有人说,新冠肺炎在很多方面都是一个代际挑战。但同时,它也成为人类团结、创新和发展的“催化剂”。比如,实现人工智能(AI)和机器学习(ML)在药物发现方面的潜力,利用算法寻找能够抑制SARS-CoV-2的抗病毒药物。
今天给大家分享的是Current Research in Pharmacology and Drug Discovery杂志7月26日发表的文章《Artificial intelligence-driven drug repurposing and structural biology for SARS-CoV-2》。该文介绍了人工智能和机器学习在抗击致命的新冠肺炎大流行中的应用概况。作者通过Dimensions数据库按照PRISMA声明进行系统的文献搜索和分析,关键词包括COVID19、SARS-CoV-2、药物再利用、人工智能、机器学习、深度学习和“神经网络”,研究时间限定为2020年1月1日至2021年3月31日。最终有26项研究符合最终标准并纳入研究。
新型冠状病毒病(新冠肺炎)已成为影响人们生活、造成大量死亡的前所未有的公共卫生危机。截至2021年6月,全球报告的确诊病例超过1.78亿例,报告的死亡人数超过388万人。感染和死亡人数仍在增加。随着新冠肺炎大流行的持续蔓延,世界各地的科学家和医疗保健提供者正在努力以更好地理解、缓解和抑制其传播。SARS-CoV-2是一种正向单链RNA病毒,由约30kb的基因组组成,除16个非结构蛋白(NSP)外,还编码4种主要结构蛋白,包括刺突蛋白(S)、小膜蛋白(E)、膜蛋白(M)和核衣壳蛋白(N)。
人工智能(AI)方法被广泛用于公共卫生、疾病预测和药物开发。机器学习(ML)是人工智能的一个子集,通过模型学习和研究数据并做出推断。随着深度学习(DL)的出现,与其他计算机辅助模型相比,从原始数据中自动提取特征导致了性能的提高。不同的DL算法被用于抗击新冠肺炎,包括人工神经网络(ANN)、卷积神经网络(CNN)和长短期记忆(LSTM)。
如图1所示,人工智能最近在新冠肺炎中的应用包括药物再利用以及新化合物的虚拟筛选,基于ML的分子对接已被广泛使用,此外,DL的应用为新药设计提供了新的思路,如生成性自动编码器(GAE)和生成性对抗网络(GAN)来生成基于数据的分子,或使用诸如变分自动编码器(VAE)等生成模型来生成原子序列。DL的自动特征提取能力能够以更好的精度和更可靠的结果支持模型,模型展示的生成能力可以在很大程度上被利用来创造小分子药物和更好的表位预测,将试验中失败的概率降至最低。