原问题:人工智能在医(药)学有哪些应用?
链接:/question/379546481/answer/1079587731
说一点药学里我见到过的。人工智能对制药上游的革命已经发生了,而且有成为一种标准研发流程的趋势(基本上国际制药巨头都在搞),但对下游的生产、工程设计,目前还不清晰。总体上跟搞生物信息学的有很高的重合度。
最能体现AI在药学的应用的是化学药的研发上,生物药的研发中的AI应用根据产品不同非常个性化,难以总结,可以参考生物信息学的研究热点。化学药中AI主要用于发现药物靶点,药物筛选、结构优化,合成分析:
发现药物靶点,AI可以用来从海量的文献中搜索潜在的靶点信息,对比不同靶点的潜力,有点像自然语言处理。药物筛选和结构优化,需要针对靶点,去找评估不同候选分子与靶点的相互作用能力,筛选出、优化出适合的分子。AI可以综合利用各种现有信息去评估,像蛋白质结构、计算化学信息、构效关系数据等预测相互作用。选定了候选药物,需要确定合成路线。传统方法是逆合成分析,现在AI可以非常快地预测出跟药物化学家媲美的合成路线。其他化学药相关的AI应用,我见过老药新用筛选(这次新冠疫情就用到)、更快速的临床试验、疾病诊断标志物等。
在美国和加拿大可以看到很多初创企业,就是搞上面的;基本上国际制药巨头都在搞。确定合成路线,自动化合成,短期看还是个toy,长远看会影响少部分人的生计。不但会影响制药,可能还将影响整个化工产业,尤其影响搞化工工艺;但对化工工程的影响,暂时不清晰,安全性、缺数据这些老问题依然存在。但我相信现有的各种物质的工艺路线不一定是最优路线、最优反应条件,可能会被人工智能和自动合成设备优化。
贴几条新闻:
合成规划与全自动流动合成。
制药巨头默克,就在中国搞了第一届人工智能合成规划的比赛比赛。
药品生产方面
我还知道,一些制药巨头对提高单抗这些的产量很感兴趣,试图尝试各种生产过程的建模的方法去提高产量。因为生物反应过程是,高度非线性,有明显时变特性的过程,传统非结构化模型(unstructured models)用于优化和控制的能力有限;目前文献里报道的模型中,就包括机器学习类的模型。
另外一个比较比较有意义的,也实实在在在用的,是利用各种过人工智能,综合各种过程分析技术(气相色谱、质谱,核磁共振谱、近红外光谱、紫外可见光谱、拉曼光谱、荧光光谱法),去优化、监控制药生产过程,从生物、化学反应过程,到分离过程、制剂过程都有用,符合QbD理念。这个某种程度上说就是某种软测量,但由于制药过程的特点是成分非常复杂,操作点随时间变化,所以才考虑AI。软测量传统化工一直就有,基于AI的软测量有多大影响,目前还看不出来。
附:
运用人工智能来研发药物的企业,可以看到在国际制药巨头中已经非常普遍。我国的差距依然十分巨大:
AbbVie,Almirall,Amgen,Astellas,AstraZeneca,BASF(化工巨头),Bayer,Boehringer Ingelheim,BMS,CJ Healthcare,Celgene,Daewoong Pharmaceutical,Eisai,Eli Lilly,Evotec,GSK,Genentech,Gilead,Ionis Pharmaceuticals,Ipsen,Janssen,Lundbeck,Merck KGaA,Merck and Co.,Mitsubishi Tanabe Pharma,Nestlé,Novartis,Novo Nordisk,Ono Pharmaceuticals,Pfizer,Procter & Gamble,Roche,SK Biopharmaceuticals,Sanofi,Santen,Servier,Sumitomo Dainippon Pharma,Sunovion,Takeda,Wave Life Sciences,WuXi AppTec(药明康德),Yuhan Corp.,Zambon Pharma。
下面的链接是全球221家人工智能药物研发初创企业列表。这221家企业涉及到的应用范围,远超过我上面提到的,还包括临床前、临床实验的优化的应用。
/startups-using-artificial-intelligence-in-drug-discovery#design_drugs
参考资料
/pharma-companies-using-artificial-intelligence-in-drug-discovery