尋找新藥——稱為“藥物發(fā)現(xiàn)”——是一項昂貴而耗時的任務。但是一種稱為機器學習的人工智能可以大大加快這個過程，并以一小部分的價格完成這項工作。
最近使用了這項技術(shù)發(fā)現(xiàn)了三種有前途的衰老抑制藥物候選物——能夠延緩衰老并預防與衰老相關的疾病的藥物。
衰老抑制藥物通過殺死衰老細胞來起作用。這些細胞是“活著的”(代謝活躍的)，但已經(jīng)無法復制，因此被稱為僵尸細胞。
無法復制并不一定是壞事。這些細胞的DNA受到了損傷——例如，被太陽光線損傷的皮膚細胞——所以停止復制可以阻止損傷擴散。
但是衰老細胞并不總是好事。它們分泌一種由炎癥蛋白組成的雞尾酒，可以傳播到鄰近的細胞。在一生中，我們的細胞遭受了各種攻擊，從紫外線到化學物質(zhì)的暴露，因此這些細胞會積累起來。
衰老細胞的數(shù)量增加與一系列疾病有關，包括2型糖尿病、新冠肺炎、肺纖維化、骨關節(jié)炎和癌癥。
實驗室小鼠的研究表明，使用衰老抑制藥物消除衰老細胞可以改善這些疾病。這些藥物可以殺死僵尸細胞，同時保持健康細胞的存活。
目前已知約80種衰老抑制藥物，但只有兩種在人體上進行了測試：達沙替尼和槲皮素的組合。如果能找到更多可以用于各種疾病的衰老抑制藥物就好了，但是一個藥物要想上市，需要10到20年的時間和數(shù)十億美元的資金。
我和我的同事——包括來自愛丁堡大學和西班牙國家科學委員會IBBTEC-CSIC圣坦德分部的研究人員——想知道我們是否能夠訓練機器學習模型來識別新的衰老抑制藥物候選物。
為了做到這一點，我們用已知的衰老抑制藥物和非衰老抑制藥物的例子來訓練AI模型。模型學會了區(qū)分兩者，并可以用來預測它們以前從未見過的分子是否也可能是衰老抑制藥物。
解決一個機器學習問題時，我們通常先在一系列不同的模型上測試數(shù)據(jù)，因為有些模型往往比其他模型表現(xiàn)得更好。
為了確定最佳模型，在開始過程時，我們將可用訓練數(shù)據(jù)中的一小部分分離出來，并在訓練過程完成之前將其隱藏起來。
然后我們使用這些測試數(shù)據(jù)來量化模型犯了多少錯誤。錯誤最少的那個，就是贏家。
我們確定了最佳模型，并讓它做出預測。我們給了它4340個分子，五分鐘后它就交付了一份結(jié)果清單。
AI模型識別出了21個得分最高的分子，它認為這些分子有很高的可能性是衰老抑制藥物。如果我們在實驗室中測試原來的4340個分子，至少需要幾周的密集工作和5萬英鎊才能買到原料，更不用說實驗機器和設備的成本了。
我們?nèi)缓笤趦煞N類型的細胞上測試這些藥物候選物：健康的和衰老的。結(jié)果顯示，在21種化合物中，有三種(白藜蘆醇、夾竹桃甙和銀杏素)能夠消除衰老細胞，同時保持大部分正常細胞的存活。這些新的衰老抑制藥物隨后進行了更詳細的生物實驗，以了解它們在體內(nèi)是如何起作用的。
這種跨學科的方法——涉及數(shù)據(jù)科學家、化學家和生物學家——所帶來的潛在影響是巨大的。只要有足夠的高質(zhì)量數(shù)據(jù)，AI模型就可以加速化學家和生物學家為尋找疾病治療和治愈而做出的驚人工作——尤其是那些尚未得到滿足的需求。
在衰老細胞中驗證了它們之后，我們現(xiàn)在正在人類肺組織中測試這三種衰老抑制藥物候選物。我們希望在兩年內(nèi)報告我們的下一個結(jié)果。
Vanessa Smer-Barreto，遺傳與分子醫(yī)學研究所，愛丁堡大學
https://www.sciencealert.com/ai-may-have-found-the-most-powerful-anti-aging-molecule-ever-seen
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。 ）
