盖蒂图片社
人工智能正在发明针对帕金森病、耐抗生素超级细菌和许多罕见疾病的新药，这是许多科学家做梦也想不到的进步。
大约半个世纪以来，人类在与细菌的斗争中逐渐失败。随着耐药性的蔓延，我们在这场斗争中拥有的最强大的武器——抗生素——变得越来越无效。现在每年约有 110 万人死于直到最近才很容易治疗的感染。预计死亡人数将上升至到 2050 年将达到 800 万除非采取紧急行动。
开发新抗生素是一个极其缓慢且昂贵的过程。2017 年至 2022 年间，仅12种新抗生素获批使用，其中大多数与细菌已经产生耐药性的现有药物类型相似。该领域已长期被忽视由于制药公司缺乏兴趣且资金不足。
但现在研究人员正在寻求缩小差距，有些人押注人工智能可以帮助他们做到这一点。
美国剑桥麻省理工学院医学工程与科学教授詹姆斯·柯林斯 (James Collins) 表示，“我们可以在几天或几小时内查看大量化合物库”，以识别那些具有抗菌活性的化合物。在人工智能的帮助下，柯林斯和他的团队已经发现两种新化合物这可能成为对抗高度耐药性淋病和耐甲氧西林金黄色葡萄球菌感染的重要武器。
这只是人工智能如何开启药物发现新时代的一个例子——有望在我们这个时代一些最棘手的医学问题上取得进展。科学家们现在将人工智能用于治疗帕金森病等无法治愈的疾病数千种罕见疾病，期盼新的突破。
柯林斯和他的团队训练了一个生成人工智能模型来识别已知抗生素的化学结构。这使得算法能够了解如何杀死细菌。研究人员随后使用人工智能筛选超过 4500 万种不同的化学结构因为他们有能力瞄准淋病奈瑟菌，引起淋病的细菌，以及金黄色葡萄球菌，MRSA 形式的重要感染源。
柯林斯实验室/麻省理工学院
这两种细菌都具有高度耐药性——就淋病而言，它是能够逃避几乎所有的药物用来治疗它。现在，可供对抗每种疾病的抗生素（最后手段）的数量正在减少。
柯林斯的方法使用人工智能来创建全新的化合物来针对这些错误。在一种方法中，他选择了一个分子作为起点，并结合使用生成式人工智能技术来构建它，“添加键、原子、子结构”，他说。在每个关键阶段，该化合物都会由他训练有素的人工智能模型进行评分：“这看起来像抗生素吗？它是否更接近潜在的抗生素？”另一种方法涉及放弃起始化合物并让人工智能从一开始就自由发挥。
柯林斯和他的同事以这种方式设计了 3600 万种化合物，这些化合物具有对抗细菌的潜力。该团队选择了 24 种在实验室进行合成。七种被证明具有一定的抗菌活性，其中两种能够非常有效地杀死对其他类型抗生素产生耐药性的两种细菌菌株。
重要的是，这些化合物似乎以与现有抗生素不同的方式靶向细菌，这让人们希望它们能够形成一类能够克服耐药细菌防御的新型药物。两名候选人目前正在接受进一步测试。
柯林斯和他的实验室此前曾使用人工智能发现其他强大的新型抗生素化合物，这些化合物可以杀死多种对治疗有抗药性的细菌，包括艰难梭菌，一种常见的肠道感染，以及结核分枝杆菌，这会导致结核病。
然而，对于某些疾病，研究人员无法利用现有药物来帮助他们找到新的治疗方法。相反，他们需要从对该疾病本身的了解开始。然而，在某些情况下，即使这样，他们也没有什么继续下去的机会。
帕金森病的进展�
帕金森病于 1817 年首次被发现，但两个多世纪后，仍然没有任何治疗方法可以减缓疾病的进展。有超过1000万帕金森病患者遍布世界各地，而且在人口老龄化的国家，发病率正在上升。关于37 人中就有 1 人在英国，他们会在生命中的某个时刻被诊断出来。在美国，多达一百万人目前患有这种疾病。
治疗帕金森氏症的长期努力屡屡失败。部分问题是我们仍然不知道导致这种疾病的原因。
英国剑桥大学错误折叠疾病中心联合主任、生物物理学教授米歇尔·文德鲁斯科洛 (Michele Vendruscolo) 表示：“关于这种疾病的起源，存在着无休止的争论。”“如果你去参加帕金森病会议，你会听到数十种不同的假设，这些假设都得到了积极的研究。”
Vendruscolo 希望有一天，人工智能能够帮助阻止帕金森病的发作
这使得靶向药物来预防这种疾病变得异常困难。
Vendruscolo 表示，已经进行了大量临床试验来调查不同的假设，但迄今为止，这些试验都没有成功。“人们真的对目标应该是什么感到困惑，”他说。“即使你知道目标，通常也很难追赶它。”
但在 2024 年，Vendruscolo 和他的同事发表了一项研究，他们使用机器学习（人工智能的一种形式）来寻找潜在的候选药物能够针对帕金森病患者大脑中出现的错误折叠蛋白质团块。被称为路易体的蛋白质聚集被认为在帕金森病患者神经退行性变的初始阶段发挥着作用，最终导致包括震颤、运动缓慢和肌肉僵硬等症状。
目前，帕金森病最有效的治疗方法是 Ledovopa，这种药物有助于改善疾病症状，但也会引起不自主运动等副作用。
Vendruscolo 专注于阻止疾病本身的进展。他和他的团队从一组已被确定对治疗路易体具有潜在功效的化合物开始。他将这些输入到机器学习程序中，该程序根据它们的化学结构推断出可能也有效的新化合物。
盖蒂图片社
为了治疗帕金森氏症等神经退行性疾病，药物需要足够小，以便能够穿过血脑屏障。但即使科学家将他们的药物搜寻限制在小分子上，“你仍然有大量的选择”，Vendruscolo 说。“可能的小分子数量远远大于宇宙中原子的数量。”
人工智能的强大之处在于它可以非常快速地缩小搜索范围。
Vendruscolo 说：“我们可以分析这些数据，并对候选分子与靶标的结合方式做出非常准确的预测，其规模在几年前还是不可想象的。”通过更传统的方法，科学家可以在六个月内筛选大约一百万个分子，成本为数百万英镑。“现在，你可以在几天内做同样的事情，但是屏幕数十亿分子，花费几千英镑。”
Vendruscolo 的人工智能建议的化合物随后在实验室进行了测试。“我们测量了哪些候选者实际上与路易体结合，并将这些信息反馈到机器学习程序中，这样它就可以从自己的错误中学习，”他说。
他们最终比传统方法更快、更有效地识别出五种有前途的新化合物。Vendruscolo 表示，人工智能识别出的化合物也比使用更传统的药物开发方法发现的化合物新颖得多。他们现在正在接受进一步的测试，以评估他们是否有一天可以作为帕金森氏症患者的治疗方法。
Vendruscolo 希望有一天，人工智能能够帮助阻止帕金森病的发生。他现在正在利用这项技术寻找小分子，这些小分子可以与形成路易体的单个蛋白质结合，同时仍处于正常状态。
“如果我们能够通过与蛋白质结合来稳定这种形式的蛋白质，我们就可以预防帕金森病——这比治愈它更好。”
老药新用途
治疗疾病并不总是意味着新药。美国宾夕法尼亚大学医学副教授 David Fajgenbaum 成功地拯救自己的生命医生永远不会给他开一种现有的药物。25 岁时，法伊根鲍姆还在医学院就读，被诊断出患有一种名为卡斯尔曼病的罕见疾病亚型，这种疾病引发了免疫系统反应，导致他的肝脏、肾脏和骨髓受损。发生故障。他对任何可用的治疗方法都没有反应，医生告诉他他们不知所措。
经过几周对自己的血液进行测试，梳理医学文献并将自己当作人类豚鼠，他最终找到了一种潜在的药膏：一种名为西罗莫司的不起眼的药物。它通常用于肾脏捐赠接受者，以防止新器官出现排斥反应。令他的医生感到困惑的是，他用这种药物治愈了卡斯尔曼病。现在它已经缓解了十多年。
M斯科特·布劳尔
他的经历让他看到了数千种药物的潜力，这些药物已经通过了上市所需的广泛安全测试。通过重新利用这些药物来治疗其他疾病，患者可以获得原本无法获得的治疗。
2022 年，Fajgenbaum 成立了一家名为 Every Cure 的非营利组织，利用机器学习来比较数千种药物和数千种疾病。最有希望的是在实验室进行测试或发送给愿意进行实验的医生。
但尽管费根鲍姆最杰出的科学家为了以这种方式利用人工智能，其他人已经取得了突破。在哈佛医学院，人工智能模型发现了近 8,000 种已获批准的药物，这些药物有可能被重新用于治疗 17,000 种不同的疾病. . .
事实证明，人工智能在以下方面特别有用：寻找罕见疾病的治疗方法由于潜在患者太少而缺乏经济激励，这些问题经常被制药公司忽视。
重新利用现有药物提供了另一个机会。近年来，人工智能已经发现了重新利用现有治疗方法的潜力，包括罕见的染色体疾病皮特霍普金斯综合症, 罕见的炎症性疾病结节病和一种罕见的肾癌影响幼儿的肾母细胞瘤。
加拿大魁北克省蒙特利尔麦吉尔大学的研究人员最近使用人工智能重新利用治疗特发性肺纤维化（IPF）的药物，这是一种罕见的进行性肺部疾病，其特征是肺组织疤痕形成和增厚。他们的方法涉及使用人工智能模型对疾病的进展进行建模。
我相信，未来五到十年，大部分新药研发都可以由AI指导 – 丁俊
“大多数复杂的疾病都是由异常的细胞状态变化引起的，”研究人员之一、麦吉尔大学医学系助理教授丁军说。“如果我们能弄清楚细胞是如何从健康变成异常的，也许我们可以逆转它，或者减慢它的速度。”
首先，研究人员从健康参与者和疾病进展不同阶段的患者身上提取肺细胞，利用高分辨率 DNA 测序生成大量数据。这使他们能够看到细胞在疾病过程中如何变化。然后，他们建立了一个生成人工智能模型来模拟这一过程，绘制出疾病进展时各种细胞状态和群体的转变。在此过程中，它还将突出显示可用于诊断疾病和潜在治疗靶点的任何生物标志物。
更多类似这样的：
“我们称之为虚拟疾病系统，”丁说。传统上，药物是在动物或分离的人体细胞上进行测试的。他们希望对人工智能应用相同的范式——本质上是模拟 IPF 对虚拟细胞的影响。“研究人员可以在模型中测试应用不同药物的影响，而无需花费太多成本，”丁说。
在麦吉尔的研究中，人工智能提出了八种 IPF 候选治疗方案。一种有前途的候选药物是一种通常用于治疗高血压的药物，它提供了一种已被证明安全的低成本选择。
丁说，他和他的同事开发的人工智能也可以用于其他疾病，包括癌症和肺部疾病。他的团队正在继续改进模型并使其在不同条件下多样化。
智能革命
本文是该文章的一部分智能革命，一系列探索人类正在进入的智能新时代，人工智能正在扩大我们大脑的极限，让不可能变为可能。
由于人工智能，IPF 最近取得了另一项突破。Insilico Medicine 是一家人工智能药物发现公司，它生产了一种名为 Rentosertib 的候选药物。在 二期临床试验，它已显示出对抗 IPF 的希望。该公司利用人工智能来识别该疾病的潜在弱点，并设计一种可以针对该弱点的药物。它希望如果试验成功，该药物可以在本世纪末上市。
Insilico Medicine 并不孤单。Terray、Isomorphic Labs、Recursion Pharmaceuticals 和 Schrödinger 等其他公司也在利用人工智能追求医疗进步。
“我的信念是，在未来五到十年内，大多数新药开发都可以由人工智能指导，甚至完全基于人工智能，”丁说。
有限的革命
但尽管人工智能带来了进步，但仍存在局限性。许多药物数据集由生物技术和制药公司持有，这意味着它们不公开。“你必须获得有关药物特性的数据，例如吸收、分布、排泄、毒性，”柯林斯说。“我们没有这些数据集。”
目前，人工智能在药物开发过程的初始筛选部分最有用：目标识别和寻找与目标结合的分子。这些只是开发新药的漫长过程中的两个步骤，这意味着这些潜在的治疗方法（如果有的话）可能需要一段时间才能到达患者手中。
Vendruscolo 表示：“人工智能正在彻底改变药物发现。但只是以非常特定的方式。”
--
要获得有关健康和福祉的可信见解，请注册� 健康修复通讯作者：资深健康记者梅丽莎·霍根布姆 (Melissa Hogenboom)，她也是� 活得更长久和� 平静的六个步骤课程。� 有关 BBC 的更多科学、技术、环境和健康故事，请关注我们