找寻疗法
2018 年 11 月,美国食品药品监督管理局批准了由 Array BioPharma 发现、Loxo Oncology 开发的药物 Vitrakvi。 Vitrakvi 用于治疗患有神经营养因子受体酪氨酸激酶 (NTRK) 基因融合的实体肿瘤患者。 这是第一种被批准用于根据其遗传特征而不是肿瘤位置来治疗病人的小分子抗癌药物。 Vitrakvi 非常重要,因为它源于最近才被探索的新化学领域。
Vitrakvi是一个药物科学家如何通过检索之前未探索到的领域来推动化学发展而发现新药的很好例子。 如今,许多研究人员正通过对化学知识更系统的探索来寻找新药。 新技术和方法使药物发现更具活力、节省时间和资源,并使新的药物能够更快投入市场。
探索广阔的化学空间
CAS REGISTRYSM(物质数据库)的分析显示,随着制药公司竞相在广阔化学宇宙的未知领域发现新药物,创新的步伐正在加快。
CAS REGISTRY(收录所有已知和所研究化学物质的合集)在过去十年里体量翻了一倍多,目前拥有大约1.5亿独特物质。 然而,据估计,在整个化学宇宙里,共有 1060 种具备类药物特征的可能分子组合。 如此庞大的数字可能让我们难以理解。 做个对比,已知宇宙中的恒星数量约为 1024 颗。
现实就是,我们所了解的只是整个化学宇宙中的一小部分。 这个巨大的空间尚需探索,对于为世界上最有挑战性的疾病寻找治疗方法的人而言,这就意味着巨大的机会。 但问题在于:我们如何在整个浩瀚的化学空间里探索以找到这些治疗方法?
人工智能为药物发现带来变革的潜力
制药行业的商业领袖已经意识到人工智能 (AI) 对于进一步促进药物发现的变革性力量。 领先的公司已经开始使用人工智能应用探索化学空间遥远的边界,研究数亿种虚拟化合物,以便找到潜在的候选药物用于开发。 在未来,预计这将是药物发现过程的标准部分。
但是,人工智能的开发和发展并非没有挑战。
有效数据是促进人工智能成功的关键
目前,数据科学家将他们 80% 的时间用于寻找和清理数据以训练算法,而不是建立模型本身。 他们面临的一个问题是找到有效且相关的数据集来训练他们的人工智能和机器学习算法。 现在有大量可用的原始数据,但需要对其进行细化、翻译、结构化和标引以便可用。
这就凸显出人工智能非人工智能部分的重要性。 即人的因素。 人工智能系统与人类协同工作可以完成比任何一个单独的系统都要多的任务。 研究人员使用他们的认知能力提供有效且相关的数据和反馈,而人工智能则以比人类更快的速度实现重复性、战略性功能。 人工智能能够通过快速审查海量的数据,确定模式和异常,为研究人员提供信息,而这些信息如果没有人工智能可能永远也无法获得。
CAS 分子描述符加速研究
美国化学文摘社 (CAS) 开发了一种正在申请专利的方法,该方法使用专有的分子描述符以及各种AI技术来预测分子的生物活性。 首先,通览感兴趣的靶点相互作用的所有已知分子。 然后对这些分子进行解构,以准确识别哪些部分或片段是不同活性分子所共有的。 最后,在整个化学宇宙中寻找包含这些成分的虚拟化合物,以确定最有可能具备所需生物活性的分子。
该方法大大减少了需要在实验室中合成和分析来鉴定新候选药物的化合物的数量。
CAS描述符能够比其他常用的分子指纹更准确地提供给定分子的某些结构特征的抽象表示。 一系列验证测试的结果显示,与利用 Morgan 指纹的常见机器学习算法相比,CAS 描述符的准确性提高了 45%。
拥有自身人工智能平台的大型制药公司可以得益于利用CAS分子描述符,从而获得更准确和详细的结果。 人工智能能力有限的小型公司可以利用 CAS 所提供的数据、技术和专业知识增强其发现过程。 其目标在于通过突出化学宇宙中的特定领域,以显示最具潜力的兴趣靶点,来提高研究效率和研发投资回报。
100多年以来,CAS科学家致力于收集、标引来自全球专利、期刊和其他科学出版物中的信息,形成了强大的化学信息合集。 CAS积累的经验和持续专注投入为我们提供了独特的专业知识和人才库,包括数百名科学家和技术专家,他们非常擅长支持该领域的工作。 请联系我们讨论与CAS合作可以如何为您提供您所需的数据、技术或专业知识,从而加速您的药物发现过程。