一种新的机器学习模型可以筛选新型药物化合物，以准确预测对人体的功效

一种新的机器学习模型可以筛选新型药物化合物，以准确预测对人体的功效

从确定潜在治疗剂到美国食品药品监督管理局批准新药之间的过程可能需要十多年的时间，成本超过十亿美元。 纽约市立大学研究生中心的一个研究团队开发了一种人工智能模型，可以显着提高药物开发过程的准确性并减少时间和成本。 《自然机器智能》新发表的一篇论文描述了这种名为 CODE-AE 的新模型，可以筛选新型药物化合物，以准确预测对人类的疗效。 在测试中，理论上它还能够为 9,000 多名患者确定可以更好地治疗其病情的个性化药物。 研究人员预计该技术将显着加速药物发现和精准医学。

准确可靠地预测患者对新化合物的特异性反应对于发现安全有效的治疗方法以及为特定患者选择现有药物至关重要。 然而，直接对人体进行药物的早期药效测试是不道德且不可行的。 细胞或组织模型经常被用作人体的替代物来评估药物分子的治疗效果。 不幸的是，疾病模型中的药物作用通常与人类患者的药物疗效和毒性无关。 这种知识差距是药物发现成本高、生产率低的一个主要因素。

我们的新机器学习模型可以解决从疾病模型到人类的转化挑战。 CODE-AE 采用受生物学启发的设计，并利用了机器学习领域的多项最新进展。 例如，它的一个组件在创建深度伪造图像时使用了类似的技术。”

谢雷，纽约市立大学研究生中心计算机科学、生物学和生物化学教授，《Hunter College and Paper》资深作者

药物发现电子书

去年热门采访、文章和新闻的汇编。 立即下载副本

吴尤博士表示，新模型可以解决没有足够患者数据来训练通用机器学习模型的问题。纽约市立大学研究生中心。 学生和该作品的合著者。 “尽管已经开发出许多方法来使用细胞系筛选来预测临床反应，但由于数据不一致和差异，它们的性能并不可靠，”吴说。 “CODE-AE可以提取被噪声和混杂因素掩盖的内在生物信号，有效缓解数据差异问题。”

因此，在仅通过细胞系连接筛选预测患者特异性药物反应方面，CODE-AE 比最先进的方法提高了准确性和稳健性。

研究小组在推进该技术在药物发现中的应用的下一个挑战是开发一种让 CODE-AE 能够可靠地预测新药在人体内浓度和代谢的影响的方法。 研究人员还指出，人工智能模型有可能经过优化，以准确预测药物对人类的副作用。

这项工作得到了国家普通医学科学研究所和国家老龄化研究所的支持。

来源：

纽约市立大学研究生中心

参考：

呃，D.，等人。 (2022) 一种上下文感知解缠自动编码器，用于从细胞系化合物筛选中稳健预测个性化临床药物反应。 自然-机器智能。 doi.org/10.1038/s42256-022-00541-0 。

。