使用人工智能和自动化改造药物发现

COVID-19大流行已经公布了一项紧迫的问题——需要开发迅速有效的药物。但开发一种新的药物是说起来容易做起来难。药物发现从一开始假设目标分子的抑制或激活或途径导致治疗效果。目标识别和验证后,hit-to-lead和铅优化步骤。这包括识别分子与一个关联到目标,选择“最佳”分子向前。

铅优化是一个复杂的过程,可以是昂贵和耗时;尽管资源用于生成铅化合物,总有不确定性的时刻,药物将进展到下一个阶段的发展。由于这个复杂的和不确定的途径,已经有相当大的兴趣在破译方法来提高药物发现的成功率,和这样的一个意思是自动化。

自动化包括创新可以改变的药物开发过程。在药物发现价值链、自动化有潜力提高实验室效率,降低总体消耗,降低成本。微流体等新技术、机器人技术和人工智能的使用,结合自动化的数据分析,可以加快药物开发和审批流程,帮助更快地提供治疗的病人。

高通量筛选——在药物发现提供关键的起点

高通量筛选 (高温超导)涉及使用自动化设备快速评估大量的化合物对特定生物的活动目标。“使用大规模筛选先导化合物的主要优势是能够测试成千成千上万的代理(小分子或功能基因组学工具)在一个快速和可再生的方式,”说 查尔斯·卡兰 ,科学主任,哥伦比亚基因组中心高通量筛选设备。高温超导可以被视为一种生物过程的快速扫描的候选人不足或没有影响可以迅速排除在药物发现管道。

高温超导实验室采用各种分析格式,化验的自动化过程中起着核心作用。“这些化验的目的是把大量的代理和削下来的少量试验显示了有前景的结果,”卡兰解释道。自动化是通过采用液体处理设备、机器人、板读者探测器和专用软件仪器控制和数据处理。

自动化测试允许更多的假设

除了降低成本和减少时间、自动化提高数据准确性、精密度、重现性和可追溯性;这些因素使研究人员利用地理假说驱动的高质量数据的研究。“由于自动化的精确性,所有板块的分析将是非常相似的条件下运行,通过使用plate-based控制我们可以保证分析统一整个屏幕,”卡兰解释道。此外,允许研究人员测试更多的自动化 假设 ,可以使复杂的工作流和筛选场景可能难以或者不可能实现手动。

机器人技术,提高准确性和重现性

机器人技术改善流程的整体效率通过创建有效的方法完成预先设定的任务。 机器人 无情的系统并行处理的能力;他们可以同时管理多个工作流程在任何顺序步骤没有停止或“休息”。另一个因素,使得机器人自动化是精密的英雄——机器人系统可以显著增加精度和再现性的过程和质量数据捕获,研究者很难实现手动。

据卡兰,“数据准确性来自均匀性试验。使用自动化和自动化液体处理的明显优势是关键步骤分配非常小的量是由高度校准液体处理仪器。有两件事我们为了确保这一点,首先,我们验证个人合成仪器精度和第二监控每个试验板的结果(包括控制),以确保分析的信号不会改变加班。这包括添加每个板的通过/失败标准来确认数据质量。”

显微射流技术小型化发现平台

微流体产生了显著的药物发现和开发领域的兴趣。微流体提供了明显的优势 系统小型化 。通过调制的微量液体的运动,微流体有助于使小型化化验,增加实验的吞吐量。过去的几年见证了迅速崛起的使用微流控技术,如三维细胞培养系统,organ-on-a-chip和芯片实验室技术和液滴技术。

微流体装置的体积很小,许多功能可以集成在一个芯片上。芯片的内部尺寸范围从微米到毫米;这允许样品和试剂的处理甚至在picoliter范围。微流控芯片,再加上多通道和阵列设计,允许一个高通量过程实现,增加的速度你可以屏幕。除了快速筛选和分析,微流体降低试剂消耗和成本由于其小型设备。

一个有前途的技术利用微流控技术 organ-on-a-chip 。Organ-on-a-chip指生理器官仿生系统建立在微流控芯片。因为他们的密切模仿的动态交互的能力在活的有机体内微环境,organ-on-a-chip和body-on-a-chip系统蕴含着巨大的希望发展的高通量检测,可以在药物筛选和毒性研究是有价值的。

综合生物制剂LIMS旨在加速药物发现工作

与越来越多的大型分子疗法,生物制药公司需要改变他们的发现和开发新的治疗方法。大分子的发现与发展是一个复杂的高通量过程,产生的数据量和分析已迅速增加,迫使大大改善了实验室信息管理系统(LIMS)。下载这个案例研究发现一个全面的、高度集成、生物制剂LIMS的解决方案。

视图的案例研究

赞助内容

人工智能在药物发现

现代生物学日益丰富的数据,比如大量的基因数据导致成千上万的后代基因组数据库。然而,这些大型数据集需要适当的分析方法来产生统计上有效的模型,可以预测。 人工智能 (AI) 可以利用捕获这些大型数据集,利用它们早期目标识别和验证。

人工智能指的是机器的能力(如电脑)在应对一系列的环境中执行任务。机器学习(ML),人工智能的一个子集,使用算法,可以学习和提高没有重新编程。预测结果与药物发现,机器需要算法处理现有数据的属性和识别模式。毫升可用于药物发现的许多阶段。验证的生物指标,发现候选药物分子,识别疾病的生物标记物预测领域毫升可以利用的一些示例。

按 院长何 ,博士学位,新加坡国立大学教务长的椅子教授:“药物发现涉及小说/药物结构化合物的识别。这可以使用AI明显加速,新颖的化合物与目标的能力也可以得到改善和加速使用人工智能。”

通过使用人工智能、虚拟复合图书馆数十亿分子可以筛选,可以发现和临床前候选人在更短的时间比传统方法。 约翰·米切尔 ,圣安德鲁斯大学的博士,理论化学家,说,“人工智能可以帮助使药物发现过程更有效的通过做大量的计算速度非常快,虽然不一定很准确。”米切尔列举了人工智能可以帮助药物发现的:

• 基因与疾病
• 识别蛋白质对这些疾病的治疗靶点
• 详尽评估每个已知的药物对再利用的可能性,每一个可能的目标对每一个已知的疾病
• 快速筛选数据库可能数以百万计的或现有的药物如分子药物,消除那些贫穷ADMET(吸收、分布、代谢、排泄和毒性)和溶解度(通过快速chemoinformatics),识别那些可能活跃(可能通过快速对接或pharamacophore搜索)
• 预测可能的副作用
• 治疗的疗效与人类遗传变异的集团和个人层面

E对患者加强路径从毒品的概念

描述AI在药物发现中的作用,Ho说,“首先,重要的是要注意,有多个段把药物给病人。一般来说,它们包括药物发现、药物开发、药品监督管理局。这些领域通常被视为相同,但事实上,他们是非常不同的领域所有通过人工智能得到增强,都必须妥善解决,然后无缝集成,以真正优化如何对待病人。”

院长进一步阐述,“至于药物发现,通常认为一个设计良好的分子最终会导致一个成功的结果,将使市场。这远不是一个保证的结果因为即使有前景的药物在次优的剂量或结合错误的伴侣治疗(联合治疗)可能会导致——至少一个次优的结果,或一般,可怜的结果和最终试验失败。这样,即使是好的药物交付错误不会成功。这是药物开发。药物开发的过程包括确定如何最好地co-deliver不同药物组合在一起,如何匹配病人正确的临床试验,提高他们应对治疗的机会,以及如何设计临床试验最佳确定药物事实上改善的结果。(如新兴的人工智能平台。 IDentif.AI , 助理牧师。AI, QPOP 等)证明药物组合设计可以从非常大的药物和剂量优化空间。”

自动化在药物发现障碍

生物系统是复杂的信息来源,正在系统地测量和开采使用过多的创新技术达到了史无前例的水平。虽然有很多观察在药物发现中实现自动化的好处,有严重阻碍其利用率。人工智能是一种数据挖掘方法——尽管其特定的应用程序,系统和全面的高维数据需要生成并存储在一个集中的方式。可用数据的质量也很重要;执行特定的人工智能任务之前,精炼的原始输入为高质量的数据是至关重要的。投资需要访问人工智能技术是另一个挑战。

“基于ai药物发现是有前途的,但是有很长一段路要走,以确保正确地开发这些新发现的分子。不同的部分必须统一。下游的挑战,团结的关键利益相关者在早期,“何解释道。

何鸿燊博士也解释说,“人工智能领域和基于AI技术发展必须发展结合疗法的不断变化的需求。在某种程度上,我们就能超越仅仅依靠已有的数据和算法训练和预测。”

添加一个不同的角度在药物发现人工智能的挑战,米切尔说,“有很多(通常是小的)公司,甚至学者做这些东西了。技术挑战已经得到满足。最显而易见的风险是过度炒作和期望。等技术组合化学和chemoinformatics最初宣传期,随后被低估了。最佳实践的使用AI转变的有利,而不是立即成功的保证。药物发现是一种固有的危险和昂贵的业务。”

实验室自动化的应用、机器人学和人工智能在药物发现了巨大的进步在过去的几年里。虽然成功的道路是具有挑战性的,自动化在药物发现可以帮助更快地做出决定,并使救生药物到达正确的人在正确的时间。