发布时间：2024-05-08 16:14:34 栏目：精选百科
临床阶段人工智能 (AI) 驱动的生物技术公司 Insilico Medicine (“Insilico”) 的研究人员团队开发了一种名为量子辅助片段自动结构生成器 (QFASG) 的突破性新算法，为自动化药物设计迈出了有意义的一步。 QFASG 利用先进的化学信息学技术从分子片段库构建新型小分子结构。为了证明其有效性，研究人员成功应用 QFASG 生成了涉及癌症发病机制的两个药理学靶点的新型小分子抑制剂。研究结果发表在《化学前沿》上。
近年来，人工智能辅助的生成化学平台，例如 Insilico 的 Chemistry42 引擎(一个用于从头小分子设计和优化的软件平台，将人工智能技术与计算和药物化学方法相结合)已经证明了使用从头开始设计新型候选药物的可能性。生成式人工智能。现在，在量子计算和化学信息学技术进步的推动下，研究人员可以以新的速度和效率探索广阔的化学空间，从而使他们能够从虚拟片段中设计新的化合物。
“QFASG 使用药物化学方法生成新的药物样结构，”该项目的首席研究员 Sergei Evteev 说。 “通过利用分子片段和先进的算法，我们可以设计与目标蛋白质特异性相互作用的化合物，从而有可能检测出新的有前途的化学型。”
QFASG 的主要特点之一是其完全自动化的流程，它简化了结构生成和优化的过程。该算法采用两部分方法：首先，将探针战略性地放置在目标结合位点内，然后通过迭代模块发生结构生长，从而生成不同的化合物库。
Insilico Medicine 创始人兼首席执行官、研究团队成员 Alex Zhavoronkov 博士表示：“我们 QFASG 的目标是为研究人员提供生成主要命中化合物的强大工具。” “这些初始结构可以作为进一步优化和开发的起点，最终加速药物发现过程。”
为了证明 QFASG 的有效性，研究人员使用该算法设计了两种有望成为新癌症治疗靶点的蛋白质抑制剂：ATM 和 CAMKK2 激酶。 ATM 激酶参与 DNA 损伤反应和修复，是治疗实体瘤、胶质母细胞瘤、肉瘤、肺癌、前列腺癌和结直肠癌及其他病变的有希望的靶标。 CAMKK2 在多种生理和病理过程中发挥重要作用，包括癌细胞生长，并在多种肿瘤类型中过度表达，包括前列腺癌、乳腺癌、卵巢癌、胃癌和肝癌
为了测试 QFASG 的功能，研究人员通过重现已知蛋白质配体的结合姿势并对 ATM 和 CAMKK2 生成的结构进行体外评估来进行计算机验证。在这两种情况下，都选择了由算法设计的三种独特结构进行合成和测试，并且几种化合物对所需目标表现出低微摩尔活性。
研究人员将继续探索使用 QFASG 从头生成新型化学结构，特别是生成可在人工智能驱动的生成化学平台中进一步探索的主要命中化合物和初始假设。
Insilico 是利用生成式人工智能进行药物发现和开发的先驱。该公司于 2016 年在同行评审期刊中首次描述了使用生成式 AI 设计新型分子的概念。随后，Insilico 为其基于生成对抗网络 (GAN) 的 AI 平台开发并验证了多种方法和功能，并将这些方法和功能集成到一起将算法引入商业化的Pharma.AI平台，该平台包括生成生物学、化学和医学，并已用于在多个疾病领域生产一系列有前途的治疗资产，包括纤维化、癌症、免疫学和衰老相关疾病，其中数量已获得许可。自2021年以来，Insilico已在其30多个资产的综合投资组合中提名了18个临床前候选药物，并将6个管道推进到临床阶段。 2024年3月，该公司在《自然生物技术》上发表了一篇论文，披露了其主导药物的原始实验数据以及临床前和临床评估——一种潜在的一流TNIK抑制剂，用于治疗特发性肺纤维化，使用生成法发现和设计AI 目前正在进行患者的 II 期试验。
免责声明：本文由用户上传，如有侵权请联系删除！
