技術的飛躍使人工智慧引導的藥物設計成為可能，例如可以純化蛋白質和移動液體的全機械人工作站。 **自然界**
這也許是醫療保健領域最引人注目的變化：數字生物學和生成式人工智慧（AI）正在幫助重塑藥物發現過程。
利用AI開發新藥仍處於起步階段，但AI設計的藥物在過去幾年已經進入了臨床試驗的早期階段，一些AI製藥先驅已經在這一領域取得了一些進展。 不過，英國《自然》雜誌發表文章稱，人工智慧加速藥物發現的潛力仍需在實踐中進行檢驗。
以噬菌體形式開發抗生素
人體被包括病毒在內的大量微生物所侵占，這些病毒群統稱為人類病毒組。 美國人工智慧製藥公司Salve Therapeutics首席執行官Stefan N. Lukanov指出，人體組織中自然存在的病毒是攜帶遺傳**有效載荷**疾病的理想方式。
Salve將機器學習與計算機輔助設計相結合，以噬菌體的形式開發抗生素。 該方法允許通過對各種模型的廣泛迭代分析來虛擬評估藥物發明的屬性、結果和風險。
盧卡諾夫說，他們正在研究基因工程噬菌體，以實現更大的效力和宿主範圍。 他預計噬菌體抗生素可以改善移植、燒傷和免疫功能低下患者的生活。
盧卡諾夫強調，由於噬菌體僅針對細菌，因此這種抗生素不會對患者構成重大風險，除非由於異物顆粒的存在而導致體內輕微的免疫反應。
口服小分子藥物的開發
Biolexis Therapeutics是一家美國人工智慧藥物發現公司，專門從事用於癌症和各種代謝、炎症和神經退行性疾病的口服小分子藥物的開發。
該公司通過其專有的MoleculeRN工藝發現和開發新的臨床候選藥物。 該過程可以靶向任何種類的蛋白質，識別具有類似藥物特徵的新化學實體，並使用實驗室資料進行驗證，從而將發現和開發新藥的時間從數年縮短到數月。 他們的一種藥物SLX-0528目前正在進行胰腺癌的Ib期試驗。 該藥物旨在控制輔助性T細胞17的細胞分化、功能和白細胞介素釋放。
推出生成式AI藥物發現平台
Anthony Costa 是 NVIDIA 生命科學開發者關係全球主管。 他指出，許多生成式人工智慧都是建立在大型語言模型的基礎模型之上的。 這些模型正在提高其藥物特性和相互作用的能力。
為了幫助實現這一潛力，NVIDIA 開發了 BioONEMO，這是一種用於生物學生成式 AI 的雲服務，可為小分子和蛋白質提供各種 AI 模型。 Costa斷言，借助BioONEMO，開發人員可以利用具有專有資料的AI模型來快速**蛋白質和生物分子的3D結構和功能，這將加速新候選藥物的產生。
總部位於芝加哥的初創公司 Evozyne 最近使用 Bionemo 設計了一種新的苯丙酮尿症蛋白。 苯丙酮尿症是一種罕見的疾病，其特徵是氨基酸苯丙氨酸水平公升高。 實驗室測試最終證明，一些人工智慧開發的蛋白質變體比天然形式更有效。
人工智慧藥物發現需要臨床驗證
藥物開發涉及許多具體步驟。 它通常從識別導致疾病的生物靶標（可能包括 DNA、RNA、蛋白質受體或酶）開始，然後篩選可能與之相互作用的分子。 這被稱為“發現”階段。
新藥必須嚴謹、安全、有效和可信，公司必須找到實現這一目標的正確途徑。 即使人工智慧確實減少了化合物進入臨床前測試所需的時間和成本，大多數候選藥物仍然會在後期失敗。 但只要能加快程序，就是勝利。 工業界和學術界必須利用彼此的優勢來確定如何最好地利用人工智慧。
盧卡諾夫說，人工智慧和機器學習代表了一種令人興奮的新方法，可以提高療效和安全性，並將更多的藥物推向市場。 他指出，人工智慧和機器學習在藥物發現中的應用仍處於早期階段，應該在實驗室中進行驗證，以確保只有最好的候選藥物才能進入臨床試驗。
此外，各種安全功能正在被納入基於人工智慧的藥物開發中。 例如，Biolexis使用多種方法來優先考慮具有高安全性的分子。 該公司首席執行官大衛·J·比爾斯（David J. Beers）表示，機器學習開發的分子的安全性和潛在的意外後果是需要解決的重要問題。
*：科技**。