人工智能模型准确地预测响应新药物化合物
识别潜在的治疗性化合物之间的旅程和食品和药物管理局批准的新药可以超过十年,花费超过十亿美元。城市大学研究生中心的一个研究小组创造了一个人工智能模型,可以显著提高精度和减少药物开发过程的时间和成本。新出版的一篇论文中描述自然机器智能,新模型,称为CODE-AE,屏幕可以发展新的药物化合物准确预测人类的功效。在测试中,它也能够从理论上确定个性化药物超过9000病人能够更好的对待他们的条件。研究者希望这项技术大大加速药物发现和精密的医学。
准确和可靠的预测新化合物的患者反应是至关重要的发现安全、有效的治疗和选择一个已存在的药物为一个特定的病人。然而,这是不道德的和不可行药物直接在人类的早期效果测试。细胞或组织模型是常用的代理人体对药物分子的疗效进行评估。不幸的是,药物作用在疾病模型通常不与人类患者的药物疗效和毒性。这些知识差距的一个主要因素的高成本和低生产率的药物发现。
“我们的新的机器学习模型可以解决转化人类疾病模型的挑战,”说谢磊教授计算机科学,生物学,生物化学城市大学的毕业中心,亨特学院和文章的资深作者。“CODE-AE使用与生物学相关的设计和利用机器学习的一些最新进展。例如,它的一个组件使用Deepfake图像生成类似的技术。”
新模型可以提供一个解决方案的问题有足够的病人数据来训练一个通用机器学习模型,说你吴中心城市大学毕业博士生论文的合著者之一。“尽管许多方法已经开发利用细胞系屏幕预测临床反应,他们的表演是不可靠的,由于数据不一致和不一致,”吴说。“CODE-AE可以提取内在生物信号掩盖噪音和混杂因素和有效地缓解data-discrepancy问题。”
因此,CODE-AE显著提高准确性和鲁棒性在最先进的方法在预测特定的药物反应纯粹从细胞系复合屏幕。
研究小组的下一个挑战在推进技术在药物发现的使用正在开发一种CODE-AE可靠地预测新药物的浓度和代谢的影响在人类的身体。研究人员还指出,人工智能模型可能调整准确预测人类的药物副作用。
参考:他刘问D,吴Y,谢l .上下文感知deconfounding autoencoder健壮的个性化临床预测药物反应细胞系化合物筛选。Nat马赫智能。2022:1-14。doi:10.1038 / s42256 - 022 - 00541 - 0
本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。
