基于ai筛选方法可以提高新药的发现
发展中救命药物可以花费数十亿美元和几十年的时间,但中央佛罗里达大学的研究人员正在致力于加快这个过程和一种新的基于人工智能的药物筛选过程他们发达。
使用方法,模型药物和靶蛋白的交互使用自然语言处理技术,研究人员取得了高达97%的准确率识别前景的候选药物。结果最近发表在《华尔街日报》简报的生物信息学。
技术代表药物的相互作用通过文字为每个蛋白质结合位点,并使用深度学习提取功能,管理两者之间的复杂的相互作用。
”AI变得可用,这已成为人工智能可以解决,”说研究的合著者Ozlem Garibay,佛罗里达大学的助理教授工业工程和管理系统。“你可以尝试很多不同的蛋白质和药物的相互作用,找出更容易结合。”
他们开发的模型,称为AttentionSiteDTI,首次使用的语言可翻译的蛋白质结合位点。
工作很重要,因为它将帮助药物设计者确定关键蛋白质结合位点及其功能性质,这是确定药物的关键将是有效的。
成就的研究人员通过设计一种self-attention机制,使模型学习的哪些部分蛋白质与药物化合物,同时实现先进的预测性能。
机制的self-attention能力通过选择性地关注最相关的部分蛋白质。
研究人员使用的实验室实验,测量绑定验证他们的模型化合物之间的相互作用和蛋白质,然后将结果与模型计算的预测。作为药物来治疗COVID仍感兴趣,实验还包括测试和验证药物化合物,绑定到一个高峰SARS-CoV2病毒的蛋白质。
Garibay说高协议之间的实验室结果和计算预测说明了AttentionSiteDTI筛选潜在的潜在有效的药物化合物和加快探索新药和现有的再利用。
只有一种可能,“这么高的影响研究是跨学科合作材料工程和人工智能/毫升和计算机科学家解决COVID相关发现”苏迪帕特西尔说研究合著者UCF的椅子材料科学与工程系。
Mehdi Yazdani-Jahromi,佛罗里达大学的一位博士生大学的工程和计算机科学该研究的主要作者,说工作是在药物事先引入一个新的方向。
“这使研究人员能够使用人工智能识别更准确快速响应新疾病的药物,Yazdani-Jahromi说。“这个方法还允许研究人员识别病毒的最佳结合位点的蛋白质药物设计的关注。”
“下一步的研究是设计新颖药物使用人工智能的力量,”他说。“这自然可以下一步大流行做好准备。”
参考:Yazdani-Jahromi M, Yousefi N, Tayebi, et al . AttentionSiteDTI:一个可翻译的图论模型,药物相互作用预测使用NLP字面意思关系分类。简报的生物信息学。2022;23 (4):bbac272。doi:10.1093 /龙头/ bbac272