模拟化学：新的人工智能平台设计明日癌症药物

美国加州大学圣地亚哥分校的科学家们开发了一种机器学习算法，用于模拟药物发现早期阶段涉及的耗时化学过程，这可能会显著简化该过程并为以往未曾见过的治疗方法打开大门。他们使用新工具合成了32种癌症药物候选药物，并在Nature Communications上描述了这一新技术。POLYGON平台能够识别具有多个靶点的分子，而现有的药物发现协议目前通常重视单一靶点疗法。由于多个靶点药物潜在的提供与联合疗法相同的益处，但副作用较少，因此这些多靶点药物对医生和科学家来说非常重要。

研究人员将POLYGON训练在一个包含了超过一百万已知生物活性分子的数据库上。通过从数据库中找到的模式进行学习，POLYGON能够为可能具有特定属性的新候选药物生成原始化学公式，比如抑制特定蛋白质的能力。他们使用POLYGON生成了数百种针对不同癌症相关蛋白对的候选药物。其中，他们合成了32种预测与MEK1和mTOR蛋白最强烈相互作用的分子，这是一对细胞信号蛋白，是癌症联合疗法的一个有前途的靶点。这两种蛋白被科学家称为“合成致死”，这意味着同时抑制它们足以杀死癌细胞，即使仅抑制其中一个也不行。

尽管研究人员认为AI在药物发现方面的可能性只是开始被探索，但他们对AI在药物发现领域的可能性持乐观态度。