问答:华盛顿大学研究人员如何利用人工智能加速药物发现与开发Q&A: How UW researchers are using AI to speed up drug discovery and development | UW News

环球医讯 / AI与医疗健康来源:www.washington.edu美国 - 英语2026-11-14 02:09:45 - 阅读时长6分钟 - 2566字
华盛顿大学药学院新成立的药物递送与处置创新研究所(I2D3)汇集人工智能、药物发现、药理学、数据科学与生物技术专家,试图解决从有前景的分子到真正可用药物之间的转化瓶颈。文章以问答形式介绍药物候选物为何在优化和临床试验中大量失败,AI如何加速候选分子筛选、预测人体内药物处置与个体化用药,并讨论数字孪生、孕期用药可及性以及该研究所与蛋白质设计研究所等校内力量的协作定位。
健康人工智能药物发现药物开发药物递送药理学个体化治疗数字孪生临床转化华盛顿大学
问答:华盛顿大学研究人员如何利用人工智能加速药物发现与开发

问答:华盛顿大学研究人员如何利用人工智能加速药物发现与开发

药物开发是现代科学中最缓慢、最易失败的过程之一,约90%的药物候选物从未进入市场。如今,人工智能方法已加速了第一步——从无穷可能性中筛选出有前景的分子——但无数挑战依然存在。一种成功的药物不仅必须安全有效,还必须能够绕过人体防御并抵达正确靶点。

大多数药物候选物未能通过此类优化。华盛顿大学一个新成立的研究所正将注意力集中于此。药物递送与处置创新研究所(I2D3)设在华盛顿大学药学院内,汇集人工智能、药物发现、药理学、数据科学和生物技术领域的专家,以缓解从有前景的分子到成功药物之间的瓶颈。

该研究所于2026年7月成立,由三位华盛顿大学教职人员领导:药物化学副教授高拉夫·巴尔达瓦杰(Gaurav Bhardwaj)负责研究所的人工智能驱动分子设计;尼娜·伊索赫兰嫩(Nina Isoherranen)是米洛·吉巴尔迪药剂学讲席教授、药物代谢与处置专家;马尔科·普拉韦托尼(Marco Pravetoni)是华盛顿大学医学院精神病学与行为科学教授,领导药物发现、转化和商业化工作。

UW News采访了三位联合主任,讨论药物候选物为何失败、人工智能如何加速药物开发,以及I2D3希望如何帮助药物更快进入市场。

一个有前景的分子与一种成熟药物之间有何区别?需要考虑哪些性质,开发者又如何朝着这些性质努力?

高拉夫·巴尔达瓦杰: 这确实取决于你所针对的疾病适应证和治疗模式。假设你有一个有前景的分子,能与致病蛋白相互作用。递送就变得同样重要——我们需要口服递送的药物吗?需要穿过血脑屏障吗?如果疾病需要每日给药,那么注射或静脉注射方法并不理想。如果是口服递送,那么分子需要能够穿过肠道屏障,还需要足够稳定,不会被身体分解掉。它还必须在体内停留合理的时间。一个成功的药物分子必须满足所有这些以及更多标准,而最终所有这些标准都由分子的序列和结构所编码。

该研究所致力于药物开发中常被忽视的方面。你认为该研究所能够帮助解决什么问题?

GB: 传统药物发现与开发是一个基于试错的过程。你要么在自然界找到一种有用的分子,并花费数年将其优化以用于人体;要么创造大量随机的分子组合,希望其中一种具有你所需的功能。这两种方法都极不成功,从而造成了瓶颈。

现在该领域也在关注一个名为合理药物设计的理念。它在人工智能出现之前很久就已开始,但如今正变得更加普遍。人们正在使用人工智能方法设计新分子。然而,大量工作仍集中在第一步——找到一种能与特定蛋白结合、或在体内具有特定功能的分子。那仍然不是药物,只是更多候选物。

瓶颈现在已经转移。不再是找到第一个分子,而是如何添加所有其他类药性质?这正是该研究所试图做的事。让我们构建模型,最终使制造出的分子能够在整个药物开发管线中一路成功。

马尔科·普拉韦托尼: 我也把我们的工作视为加速发现。我研究物质使用障碍,我的实验室开发靶向体内药物的疫苗、抗体和下一代抗体样分子。借助这些新工具,我们不必在实验室里设计10个抗体候选物,而可以设计1000个甚至更多,然后积累足够数据来降低风险,使我们带入临床试验的东西更有可能成功。人工智能可以在其中做很多工作。

你们如何让药物候选物更有可能在试验中成功?

妮娜·伊索赫兰嫩: 部分在于在药物尚未给予人体之前,预测药物在人体内会发生什么。这应能提高成功率,并消除进行大量不成功试验的浪费。

我们还可以构建机器学习和人工智能方法,预测药物在个体体内的处置。我们今天所谈的“数字孪生”,指的是个体患者及其特征的计算模型。例如,你的肾功能如何?你的体重指数是多少?等等。然后我们生成你的数字版本。接着我们可以预测某种药物在你体内会如何表现,并制定最佳策略。

这里还有一个治疗可及性问题。妊娠是一个很好的例子——我们常常不知道药物在孕妇体内如何起作用,因为我们从未做过试验。为安全起见,我们说孕妇不应服用这些药物,但这意味着她们无法获得可能非常有益的药物治疗。如果我们能用人工智能和机器学习预测孕妇对药物的反应,以及她们的身体处理药物的方式与非孕妇有何不同,我们就能让更多药物可及。

现在有了人工智能和机器学习,我认为我们可以达到一个能够真正采样全部可能性空间的地步。

你们正在构建的方法如何帮助这些个体化治疗?

NI: 我们知道药物在不同人身上表现不同。即使我们给予完全相同药物和浓度,人们仍可能因我们身体固有的因素而产生不同反应。

在药物开发期间,需要对候选药物进行研究,以观察不同人群中的反应。在药物获批之前,你需要了解例如肝病将如何改变对该药物的暴露量,以及是否需要调整剂量。关于药物相互作用有很多指导原则。药剂师一直在管理药物相互作用,但当多种患者因素组合在一起时,情况会变得非常复杂。现在,如果我们有好的预测工具,就可以预测将会发生什么,而不必进行试验。

这里的最终目标是,能够使用基于模型的计算工具,在给任何个体用药之前预测其体内将会发生什么。什么是正确剂量?什么是正确给药时机?

UW已经确立了其在这些领域的领导者地位。我尤其想到华盛顿大学医学中心蛋白质设计研究所(IPD),其主任戴维·贝克(David Baker)最近获得了诺贝尔化学奖。I2D3如何融入更广泛的UW生态系统?

MP: IPD是设计新型蛋白质的世界领先者,UW还通过转化健康科学研究所(ITHS)拥有出色的临床测试和实施能力。然而,在发现和临床应用之间仍存在一个关键的转化空间——一个专注于将有望创新的成果转化为可行治疗产品所需的药物开发的空间。这正是I2D3可以发挥领导作用的地方。

例如,当IPD的研究人员开发出一种新蛋白质时,I2D3可以尽早与他们合作,处理制剂、可制造性、稳定性、递送以及其他关键药学考量,这些对于将发现推进到临床并最终推向市场至关重要。I2D3将作为一个核心转化合作伙伴,帮助弥合创新与实施之间的差距。

IPD在蛋白质设计方面带来无与伦比的优势,ITHS提供临床转化方面的专长,而I2D3贡献推动发现成果跨越转化连续谱所需的药物开发和药学能力。这些组织合在一起,可以创建一个强大且高度整合的生态系统。

如需了解更多信息,请访问I2D3网站;如需联系研究人员,请联系奥尔登·伍兹(Alden Woods)。

猜你喜欢
  • 没喝酒却感觉醉了?医生解释将碳水化合物转化为酒精的罕见疾病没喝酒却感觉醉了?医生解释将碳水化合物转化为酒精的罕见疾病
  • AI如何改变神经调控的未来AI如何改变神经调控的未来
  • 常见心脏增厚疾病患者迎来药物希望常见心脏增厚疾病患者迎来药物希望
  • FDA批准首款同类降胆固醇药片,疗效与注射药物相当FDA批准首款同类降胆固醇药片,疗效与注射药物相当
  • 脂肪水肿有药物治疗吗?脂肪水肿有药物治疗吗?
  • 治疗注意缺陷多动障碍(ADHD)的药物滥用情况是在好转还是恶化?治疗注意缺陷多动障碍(ADHD)的药物滥用情况是在好转还是恶化?
  • 自GLP-1药物上市以来,减肥药物网络搜索量增长25倍自GLP-1药物上市以来,减肥药物网络搜索量增长25倍
  • FDA要求GLP-1药物新增关于可导致永久性失明的罕见疾病的警告标签FDA要求GLP-1药物新增关于可导致永久性失明的罕见疾病的警告标签
  • 孕期使用Ozempic和Wegovy:科学家正在发现什么孕期使用Ozempic和Wegovy:科学家正在发现什么
  • 研究发现:体重过轻的高血压患者心血管风险增加研究发现:体重过轻的高血压患者心血管风险增加
热点资讯
全站热点
全站热文