自1995年以来，《自然医学》一直在记录医疗技术和保健领域的进展。为了纪念该期刊成立30周年，每个月都会突出一个对未来医学至关重要的主题。与这一主题一致，《自然医学》1月刊的首篇文章《人工智能在药物发现中的应用》回顾了下一代药物开发的进展，探讨了人工智能（AI）和量子计算的变革潜力及其应用。
目标识别
通过利用庞大的生物数据库，AI可以识别有前途的药物靶点，如小分子靶点、蛋白质和核酸。过去的技术，例如亲和力下拉和全基因组敲低，速度慢且容易出错。AI通过加速复杂生物网络中大数据集的收集和分析来解决这些限制。作者报告称，AI通过构建多组学数据网络，有助于识别疾病相关的分子模式和因果关系，从而促进候选药物靶点的发现。
从头药物设计
AI大大简化了新化合物的设计，采用虚拟筛选等技术高效分析大量潜在药物候选物。例如，特别是深度学习，AI已实现自动化识别符合特定要求的新结构，绕过了传统专业知识的需求。
筛选
AI简化了新化合物的设计，采用虚拟筛选等技术高效筛选大型库。例如，基于受体-配体对接模型的AI可以预测配体的空间转换，并直接生成复杂的原子坐标。
预测药物特性
AI模型能够预测关键药物特性，如吸收、代谢和毒性。这些预测使研究人员能够在开发早期集中于最有前途的药物候选物。
合成规划和药物发现
化学合成新化合物在小分子发现中是一项高度技术性和极其繁重的任务。计算机辅助合成规划（CASP）和有机化合物的自动合成可以加速发现过程，通过去除化学家的重复性任务。
ADMET
ADMET（吸收-分布-代谢-排泄-毒性）在决定药物效力和安全性方面起着关键作用。AI技术补充了湿实验室评估，可以帮助减少由于不良特性导致的失败。这些预测使研究人员能够在药物发现过程的早期集中于最有前途的药物候选物。
药物再利用
AI用于通过分析生物数据模式识别现有药物的新用途，加快各种条件的新治疗方法的开发。
优化临床试验
临床试验成本高昂、耗时且效率低下。药物开发者面临临床试验注册延迟或难以找到足够志愿者的挑战。AI有潜力优化试验设计、简化招募并帮助生物标志物发现，从而提高成功率和研究效率。AI还可以支持持续安全监测、不良事件报告和药物警戒合规，确保药物的长期安全性和有效性。
展望2055年医学
到2055年，医疗可能会从反应型模式转变为积极、个性化和预防型模式。多组学（整合基因组学、转录组学、蛋白质组学和代谢组学）的进步可能使个体疾病风险的精确预测成为可能。通过可穿戴和植入式生物传感器连续监测生物标志物可以在症状出现之前进行早期干预。
(全文结束)