← 返回首頁

先生成分子指紋,再找現成化合物:AI篩藥找到兩項早期線索

匹茲堡大學團隊讓生成式AI提供搜尋線索,從化學資料庫挑選可供實驗的分子。CB2與HER4測試各找到一項具有活性的化合物,也顯示計算預測距離藥物療效還有多遠。

By SURL BioNews

藥物探索的一道難題,是電腦提出的分子能否真正走進實驗室。即使預測結果理想,合成困難也可能讓研究停步。匹茲堡大學團隊採取另一條路:讓AI先生成描述化學特徵的「分子指紋」,再到資料庫尋找相似的現有化合物,將抽象設計轉成可以取得、接受檢驗的研究材料。

這套名為FSGLD的藥物先導探索流程,由該校Junmei Wang實驗室開發,研究於10月28日刊登在《Science Advances》,校方並於11月10日介紹成果。它把生成模型、資料庫檢索與分層計算篩選串在一起,目的是替早期藥物研究縮小候選範圍,找出值得投入實驗的分子。

核心工具DRUG-GAN是一種生成對抗網路:生成器提出分子指紋,判別器則學習辨認它們與真實分子資料的差異。指紋是化學特徵的數位編碼,並非完整的分子結構;團隊因此將生成結果當作搜尋條件,從ChEMBL與ZINC等資料庫找出相似化合物,再透過分子對接、動態模擬與結合自由能計算安排驗證順序。這讓研究在此階段可以使用現成分子,減少從頭合成的需求。

研究涵蓋G蛋白偶聯受體與蛋白激酶,實驗結果則提供了比計算排名更嚴格的檢驗。在第二型大麻素受體CB2的測試中,九項候選化合物只有ZINC77179032測得結合活性,結合常數Ki為3.77微莫耳;其餘八項在該實驗條件下未測得可偵測的結合。這個結果既找到了後續研究的起點,也提醒人們:通過多層計算篩選,仍不保證分子能與標的結合。

另一組實驗針對受體酪胺酸激酶HER4,研究者測試兩項候選物,其中ZINC33279960呈現隨濃度增加而增強的激酶抑制作用,半數抑制濃度IC50為8.615微莫耳。這支持它作為早期活性化合物繼續研究,但CB2的結合測試與HER4的酵素抑制測試衡量的是不同現象,不能把兩組數字直接排成藥效高低。

資料庫驗證也有需要辨明的界線。論文指出,CB2模型的活性訓練資料來自ChEMBL,因此從同一資料庫重新找到已知活性分子,可能涉及訓練資料重疊或相近結構。這類結果較能說明模型會把搜尋導向相關化學特徵,不能單獨證明它發現了全新的分子;從ZINC挑選化合物再做實驗,則補上了另一層證據。

目前最具體的成果,是兩項具有微莫耳等級活性的早期命中物,而非已確立的治療候選藥。它們的活性、選擇性、體內作用與安全性,都需要後續研究;現有結果尚未證明人體療效。FSGLD提供的實際價值,是讓AI產生的線索更容易接受實驗檢驗,至於能否因此提高藥物開發的成功率,仍須更廣泛的比較與驗證。

References

  1. Phys.org / University of Pittsburgh
  2. Science Advances / PubMed Central
  3. University of Pittsburgh