼多資訊,無力推動科學研究的速度。」Hunter 說。

ai-drug-discovery-tackles-als-672x467

在肌萎縮脊椎側索硬化症(ALS)發作的過程中,細胞被認為扮演著要角。BenevolentBio 採用深度學習技術發現兩種可能的治療方式。圖片提供:奧瑞岡州立大學。

BenevolentBio 的深度學習軟體在 NVIDIA DGX-1 人工智慧超級電腦的輔助下,消化和分析大量資料,找出各種關連性及提出候選藥物。

Hunter 的團隊也使用深度學習來產生帶有某些特性,或許能有效治療特定疾病的分子,像是用於治療神經退行性疾病,又不會對心臟或肝臟帶來不當副作用的新分子。

到目前為止,Hunter 說 BenvolentBio 已經找出兩種用於治療肌萎縮脊椎側索硬化症(更為人所知的是另一個名稱「ALS漸涷人症」,一種漸進式神經退行性疾病)的藥物,在進行試驗的過程中,其功效較其它現有藥物更佳。她說在 BenevolentBio 取得專利後會接觸藥廠以進行研發。

想像分子

目前各藥廠必須篩選大量分子以找出候選藥物,接著謹慎對各候選藥物進行測試,希望找出最有效果的一款,這個過程得耗費不少時間。

位於巴爾的摩的 Insilico Medicine 運用生成對抗網路(GAN)這項相當新的深度學習技術,「想像」擁有某些特性的新款癌症般分子,改寫這個局面。

GAN 使用兩個相互對抗的神經網路模型,能夠產生難與真實資料進行區分的全新資料。生成模型嘗試產生「看起來像是」真實資料的輸出內容,而具有判別力的模型則是從生成模型和實際資料取得輸入內容,嘗試在兩者間進行判別。

Insilico 說生成模型常用於建立影像、語音或文字,這是首次用於研發癌症藥物。

按要求產生分子

Insilico 公司藥物人工智慧部門的研究團隊在日前發表的報告裡,介紹了他們的神經網路如何使用舊有生物和化學資料,想像出69種有可能治療癌症的新分子

「在尋找分子前導物時不使用試誤法,而是告訴神經網路產生那些前導物,網路就會按命令進行。」Insilico 的 Zhavoronkov 說。Insilico 正將這項研究延伸到想像抗菌前導物上。

Insilico 在搭配 cuDNN 的 Theano 和 TensorFlow 深度學習架構上,使用 CUDA 平行運算平台、Tesla K80 加速器和 TITAN X GPU,以訓練該公司的演算法。

ai-drug-discovery-prescription-medicine-328x437

比起過去,如今開發新藥得花費更多金錢和時間。採用人工智慧技術的新作法或許能改寫這個情況。

依設計開發分子

哈佛大學化學與化學生物學教授 Alán Aspuru-Guzik,也想使用深度學習神經網路從頭開始發展治療方法,他稱此為「反向分子設計」。

Aspuru-Guzik 說深度學習軟體提出具備某些特性的新分子,以找出開發藥物的候選名單。軟體還會合併現有藥物的特性,產生出新的分子結構。

Aspuru-Guzik 表示這些辦法或許有助於加快發現藥物的腳步。他在日前於線上研究報告庫 ArXiv 發表的報告裡,說他的研究使用一種自動化學設計生成模型。

Aspuru-Guzik 使用 CUDA 平行運算平台、NVIDIA Tesla K80 GPU 加速器及 cuDNN 搭配 Theano 深度學習架構,還有25萬個藥物般的分子來訓練他的深度學習軟體。

沒有人期望人工智慧藥物發現一事會取代科學家的地位,多數人認為這是用來補充科學家的技巧,最終還是得由人類來驗證所有的發現內容。

BenevolentBio 的 Hunter 說:「站在人工智慧與製藥業的交叉路口,真是令人興奮。我希望能更快找出更多藥物來治療患者。」

如需更多人工智慧運算技術如何改變產業發展面貌的資訊,請在 iTuneshttps://nvda.ws/2hQ4Leb)或 Google Play Musichttps://nvda.ws/2hQaIrh)上訂閱NVIDIA  AI Podcast網路廣播節目。