人工智能将帕金森病药物设计速度提高十倍

研究人员利用人工智能技术大幅加速了寻找帕金森病治疗方法的过程。剑桥大学的研究人员设计并使用了一种基于AI的策略，以识别阻止帕金森病特征蛋白α-突触核蛋白聚集或凝集的化合物。

他们利用机器学习技术快速筛选了一个包含数百万条目的化学库，并鉴定出五种高效的化合物进行进一步研究。这项研究结果发表在《自然化学生物学》杂志上。

目前全球有超过600万人患有帕金森病，预计到2040年这一数字将增至三倍。对这种疾病的治疗没有疾病修饰性的药物可用。而筛选大型化学库以寻找药物候选物的过程耗时费事，且通常是不成功的。

使用机器学习，研究人员能够将初始筛选过程加快十倍，成本降低千倍，这意味着帕金森病潜在治疗方法能更快地到达患者手中。

帕金森病是全球增长最快的神经系统疾病之一。英国每37个人中就有一个会在其一生中被诊断为帕金森病。除了运动症状外，帕金森病还可以影响胃肠系统、神经系统、睡眠模式、情绪和认知能力，并可能导致生活质量下降和重度残疾。

帕金森病的发展与蛋白质有关，当人患有帕金森病时，这些蛋白质会变异并导致神经细胞死亡。当蛋白质错误折叠时，它们可以形成称为Lewy小体的异常聚集体，这些聚集体在脑细胞内堆积，妨碍其正常功能。

帕金森病的临床试验目前正在进行，但尚未批准疾病修饰性药物，这反映了直接针对导致疾病的分子物质的能力不足。

剑桥团队开发了一种机器学习方法，该方法对含有数百万化合物的化学库进行筛选，以识别结合淀粉样聚集体并阻止其增殖的小分子。少数排名靠前的化合物随后在实验中进行测试，以选择最有效的聚集抑制剂。

"我们是通过计算来筛选，而不是通过实验," 领导该研究的米歇尔·文德鲁索洛教授表示。“通过使用我们从机器学习模型的初步筛选中得到的知识，我们能够训练模型来识别这些小分子上负责结合的特定区域，然后我们可以重新进行筛选并找到更有效的分子。”

使用这种方法，剑桥团队开发了化合物，以便针对聚集体表面的空腔，这些空腔负责聚集体本身的指数增殖。这些化合物比先前报道的要强数百倍，且开发成本更低。

文德鲁索洛说：“机器学习对药物发现过程产生了真正的影响 — 它加速了识别最有前途的候选物的整个过程。”“对我们来说，这意味着我们可以开始多个药物发现项目 — 而不仅仅是一个。由于时间和成本的大幅减少，这意味着有很多可能性 — 这是一个令人兴奋的时刻。”

该研究在剑桥的健康化学实验室进行，该实验室是在英国研究伙伴投资基金 (UKRPIF) 的支持下建立的，旨在促进学术研究向临床项目的转化。