Nature Biotechnology新技术：仅用21天设计构建全新分子

　　传统的药物发现从高通量筛选开始，需测试数千种小分子，仅得到少量的先导化合物，其中仅有十分之一能通过临床试验。

　　

实验证实AI能有效加速药物发现进程

重点：

1.传统的药物发现从高通量筛选开始，需测试数千种小分子，仅得到少量的先导化合物，其中仅有十分之一能通过临床试验。

2.生成对抗网络（GAN）是AI想象力（AI imagination）的一种形式，通常用于生成具有特定性质的图像。

3.2016年，英科智能团队发布极具开创性的论文，开始了对GAN用于产生具有特定性质的全新分子结构的探索。

4.三年多来，为大幅加速和完善药物发现过程，全世界的科学家们不断拓宽GAN和其他机器学习技术的理论基础。

5.《深度学习能够快速识别强效DDR1激酶抑制剂》论文发表于《自然生物技术》，是生成强化学习（generative reinforcement learning）技术首次用于生成靶向蛋白质的全新小分子。仅在46天内，这些分子的活性在体外和体内试验中分别得到验证。

6. 英科智能的科学家与全球最大的开放研究平台药明康德、量子计算及AI在化学领域的应用方面的权威人物Alán Aspuru-Guzik合作。

2019年X月X日于香港 – 英科智能是一家人工智能企业，在AI用于药物发现领域属全球领先。今天，英科智能在《自然生物技术》上发表论文《深度学习能够快速识别强效DDR1激酶抑制剂》。论文介绍了名为生成性张量强化学习（GENTRL）的新AI系统。DDR1是一种与纤维化及其他疾病有关的激酶靶标，而该AI系统仅在21天内就设计出六种全新DDR1抑制剂,其中四种通过生化检测证实具有活性，2种通过细胞测定证实具有活性，实验人员在小鼠模型中测试了其中一种先导化合物，证明其具备良好的药物代谢动力学性质。

新药上市主要有两个阶段：药物发现，即药物识别的过程；药物测试，即在临床前阶段以及人类临床试验中测试药物的过程。

传统的药物发现从高通量筛选开始，需测试数千种小分子，得到少量的先导化合物，但这些分子中仅有十分之一能通过临床试验。因此，任何加速药物发现、提高新药研发成功率的成果，都能显著削减成本、造福公众。

本论文的作者是生成化学领域的领军人物，曾在2016年发表极具开创性的论文。GENTRL系统能够生成具生物活性的分子，可谓是药物发现领域中极具价值的重大突破，指向了AI主导的更高效的药物发现途径，也指向了药物发现领域的未来。

英科智能目前正在开发一种综合药物发现管道，利用AI生成具有特定性质的全新分子。这些分子针对不同靶点，或针对一些很有挑战性的标靶（有或无晶体结构），从而快速“命中”有潜力的先导化合物。 药物发现管道旨在以活性小分子为探针,迅速验证潜在药物靶点, 让快速的药物发现成为可能。

已确认可引用的KOL评价

“这篇论文带来的进步真是震撼人心， 以最先进的强化学习技术为基础，有解决药物设计过程中的其他问题的潜力。研究涵盖了分子建模、亲和力测定和动物研究，其涉及范围之广给我留下很深的印象。”斯坦福大学结构生物学教授Michael Levitt博士说。 Levitt博士于2013年获得诺贝尔化学奖。

“我曾与许多AI创企交流互动，但英科智能作为深度学习企业，在结合目标识别和小分子发现方面做得如此出色，太令人印象深刻了。英科智能创业伊始就做了大量GAN的理论工作，而本次分子活性通过实验验证，证明这项技术的确能改善、加速药物发现。” John Baldoni博士。Baldoni博士是一家处于“隐身模式”的AI药物开发企业的首席技术官，GSK平台技术与科学的前任高级副总裁。

“论文中的生成性张量强化学习大大提高了药物发现中生化检测的效率。 虽然还需进一步对GENTRL进行大规模实验，但实验结果标志着医药AI在工业层面的突破，或许能对社会和经济造成重大影响。” 创新工场董事长兼CEO李开复博士说。 李开复博士曾在微软和谷歌担任高管，他也是多种AI技术的原创发明人。

“在我们1990年的对抗性和生成性神经网络早期研究基础之上，这项技术有所拓展。自2015年以来，英科智能一直致力开发药物发现的生成模型。看到他们的GENTRL系统生成的分子在细胞和小鼠模型证实具有活性，我为他们感到欢喜。 AI将推动制药行业的转型，我们需要更多通过实验验证的成果，来加速制药行业发展。” NNAISENSE联合创始人、IDSIA的教授Jürgen Schmidhuber博士说。Schmidhuber博士是AI领域许多核心技术的原创发明人。

“人类历史上最伟大的生物技术革命就在我们眼前。 AI、基因组测序、大数据和接近无限的计算，这四者将是我们解开疾病和衰老的秘密大门的钥匙。 制药行业是全球效率最低的行业之一，但技术主导的企业可能带来颠覆整个行业。 英科智能就是典型的指数型组织。《自然生物技术》期刊上的这篇论文证实，使用AI可以显著缩短小分子设计耗时，大大提高效率，为快速验证新靶点识别方法及其他技术铺平了道路，“奇点大学执行董事长Peter H. Diamandis医生说。

“缩短周期时间、降低商品总成本，这两者对药物发现的未来至关重要。 在本论文中，英科智能突出了一种基于AI的新技术（GAN-RL），能在极短的时间内识别出动物模型中有活性的先导化合物。 如果这门技术扩大应用范围后仍有效，则有潜力改变未来先导化合物的发现途径。“，高点大学药剂学院兼职教授，艾伯维公司发现化学与技术副总裁Stevan Djuric博士说。

“在提升医疗服务、开发全新医疗工具方面，AI的作用常有夸大其词的嫌疑。然而，这篇发表在《自然生物技术》上的论文，《深度学习能够快速鉴定有效的DDR1激酶抑制剂》，却让人眼前一亮。论文描述了AI在药物发现中的应用，研究成果不可小觑。论文提出了一种有待测试的新药，并在极短的时间完成了临床试验。论文的重要性体现在两方面：药物化学家人数很有限，而AI却实现药物化学家的职能。测试速度大幅提高，则专利持有的时间也得以延长，提高了药物开发的经济性。如果这种技术可以推广，它可能在制药行业普及。“波士顿大学教授，Retrotope公司的联合创始人、美国能源部人类基因组计划前首席科学家Charles Cantor博士说。

“在基于AI的药物发现的探索过程中，这篇论文是我们重要的里程碑。从2015年开始，我们就一直投入生成化学研究，英科智能和Alán在2016年发表论文、建立理论框架时，大家都非常怀疑。 而现在，这项技术逐渐成为主流。这些模型是几年前开发的，生成了一些针对较简单标靶的分子。而今，这些分子在动物实验中通过验证，我们欣喜万分。 整合到全面的药物发现管道中后，这些模型对许多靶点类别都适用。我们与先进的生物技术公司合作，不断拓宽生成化学和生成生物学的前沿。”论文的主要作者、英科智能创始人及首席执行官Alex Zhavoronkov博士说。

原文链接：

https://www.nature.com/articles/s41587-019-0224-x