透過AI研發新藥 在Nature子期刊發表成果

近日發表於 Nature Biotechnology 的研究，首次闡述全球首款人工智慧（AI）藥物 INS018_055 的研發歷程，涵蓋從 AI 演算法開發到 2 期臨床試驗的全流程。

研究全面闡述了其首款由生成式 AI 發現和設計的潛在「全球首創」（first-in-class）TNIK 抑制劑從人工智慧演算法開發到 2 期臨床試驗的研發歷程，並首次披露了該候選藥物，在臨床前實驗和臨床試驗的數據和表現。 

研究團隊的在 Nature 子期刊上發表了最新的研究成果。據其表示，該研究突顯了 AI 驅動的藥物發現方法所帶來的降本增效優勢，並強調了生成式 AI 技術在推動產業變革方面的巨大潛力。

美國生物科技公司英矽智能 (Insilico Medicine) 創辦人兼執行長 Alex Zhavoronkov 表示，「從這篇論文中，我們看到生成式 AI 簡化早期藥物發現的潛力，該解決方案的擴展應用有望解決行業面臨的成本和效率挑戰，高效提供創新療法 盡快惠及全球病患。」

據報導，作為新藥研發的第一步，英矽智能選擇以與衰老密切相關的纖維化作為研究重心，採用組織纖維化相關的組學和臨床數據集，對 Pharma.AI 平台下屬的靶點發現引擎 PandaOmics 進行 訓練。 以此為基礎，PandaOmics 平台透過深度特徵合成、因果關係推斷和全新通路重建等過程提名潛在標靶清單。

此後，PandaOmics 中的自然語言處理（NLP）模型透過分析了涵蓋專利、出版物、研發基金、臨床試驗等文本數據的數百萬個文本文件，進一步評估潛在靶點的新穎性以及與疾病的關聯 性，最終確定 TNIK 為最有潛力的抗纖維化標靶。 值得注意的是，歷史研究曾揭示 TNIK 與多種纖維化驅動生物路徑的間接關聯，但從未提出將其作為特發性肺纖維化（IPF）治療標靶。

在確定 TNIK 標靶後，英矽智慧研發團隊利用 Pharma.AI 下屬的生成化學引擎 Chemistry42，根據基於結構的藥物設計（SBDD）策略產生具有所需特性的創新分子結構，旨在得到安全、特異性、 高效的 TNIK 抑制劑。

Chemistry42 結合了 40 多種生成化學演算法和超過 500 個預訓練的獎勵模型，支援新穎化合物從頭生成，能根據專家回饋進行虛擬篩選並優化生成結果。 經過多次迭代篩選，團隊發現了 IC50 值達到納摩爾級別的潛力苗頭化合物，並在針對溶解度、ADME 安全性、毒性進行優化的同時保留其對 TNIK 的顯著親和力，最終獲得了候選分子 INS018_055，共 合成並測試了不到 80 個分子。

英矽智能在新一代大語言模型 ChatGPT-4 Turbo 和自有大語言模型（LLM）基礎上開發了 PaperGPT 論文解讀引擎，透過語言對話功能提供與論文相關問題的專業解答。

關於本計畫的原始實驗數據，可透過存取英矽智能的數據中心獲取，包括 13 項臨床前實驗和 3 項臨床試驗的部分數據。