世界各地的人和制藥公司都越來越受到抗生素抗性細(xì)菌以及迅速發(fā)展的新病原體的挑戰(zhàn)。同時(shí)，新藥的發(fā)現(xiàn)可能是一個(gè)緩慢而昂貴的過程，因?yàn)楣颈仨毚_保其藥物既有效又安全。目前，開發(fā)一種新藥并獲得批準(zhǔn)平均需要10年時(shí)間，且費(fèi)用超過20億美元?，F(xiàn)在，由計(jì)算機(jī)科學(xué)系副教授Supratik Mukhopadhyay和生物科學(xué)系副教授Michal Brylinski領(lǐng)導(dǎo)的跨學(xué)科LSU團(tuán)隊(duì)建議在計(jì)算和技術(shù)中心聯(lián)合使用人工智能（AI ），以嘗試解決這一日益嚴(yán)重的問題。

這個(gè)名為“深層藥物”的研究小組正在利用計(jì)算機(jī)科學(xué)的深度學(xué)習(xí)技術(shù)以及生物學(xué)和化學(xué)領(lǐng)域已知生物活性化合物的大量數(shù)據(jù)集，來教授其名為eSynth的工具，以發(fā)明或確定對特定細(xì)菌有效的化合物。

另一方面是確保所鑒定的化合物是安全的。為此，團(tuán)隊(duì)正在開發(fā)另一個(gè)名為eToxPred的模塊。雖然對治療性化合物進(jìn)行臨床毒理學(xué)測試以確定安全性既耗時(shí)又昂貴，但制藥公司可以使用eToxPred預(yù)測哪些化合物可能引起毒性作用并傷害患者。該團(tuán)隊(duì)還在開發(fā)另一個(gè)名為eDrugRes的基于人工智能的模塊，該模塊可以檢查病原體的蛋白質(zhì)-蛋白質(zhì)相互作用網(wǎng)絡(luò)，以預(yù)測對已知藥物的敏感性和/或耐藥性。

到目前為止，該團(tuán)隊(duì)已經(jīng)使用20408種生物活性化合物對102個(gè)代表許多重要藥物靶標(biāo)的受體蛋白進(jìn)行了eSynth測試。Deep Drug希望eSynth將臨床前藥物發(fā)現(xiàn)和測試的時(shí)間從平均三年減少到6到8個(gè)月。

Michal Brylinski說：“我們正在整合大量的生物學(xué)數(shù)據(jù)，并且數(shù)據(jù)非常復(fù)雜且難以分析，這就是我們需要人工智能的原因。重要的是，我們沒有進(jìn)行任何實(shí)驗(yàn)就可以這樣做。這只是AI告訴我們何時(shí)合成一種新藥。如果某種細(xì)菌具有耐藥性，那么AI可以幫助我們找到另一種可能有效的藥物。唯一的輸入將是病原體的DNA序列，然后AI可以找出殺死它的原因。不用讓很多人接受測試，我們只需使用計(jì)算機(jī)即可?！?/p>

Mukhopadhyay說：“這是一個(gè)嘗試解決月球問題的機(jī)會(huì)，這是一個(gè)非常困難的問題?！?“為此，我們需要一個(gè)跨學(xué)科團(tuán)隊(duì)。當(dāng)我碰巧看到Michal的談話之一時(shí)，我說：“這是我需要的人?！?/p>

Brylinski的專業(yè)知識(shí)是計(jì)算微生物學(xué)和化學(xué)。

他說：“我不足以強(qiáng)調(diào)在這個(gè)項(xiàng)目上合作的價(jià)值?！?“就我個(gè)人而言，如果沒有人工智能，我將永遠(yuǎn)做不到這樣的事情。同時(shí)，為了使用AI，計(jì)算機(jī)科學(xué)家需要與領(lǐng)域科學(xué)家聯(lián)系以解決現(xiàn)實(shí)問題?！?/p>

“這是一個(gè)大型項(xiàng)目，是我們從未做過的事情，” Brylinski繼續(xù)說道?！拔覀冋谡洗罅康纳飻?shù)據(jù)，并且數(shù)據(jù)非常復(fù)雜且難以分析，這就是為什么我們需要人工智能。重要的是，我們無需進(jìn)行任何實(shí)驗(yàn)即可完成此操作;這只是AI告訴我們何時(shí)合成一種新藥。如果某種細(xì)菌具有耐藥性，那么AI可以幫助我們找到另一種可能有效的藥物。唯一的輸入將是病原體的DNA序列，然后AI可以找出殺死它的原因。不用讓很多人接受測試，我們只需使用計(jì)算機(jī)即可?！?/p>

布賴林斯基將團(tuán)隊(duì)將AI用于藥物發(fā)現(xiàn)的技術(shù)與自動(dòng)駕駛汽車工程師的技術(shù)進(jìn)行了比較。

他說：“在汽車中，人工智能從傳感器中獲取大量數(shù)據(jù)，然后必須決定何時(shí)停止或何時(shí)加速?！?“我們正在做非常相似的事情。我們正在從實(shí)驗(yàn)中收集大量數(shù)據(jù)，以訓(xùn)練我們的AI能夠做出正確的決定，是否合成一種藥物以及知道某種藥物是否有效。”

計(jì)算機(jī)科學(xué)研究生Adam Bess正在與Mukhopadhyay和Brylinski合作進(jìn)行Deep Drug項(xiàng)目。他的本科學(xué)位是生物學(xué)和計(jì)算機(jī)科學(xué)，在去年進(jìn)入LSU之前，他在生物信息學(xué)領(lǐng)域工作了幾年。

貝斯說：“我最興奮的是創(chuàng)建一個(gè)工具包和豐富的數(shù)據(jù)集，任何研究人員都可以使用它來深入分析不同種類的藥物和細(xì)菌。” “總的來說，我們可以做更多的整合科學(xué)，并互相幫助推動(dòng)整個(gè)項(xiàng)目向前發(fā)展?！?/p>

IBM Watson AI XPRIZE是一項(xiàng)全球競賽，鼓勵(lì)研究人員團(tuán)隊(duì)開發(fā)基于人工智能的強(qiáng)大應(yīng)用程序，并演示人類如何與AI合作以應(yīng)對世界上最大的挑戰(zhàn)。LSU團(tuán)隊(duì)現(xiàn)在是準(zhǔn)決賽選手，他們將獲得$ 15，000的里程碑獎(jiǎng)金，以贏得$ 3百萬的大獎(jiǎng)，該獎(jiǎng)項(xiàng)將授予2016年原有147組中剩下的10組中的一支。第二和第三名的團(tuán)隊(duì)將獲得分別為100萬美元和50萬美元。

預(yù)計(jì)排名前三的團(tuán)隊(duì)將在2020年2月宣布，并將在溫哥華的TED2020上展示他們的工作，主題為“未知”。