科技日報北京5月14日電 （記者張夢然）美國加州大學(xué)圣迭戈分校科學(xué)家開發(fā)了一種機器學(xué)習(xí)算法，來模擬藥物發(fā)現(xiàn)早期階段耗時的化學(xué)過程，其可以顯著簡化研發(fā)流程，同時也為前所未有的治療找到新途徑?？茖W(xué)家借助這一工具，已合成出32種治療癌癥的新候選藥物。相關(guān)研究成果發(fā)表在新一期《自然·通訊》上。

識別候選藥物以進(jìn)行進(jìn)一步優(yōu)化，通常需要數(shù)千次單獨的實驗，但新的人工智能（AI）平臺可在很短的時間內(nèi)得出結(jié)果。這個名為POLYGON的新平臺可識別多靶點藥物，而現(xiàn)有的篩選流程則優(yōu)先考慮單靶點藥物。多靶點藥物與聯(lián)合療法具有相同的益處，即幾種不同的藥物共同用于治療癌癥，效果更好且副作用更小。

研究人員在一個包含超過100萬個已知生物活性分子的數(shù)據(jù)庫上對POLYGON進(jìn)行了訓(xùn)練。該數(shù)據(jù)庫涵蓋了分子的化學(xué)性質(zhì)以及與蛋白質(zhì)靶標(biāo)相互作用的詳細(xì)信息。通過學(xué)習(xí)數(shù)據(jù)庫中的模式，POLYGON能生成新候選藥物原始化學(xué)式等信息。

為了測試平臺有效性，研究人員利用其生成了數(shù)百種針對多種癌癥相關(guān)蛋白對的候選藥物。從這些候選藥物中，他們成功合成出32種藥物，這些藥物可與MEK1和mTOR這兩種細(xì)胞信號蛋白相互作用。MEK1和mTOR是癌癥聯(lián)合治療中備受關(guān)注的潛在靶點，被科學(xué)界稱為“綜合致死蛋白”，同時抑制這兩種蛋白被認(rèn)為足以殺死癌細(xì)胞。