随着人工智能技术的蓬勃发展，AI改变了药物发现中每一个阶段的研发模式。近期，华东师范大学/临港实验室李洪林教授、华东师范大学李诗良教授与上海科技大学白芳教授受邀在《National Science Review》上发表了题为"AI Enhances Drug Discovery and Development"的展望和评论文章，分别从基于靶标的药物发现、基于表型的药物发现、生物大分子的动态结构预测、药物研发自动化及药物临床研究这五个药物研发方法或阶段为切入点，阐述AI在这些领域内的关键前沿进展以及潜在的挑战与机遇。
AI在药物研发中的应用及挑战
研究亮点
作者探讨AI在药物研发各个阶段的关键应用，并窥探其未来可能的发展趋势。
1. AI在基于靶标的药物研发中的应用目前主要体现在将基因组学、蛋白质组学、代谢组学和表观遗传学等数据引入疾病复杂性的研究中，以在静态和动态两方面更好地捕捉疾病的复杂性。该文提出，在不远的将来，集中呈现在靶疗效及其潜在副作用将成为寻找靶点的新趋势。
2. AI预测生物大分子的动态结构的研究目的主要是捕捉大分子的不同构象状态及其连续转变途径，理解分子生物学功能，为药物设计提供结构基础。使用端到端AI模型的构象-构象生成器将发挥重要作用，包括利用生成式模型预测蛋白结构，甚至预测蛋白构象等。
3. AI在基于表型的药物研发中的应用主要为AI辅助表型的筛选，包括分析模式动物表型图像，捕捉细胞的显著形态变化和难以直观量化的微小形态变化等。然而，表型数据规模有限、质量参差不齐和多模态性特征，表型检测到最后的患者疗效之间的“转化链”不清晰，以及强大的AI算法或数据挖掘方法的匮乏是该领域的挑战性问题。
4. AI实现自动化药物研发将是药物研发领域革命性变化的里程碑，随着实验室内AI机器人的投入使用，实验的设计和执行将变得更加高效。尽管目前已经开发了一些适用于药物研发不同阶段的机器人，但由于任务的复杂性，用于药物研发的自动化人工智能平台仍面临重大挑战。
5.AI推动药物临床研究主要将体现于其引导重新设计临床试验，以加速药物研发进程，包括但不限于以下方面：通过挖掘医疗记录和社交医学内容确定适当的受试者人群；通过简化入选标准加速受试者招募过程，使潜在候选者更容易满足这些标准；开发以患者为中心的新型临床终点；以及收集和分析真实世界的数据。
该文最后指出，虽然近年来AI在药物研究中的应用已取得了显著进展，但是这一领域仍面临一些新挑战，例如复杂的生物医学问题与现有数据和知识之间的不匹配、技术和硬件的局限性等问题。尽管如此，AI在药物研发中的应用潜力巨大，正在不断改善新药发现的方法。
推文链接：https://mp.weixin.qq.com/s/2f_pNA7DMLLF2mrtM79JBw
原文链接：https://academic.oup.com/nsr/advance-article/doi/10.1093/nsr/nwad303/7453682