圖片來源: 

臉書

臉書與德國Helmholtz Zentrum München研究中心,開發了一種新的藥物研究方法,有助於加速探索新藥組合,以打擊複雜的疾病。研究團隊建立了一個人工智慧模型,該模型可以預測藥物組合、劑量、服藥時機甚至是可採取的介入措施,該團隊現在開源這個稱為CPA(Compositional Perturbation Autoencoder)的模型,其中包括API和Python程式,可方便地供其他組織進一步研究藥物使用。

研究團隊提到,事實證明,透過改變現有藥物用途或是組合多種藥物,是一種治療複雜疾病的有效方法,像是治療特定癌症的藥物,也強化了對其他癌症細胞的治療效果。複雜的惡性腫瘤細胞,通常需要藥物雞尾酒療法,對多種細胞類型進行協同攻擊,這種方法不僅可以減少抗藥性,而且也能最大程度減少有害的副作用。

但是在現有的藥物中,找到有效的組合和合適的劑量,仍然極具挑戰性,研究人員表示,這些組合幾乎趨近無限多種可能。到目前為止,探索藥物新組合的計算方法,受到資料集中的藥物交互作用資訊限制,而且在高維度分子層級變化時,考量不同的服用劑量與時機等條件,該方法就會失效。

而新的CPA是一種新穎的自我監督技術,能夠觀察以有限數量的藥物組合來治療細胞,並且預測未被發現的藥物組合效果,研究人員舉例,像是資料集中包含各種藥物A、B、C和A+B,對不同類型細胞所產生的影響,而CPA模型則能夠透過了解每種藥物對特定細胞類型的個體影響,然後進行重組,以推斷出藥物A+C、B+C,甚至是A+B與C+D的交互作用。

藥物研究人員可以使用CPA產生假設,來設計實驗過程,縮小數十億種的選擇範圍,以便在實驗室中進行實驗,研究人員提到,過去通常需要數年的時間以及許多細胞實驗,才能測試100種藥物,在不同劑量與組合的效果,而現在研究人員透過在電腦中模擬,在短短數小時內,就能篩選所有可能的組合,並選擇最佳結果進行驗證。

研究人員使用RNA序列資料集來測試CPA模型,這些資料集包含了藥物、劑量和對癌細胞所進行的其他干擾測試結果,結果顯示,CPA模型預測關鍵藥物組合和劑量,對癌細胞造成的影響,與測試資料集的發現相當。

研究團隊希望將這項結果,與其他製藥和生物研究人員分享,使其能用於快速找到針對各種疾病的最佳藥物組合,他們釋出了API和Python套件,讓沒有機器學習專業的人員,也可以簡單地輸入資料集並且獲得預測。透過這個人工智慧驅動的工具,研究人員期望能夠更好地治療諸如癌症或是COVID-19等,複雜或是新型疾病。

熱門新聞

Advertisement