研究人员使用人工智能寻找非阿片类止痛方案

据估计，五分之一的美国人患有慢性疼痛，目前的治疗选择仍有很大的改进空间。克利夫兰诊所基因组中心的Feixiong Cheng博士和IBM正在使用人工智能（AI）进行药物发现，以实现高级疼痛管理。该团队的深度学习框架识别出了多种由肠道微生物群衍生的代谢物以及可重新定位用于治疗慢性疼痛的选择性非成瘾性和非阿片类FDA批准的药物。

发表在细胞出版社,代表了这些组织的发现加速器合作项目促进医疗健康和生命科学领域研究进展的方式之一。

治疗慢性疼痛余光秋博士（论文的共同第一作者，陈博士实验室的博士后研究员，其研究项目专注于开发神经系统疾病的疗法）表示，由于存在严重的副作用和成瘾风险，使用阿片类药物治疗仍然是一个挑战。最近的研究证据表明，针对一类名为G蛋白偶联受体（GPCRs）的蛋白质中的特定疼痛受体进行药物作用可以提供非成瘾性的非阿片类止痛效果。问题是如何靶向这些受体，余光秋博士解释道。

团队想知道他们是否可以应用已经开发的研究方法来寻找现有的分子，而不是从零开始发明新的分子。已获FDA批准的现有药物用于潜在疼痛指示。此过程的一部分包括绘制出gMaps掉的部分应该是无关紧要的，如果是指绘制某个图或区域的话，可以译为“绘制图表”或者根据上下文具体化，此处没有进一步的信息，故无法给出更具体的翻译，只翻译可确定的部分。肠道代谢产物以发现药物靶点.

为了识别这些分子，第一作者和计算科学家杨玉鑫博士（他之前是肯特州立大学的研究生）。杨博士在他的导师程博士的实验室完成了他的论文研究，并继续留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之前的药物发现陈实验室开发的人工智能算法。来自IBM的合作研究人员帮助撰写和编辑了论文。

杨博士说：“我们的IBM合作者给了我们宝贵的建议和视角，帮助我们开发先进的计算技术。”“我很高兴有机会与业界同行交流合作并从中学习。”

为了确定一个分子是否可以作为药物起作用，研究人员需要预测它在人体内（在这种情况下，我们的疼痛感受器）将如何物理上与蛋白质相互作用并影响它们。要做到这一点，研究人员需要了解该分子和这些蛋白质的三维结构。分子基于他们物理、结构和化学性质的大量二维数据。

“即使借助当前的计算方法，将我们需要用于预测分析的数据结合起来也是非常复杂和耗时的，”程博士解释说。“人工智能可以迅速利用从成像、进化和化学实验中获得的化合物和蛋白质数据，预测哪些化合物最有可能以正确的方式影响我们的痛觉受体。”

研究团队开发的工具名为LISA-CPI（基于配体图像和受体三维（3D）结构的预测化合物-蛋白质相互作用的框架），使用了一种形式的人工智能称为深度学习以预测：

• 如果一个分子可以与特定的疼痛受体结合

• 分子在受体上的物理附着位置

• 分子会以多强的程度附着在该受体上

• 结合分子到受体是否会开启或关闭信号效应

研究团队使用LISA-CPI预测了369种肠道微生物代谢物和2,308种FDA批准的药物与13种与疼痛相关的受体相互作用的情况。该人工智能框架识别出几种可以重新定位用于治疗疼痛的化合物。目前正在实验室中进行验证这些化合物的研究。

“此算法的预测可以减少研究人员必须克服的实验负担，以便甚至能够提出候选药物名单进行进一步测试，”杨博士说。“我们可以使用这个工具来测试更多的药物、代谢物、GPCRs和其他受体，以寻找治疗包括阿尔茨海默病在内的多种疾病的疗法。”

程博士补充说，这只是团队与IBM合作开发小分子基础模型的一个例子。药物开发包括本研究中的药物再定位和一个正在进行的新药发现项目。

他说：“我们认为这些基础模型将为快速开发治疗多种棘手的人类健康问题的药物提供强大的人工智能技术。”