作为ChatGPT和谷歌Gemini等热门工具背后的技术,基于大语言模型(LLM)的生成式AI正在彻底改变各个行业,药物发现领域当然也不例外。通过运用AI之力以解码并操纵生物及化学语言,制药企业如今可以更快、更加经济高效地开发新药。在本文中,我们将一同了解生成式AI如何改变药物发现、加速开发过程并降低研发成本。
从传统角度讲,生成式AI的主要作用在于生成人类语言。但除此之外,其潜力早已跨过这条连坐,涵盖了复杂的生物和化学语言。举例来说,人类DNA可以看作是一条由30亿个字母组成的序列,这就形成了一种独特的语言。同样的,作为生命基石的蛋白质也拥有自己的字母表,也就是20种氨基酸。这些化学物质均可使用简化分子线性输入规范(SMILES)来定义其结构。
生成式AI技术能够解释这些语言,帮助发现并开发出新的药物疗法。通过将大模型类型的方法应用于这些生物和化学语言,AI模型能够发现以往无法观察到的见解,加快药物发现过程并显著降低成本。鉴于新药疗法的失败率很高——一般只有10%的药物能够顺利通过临床试验——任何有助于提高效率和降低时间和成本的技术,都将为整个产业贡献巨大价值。
生成式AI可以应用于药物发现的各个阶段:
1. 目标识别:第一阶段是识别待治疗的疾病或症状。生成式AI可以分析基因组数据,从而了解导致疾病或其他潜在生物过程的基因。这将有助于确定新药开发的确切目标。
2. 线索生成:第二阶段是生成潜在线索,也就是针对已识别疾病的化学物质或蛋白质。但由于可能的化学物质(超过10^60种)与蛋白质(超过10^160种)数量极多,因此导致这项任务颇为艰难。生成式AI技术能够筛选其中的可能性,并生成具有所需特性的新型化合物,从而产生大量可供探索的线索。
3. 优化:在第三阶段,需要对潜在候选药物进行功效测试。生成式AI可以协助这一大规模筛选过程。例如,英伟达与Recursion Pharmaceuticals的合作就表现出在一周之内,对超过2.8千万亿种小分子靶标对进行筛选的能力。如果用传统方法处理,这项任务需要10万年才能完成。
生成式AI将使制药公司以前所未有的规模、速度和准确性探索潜在新药,大大加快临床试验的进展。
目前有多家公司在运用生成式AI进行药物发现方面处于领先地位。一个著名案例就是Insilico Medicine,他们利用AI开发出一种治疗特发性肺纤维化的药物,这是一种会导致肺功能逐渐衰退的罕见疾病。传统上,整个研发过程需要六年时间,耗资超过4亿美元。但借助生成式AI,Insilico将成本降低至十分之一,并把研发周期缩短到了两年半。
Insilico将AI方案应用在临床前药物发现流程中的各个阶段,包括识别目标分子、生成新型候选药物以及预测临床试验结果。他们还成功开发出一种对所有变体均有疗效的AI生成COVID-19药物,并启动了30多个针对各类疾病(包括癌症)的其他项目。
生成式AI对药物发现具有变革性的影响,有望以极低的成本快速治愈多种疾病。凭借AI解码复杂生物与化学语言的能力,我们也许可以期待未来新药的开发流程将更快、更高效也更成功。生成式AI代表的不只是一项技术进步,更将颠覆整个医疗保健行业,在为全球患者带来更佳诊疗效果的同时,为未来药物的开发探明前所未有的道路。
好文章,需要你的鼓励
人们不仅在年轻和上学时学习,他们在整个成年生活中都在学习新的技能——在工作中、培养爱好、学习新语言、或者追求工作和业务驱动型学习的需求。从这个角度来看,学习和教育与其他任何活动一样,都是一项基本的日常活动。毫无疑问,AI对教育的影响,正在对我们的日常生活带来深远的影响。
思科希望通过这次更新在热切拥抱AI功能的联络中心行业中占据领先地位。几乎每个联络中心软件提供商都在提供某种AI驱动的聊天机器人,以处理基本的客户查询,然后将更困难的查询交给人工代理。
施耐德电气中国软件研发中心AI创新负责人张毅与阿里云智能集团公共云华北大区解决方案总经理陈立伟、意言科技联合创始人兼COO王以宁、施耐德电气博利德自动化系统(上海)有限公司总经理王冬梅,最近也展开了一场关于AI如何推动快消品企业在市场营销、供应链管理、产品研发与创新以及客户服务等领域实现智能化转型的深入探讨。