人工智能机器人科学家“夏娃”可以提高寻找新的药物

机器人科学家们的自然延伸的趋势增加自动化参与科学。他们可以自动开发和测试假说来解释观测,使用实验室的机器人运行实验,解释结果修改他们的假设,然后重复循环,自动化高通量hypothesis-led研究。机器人科学家也适合记录科学知识:实验的构思和执行自动的电脑,它可以完全捕捉和数字化牧师科学发展过程的所有方面。

2009年,亚当,一个机器人科学家由阿伯里斯特威斯大学和剑桥大学的研究人员开发,成为第一个独立机器发现新的科学知识。基于相同的团队现在已经发达的前夕,曼彻斯特大学,它的目的是加速药物发现过程,让它更经济。今天发表的研究中,他们描述了机器人可以帮助识别有前途的新药候选疟疾和被忽视的热带病非洲昏睡病和南美洲锥虫病等。

“被忽视的热带疾病是人类的灾难,数以百万计的人感染了这种病毒,并杀死数以百万计的人每年,“剑桥教授史蒂夫·奥利弗说系统生物学中心和剑桥大学生物化学系。“我们知道是什么原因导致这些疾病,我们可以,从理论上讲,攻击的寄生虫导致他们使用小分子药物。但是药物发现的成本和速度和制药工业经济回报使他们缺乏吸引力。

“夏娃利用人工智能学习早期的成功在她的屏幕和选择的化合物有一个高概率思想活跃的选择药物的目标。一个智能筛选系统中,使用基于基因工程酵母。这让夜排除有毒的化合物对细胞并选择那些阻止寄生虫蛋白的作用而使任何相当于人类蛋白质不受伤害。这减少了成本、不确定性和时间参与药物筛选,有可能改善全球数百万人的生活。”

夜是为了早期药物设计自动化。首先,她系统测试每个成员从大量化合物的标准蛮力的传统的大规模筛选方式。化合物对化验检查(测试)设计为自动设计,并且可以生成的更快和更便宜比目前标准的定制的化验。这使更多类型的分析应用,更有效地使用筛选设施,从而发现在一个给定的概率增加预算。

夏娃的机器人系统能够筛选每天超过10000种化合物。然而,尽管简单的自动化,质量检查仍相对缓慢,浪费资源的每个复合图书馆是测试。也是愚蠢,因为它没有使用期间学到的筛查。

改善这个过程,夏娃随机选择的一个子集图书馆找到化合物通过第一个试验;任何“点击率”多次测试减少假阳性的概率。把这组确认,夏娃使用统计和机器学习来预测新结构可能对化验得分更高。尽管她目前没有合成这些化合物的能力,机器人的未来版本可能包含这个特性。

罗斯金教授,从曼彻斯特大学生物技术研究所的曼彻斯特,说:“现在每个行业受益于自动化和科学也不例外。引入机器学习让这个过程智能——而不仅仅是“蛮力”的方法——可以大大加快科学进步,可能获得巨大的回报。”

测试方法的可行性,研究人员开发了检测目标关键分子寄生虫疾病,如疟疾、负责南美洲锥虫病和血吸虫病和测试对这些图书馆大约1500临床批准化合物。通过这个,夏娃表明复合曾被调查作为抗癌药物抑制疟原虫的一个关键分子称为DHFR。药物抑制这个分子目前经常用于预防疟疾,并给超过一百万名儿童;然而,现有药物的寄生虫抗药性的出现意味着寻找新药正变得越来越紧迫。

“尽管广泛的努力,没有人能够找到一个新的抗疟目标DHFR和能够通过临床试验,“金教授补充道。“夏娃的发现可能是更重要的不仅仅是展示一个新的药物发现方法。”

支持的研究是生物技术与生物科学研究理事会和欧盟委员会。