利用人工智能和自动化改造药物发现

COVID-19大流行揭示了一个紧迫的问题，即需要迅速开发有效药物。但是研发新药说起来容易做起来难。药物发现始于假设抑制或激活目标分子或途径导致治疗效果。在目标识别和验证之后，是命中导向和导向优化步骤。这包括识别与目标有亲和力的命中分子，并选择“最佳”分子进行攻击。

先导优化是一个复杂的过程，成本高、耗时长;尽管生产先导化合物投入了大量资源，但药物是否会进入下一个开发阶段总是存在不确定性的时刻。由于这种复杂和不确定的途径，人们对破译提高药物发现成功率的方法有相当大的兴趣，其中一种方法就是自动化。

自动化所包含的创新可以改变药物开发过程．在整个药物研发价值链中，自动化有可能提高实验室效率，降低整体减员率，并降低成本。微流体、机器人和人工智能等新技术与自动化数据分析相结合，可以做到这一点加快药物开发和批准程序，帮助患者更快地获得治疗。

高通量筛选——提供药物发现的关键起点

高通量筛选 (HTS)涉及使用自动化设备快速评估大量化合物对特定生物靶标的活性。“在铅发现中使用高通量筛选的主要优势是能够以快速和可重复的方式测试数千到数十万种制剂(小分子或功能基因组学工具)，”他说 查尔斯·卡兰 他是哥伦比亚基因组中心高通量筛选设备的科学主任。HTS可以被视为一种生物过程的快速扫描，通过这种扫描，不充分或没有效果的候选药物可以迅速从药物发现管道中排除。

HTS实验室采用多种分析格式，分析自动化在该过程中起着核心作用。Karan解释说:“这些分析的目标是将大量的药物收集起来，并将它们减少到在分析中显示有希望结果的少量药物。”自动化是通过采用液体处理设备，机器人，平板阅读器作为探测器和仪器控制和数据处理专用软件来实现的。

自动化允许测试更多的假设

除了降低成本和缩短时间之外，自动化还提高了数据的准确性、精确性、可重复性和可追溯性;这些因素使研究人员能够在假设驱动的研究中利用高质量的数据。Karan解释说:“由于自动化的精度，检测中的所有板都将在非常相似的条件下运行，通过使用基于板的控制，我们可以确保整个筛选的检测均匀性。”此外，自动化允许研究人员测试更多数量的 假设 并且可以实现复杂的工作流程和筛选场景，这可能很难或不可能手动实现。

机器人技术——提高精度和再现性

机器人技术通过创造有效的方法来完成预先设定的任务，从而提高流程的整体效率。 机器人 无情的系统能够并行处理;他们可以同时管理任何工作流中的多个连续步骤，而不会停止或“休息”。使机器人成为自动化英雄的另一个因素是精度——机器人系统可以显著提高效率精度而且再现性过程和质量数据采集，这对于研究人员来说很难手动实现。

Karan说:“数据的准确性来自检测的一致性。使用自动化和自动化液体处理的明显优势是，分配非常小体积的关键步骤是由高度校准的液体处理仪器处理的。我们做了两件事来确保这一点，首先，我们验证单个仪器的液体处理精度，其次，我们监测每个检测板的结果(包括对照)，以确保检测信号不会随时间变化。这包括为每个板块添加合格/不合格指标，以确认数据质量。”

基于微流体的微型发现平台

微流体在药物发现和开发领域产生了巨大的兴趣。微流体技术具有明显的优势 系统小型化 ．通过调节微小流体量的运动，微流体有助于小型化分析和增加实验通量。在过去的几年里，微流控技术的应用迅速增长，如3D细胞培养系统、芯片上器官和芯片上实验室技术以及液滴技术。

微流控装置的体积很小，许多功能可以集成在一块芯片上。芯片的内部尺寸范围从微米到毫米;这允许处理样品和试剂，即使在皮升范围内。微流控芯片，加上多通道和阵列设计，可以实现高通量过程，提高筛选速度。除了快速筛选和分析，微流控技术还凭借其小型化设备降低了试剂消耗和成本。

微流控技术是一种很有前途的技术 organ-on-a-chip ．器官芯片是指建立在微流控芯片上的生理器官仿生系统。因为它们能很好地模拟在活的有机体内微环境、芯片上的器官和芯片上的身体系统为高通量分析的发展带来了巨大的希望，这可能在药物筛选和毒性研究中有价值。

集成生物制剂LIMS旨在加速药物发现工作

随着越来越多的大分子疗法在管道中，生物制药公司需要改变他们发现和开发新疗法的方式。大分子的发现和开发是一个复杂的高通量过程——产生和分析的数据量迅速增加，需要大大改进实验室信息管理系统(LIMS)。下载此案例研究以发现一个全面的、高度集成的生物制剂LIMS解决方案。

视图案例研究

赞助内容

药物研发中的人工智能

现代生物学的数据越来越丰富，比如海量的基因数据造就了一代又一代成千上万的基因组数据库。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，从而进行预测。 人工智能 (AI) 可用于捕获这些大型数据集，并利用它们进行早期目标识别和验证。

人工智能是指机器(如计算机)根据一系列环境执行任务的能力。机器学习(ML)是人工智能的一个子集，它使用可以学习和改进的算法没有重新编程。为了预测与药物发现相关的结果，机器需要算法来处理现有数据并识别属性模式。ML可用于药物发现的许多阶段。生物靶标的验证，候选药物分子的发现，预测疾病的生物标志物的鉴定是ML可以利用的一些领域的例子。

按 院长何 ，博士学位，新加坡国立大学教务长讲座教授:“药物发现包括新药物结构/化合物的鉴定。使用人工智能可以显著加速这一过程，使用人工智能也可以改善和加速这种新型化合物与目标交战的能力。”

通过使用人工智能，可以筛选数十亿个分子的虚拟化合物库，并且可以在比传统方法更短的时间内识别临床前候选药物。 约翰·米切尔 ，圣安德鲁斯大学的理论化学家博士说:“人工智能可以通过非常快速地进行大量计算来帮助使药物发现过程更有效，尽管不一定非常准确。”Mitchell列举了人工智能可以通过以下方式协助药物发现:

• 基因与疾病的关联
• 识别蛋白质作为这些疾病的治疗靶点
• 全面评估每种已知药物针对每种已知疾病的每种可能靶点的重新利用的可能性
• 快速筛选数百万个可能的或现有的药物样分子的数据库，作为可能的药物，排除那些ADMET(吸收、分布、代谢、排泄和毒性)和溶解度差的分子(通过快速化学信息学)，识别那些可能活跃的分子(可能通过快速对接或药物团搜索)
• 预测可能的副作用
• 在群体和个体水平上，将治疗效果与人类遗传变异联系起来

E改善从药物概念到患者的路径

在描述人工智能在药物研发中的作用时，Ho说:“首先，重要的是要注意，将药物带给患者有多个环节。广义上讲，它们包括药物发现、药物开发和药物管理。这些部分通常被视为相同的，但事实上，它们是非常不同的领域所有通过人工智能来增强，必须妥善解决所有问题，然后无缝集成，才能真正优化患者的治疗方式。”

Dean进一步解释说:“在药物发现方面，人们通常认为设计良好的分子最终会导致成功的结果，并将其推向市场。这远非一个有保证的结果，因为即使是有希望的药物以次优剂量交付或与错误的伴随疗法(联合疗法)联合使用，也可能导致-至少-次优结果，或通常情况下，结果较差，最终试验失败。因此，即使是好的药物，如果不正确地使用，也不会起作用。这就是药物开发的切入点。药物开发包括确定如何最好地将不同药物组合在一起，如何将患者与正确的临床试验相匹配，以提高他们对治疗的反应机会，以及如何设计临床试验，以最好地确定药物是否真的改善结果。新兴的人工智能平台(例如: IDentif。人工智能 ， 助理牧师。人工智能，QPOP 等)证明了药物组合设计可以从非常大的药物和剂量空间进行优化。”

药物研发的自动化——障碍

生物系统是复杂的信息来源，现在正使用大量的创新技术以前所未有的水平系统地测量和挖掘这些信息。虽然在药物发现中实现自动化有许多观察到的好处，但它的使用存在重大障碍。人工智能是一种数据挖掘方法，尽管应用具体，但系统全面的高维数据需要集中生成和存储。可用数据的质量也很重要;在执行特定的人工智能任务之前，为高质量的数据提炼原始输入是至关重要的。获得人工智能技术所需的投资是另一个挑战。

“基于人工智能的药物发现很有前途，但要确保这些新发现的分子得到正确开发，还有很长的路要走。不同的部门必须联合起来。就下游挑战而言，尽早团结利益相关者至关重要，”Ho解释道。

Ho博士还解释说:“人工智能领域和基于人工智能的技术开发将必须不断发展，以适应治疗学不断变化的需求。在某种程度上，我们将能够超越仅仅依赖现有数据、算法训练和预测。”

从不同的角度来看人工智能在药物研发方面的挑战，米切尔说:“已经有很多(通常是较小的)公司甚至学者在做这方面的工作。技术挑战已经得到解决。最明显的风险是过度炒作和期望。像组合化学和化学信息学这样的技术最初被过度炒作，后来被低估了。人工智能的最佳实践使用有助于提高胜算，但并不能保证立即取得成功。药物研发本来就是一项高风险且昂贵的工作。”

实验室自动化、机器人和人工智能在药物研发中的应用在过去几年中取得了巨大的进步。尽管通往成功的道路充满挑战，但药物研发的自动化可以帮助做出更快的决策，并使挽救生命的药物在正确的时间到达正确的人手中。