人工智能整合重塑生物药物研发

人工智能正在通过压缩传统上与药物研发相关的漫长时间线，改变着制药行业。虽然开发生物药物（源自工程蛋白质的疗法）在历史上一直是一项成本高昂且容易失败的工作，但机器学习模型现在正被用于探索潜在分子组合的广阔领域。

阿斯利康（AstraZeneca）是正在将这些计算工具整合到其研发基础设施中的公司之一。据阿斯利康生物制剂工程与肿瘤靶向发现研发高级副总裁兼负责人Puja Sapra称，该公司采用了一种“构建-测量-学习”的循环。在此过程中，人工智能模型会对候选分子进行优先排序，使科学家能够将实验室资源集中在最有可能成功的方案上。这种方法旨在减少死胡同，并使研究人员能够追求以前被认为无法治疗的疾病靶点。

除了加速现有的工作流程外，人工智能还在促进创建更复杂的、多特异性的生物制剂，这些制剂可以打击多种疾病通路或将有效载荷递送到特定细胞。为了支持这些进展，阿斯利康正在马萨诸塞州剑桥市开发一个“未来实验室”。该设施旨在作为一个闭环系统运行，其中人工智能预测、机器人实验和自动化数据生成直接反馈回模型，以完善未来的迭代。

该领域许多人的最终目标是“从头”设计，即人工智能从零开始生成全新的蛋白质序列。实现这一目标需要高质量、标准化的训练数据和强大的安全性预测能力。为了解决安全性问题，研究人员正在利用虚拟临床试验，将先进的细胞系统和微型器官模型与人工智能相结合，在潜在分子进入人体测试之前对其进行评估。

尽管向自主的、代理式人工智能系统转变，但人类的监督仍然是该过程的一个关键组成部分。科学家们继续提供确保人工智能驱动的输出可解释且符合伦理所需的战略指导和判断。随着工程团队致力于构建充当“思维伙伴”的系统，机器学习专家与生物学家之间的合作预计仍将是下一代疗法开发的核心。

来源：麻省理工科技评论