未来医学：物理学、生物学和AI将如何改变人类健康
查克·布鲁克斯（Chuck Brooks）撰稿
观点由福布斯撰稿人表达，仅代表其个人观点。
全球网络安全和新兴技术思想领袖
2024年10月22日，13:11 EDT 更新于 2024年10月22日，14:37 EDT
- 分享到Facebook * 分享到Twitter * 分享到LinkedIn
摘要发光的DNA分子。医生使用平板电脑并通过虚拟界面检查分析人类染色体DNA基因。医学。医学科学和生物技术。
本文由查克·布鲁克斯（Chuck Brooks）和托马斯·A·塞卢奇博士（Dr. Thomas A. Cellucci, MBA）合著
受技术创新影响最大的行业垂直领域是医学、生物技术和健康。这些行业将在不久的将来见证技术革新的显著增长。
二十年前，克雷格·温特尔（Craig Venter）和丹尼尔·科恩（Daniel Cohen）曾说：“如果20世纪是物理学的世纪，那么21世纪将是生物学的世纪。”自那时以来，生物技术和生物科学领域取得了令人惊叹的进展，未来还将有更多惊人的突破。在过去十年中，我们在人工智能领域取得了重大进展，这将对人类的每一项事业产生深远的影响。现在，物理学、生物学和AI的融合将对人类的影响远超任何一个单独的领域。尽管成功整合这些领域的路径既不简单也不明确，但如果方法得当，将彻底改变医学和人类健康。
人类基因组计划只是寻找人类疾病治疗方法旅程的开始。我们的基因仅仅是制造不同蛋白质的代码本。这些蛋白质是细胞结构的基本构建块，负责其核心功能。了解疾病的生物学过程意味着识别导致该疾病的具体蛋白质或蛋白质组合。要治疗这种疾病，需要一种治疗剂。这种治疗剂通常以药片或注射的形式给予，含有能与疾病相关蛋白结合并改变其功能的活性药物分子。
找到人类疾病治疗方法的关键步骤如下：
- 确定哪些蛋白质与疾病有关
- 确保可以生产这些蛋白质并确定其结构，无论是通过实验还是计算机模型
- 找到这些蛋白质的结合剂（这些结合剂是药物候选物，这是最重要的一步）
- 首先在体外测试这些结合剂，然后进行动物试验，最后选择最佳的药物候选物进行人体临床试验
第一步：识别目标蛋白质
过去三十年来，世界各地的实验室进行了大量工作，以识别各种疾病中涉及的蛋白质。这项工作将继续进行，而基于AI的知识图谱可以补充和加速生物学家的工作。为了绘制和表征由人类基因组编码和产生的所有蛋白质，科学家们启动了人类蛋白质组项目（HPP）。迄今为止，HPP已经表征了19,778种估计构成人体的蛋白质中的18,397种。然而，据估计，只有10,248种蛋白质在人类疾病中发挥作用。这一子集的蛋白质是科学家们所说的“可药物”蛋白质组。
第二步：分离目标蛋白质并确定其结构
为了验证药物候选物是否有效，必须将其测试与疾病相关的靶标蛋白质。分离靶标蛋白质非常重要，以确保有可用的靶标蛋白质用于测试药物候选物并确定其三维结构。一些蛋白质很容易分离和纯化；另一些只能与其相关的细胞机制一起生产。科学家们在通过X射线晶体学和核磁共振（NMR）确定这些靶标蛋白质的三维结构方面取得了巨大进展。这些结构可以在蛋白质数据银行（PDB）等数据库中免费获取。现在，AI正在帮助确定那些尚未通过实验验证结构的蛋白质的结构。
第三步：寻找药物候选物
最关键的一步
一旦目标蛋白质被正确表征，就开始了真正艰巨的挑战——寻找能与蛋白质结合并有效干预疾病过程的类药物分子。如果找不到能与目标蛋白质结合的药物候选物，那么前两步的所有工作都将付诸东流。所谓的“小分子药物”是现代医学的支柱。大多数药物都是小分子。这些低分子量有机分子不仅能与细胞外的疾病相关蛋白质结合，还能穿过细胞膜与细胞内的目标蛋白质结合。通常作为稳定的口服药物提供，小分子药物还可以高效地生产和分发。
一个充满挑战的过程
寻找小分子药物候选物主要依赖于试错法。将分离和纯化的蛋白质与实验室储存的先前合成化合物集合进行测试，以寻找化学反应迹象，希望找到结合剂。但这种方法有一个根本性的局限性。在过去的150年里，人类制造的类药物小分子结构或化学类型不到1000万种。然而，根据化学规则，可能存在的独特类药物小分子化学类型的总数估计从一亿亿（即10^33，或1后面加33个零）到一亿亿亿亿（10^60，或1后面加60个零）不等。
即使能够神奇地加速新化学结构的创造，每秒创建一个新结构，也需要超过三亿亿年（即3加上25个零）才能创建一亿亿种化学类型。这远远超过了目前估计的宇宙年龄！换句话说，通过蛮力合成和测试来找出哪些小分子可以成为有效的药物是一项完全不可能的任务。
一些公司转向AI作为替代试错实验的方法。但AI真的能在小分子药物发现领域发挥作用吗？AI只能生成与训练数据中见过的例子相似的解决方案。期望AI找到没有现有数据支持的药物候选物，就像期望仅用大量英文网页文本训练的ChatGPT突然用完美的俄语构造句子一样不合理。AI会找到与已知的少于1000万种化学类型相似的类药物分子，但它无法探索其他一亿亿多种可能性。基于现有数据训练的AI无法揭示一亿亿种未研究化合物的秘密。
如果制药公司能够在计算机上设计从未制造过的分子，并在不实际制造分子、分离蛋白质和进行实验的情况下确定它们是否会与目标蛋白质结合，那该有多好？我们已经在其他领域每天依赖这样的技术。例如，没有人会在实际建造建筑物或桥梁之前竖立缩小比例的模型来查看它们是否会站立。
但在水中模拟药物分子如何与蛋白质结合的量子物理是一个极其复杂的挑战。尝试模拟具有数千个原子的蛋白质与具有数百个原子的类药物分子之间的相互作用很快就会变得难以解决，甚至超出最先进云计算的计算能力。为了应对这种极端复杂性，大多数基于模拟的药物发现技术公司发现必须做出巨大的妥协。这些妥协包括对物理的粗略近似和计算捷径。而这些妥协不可避免地导致了在模拟分子相互作用时出现严重的不准确性。
基于AI和基于物理的方法都是死胡同吗？不尽然。各种公司仍在尝试这两种方法。然而，达到足够的准确性需要在蛋白质-药物相互作用的物理建模方面取得重大基础性进展。辉瑞前研发战略高级副总裁罗伯特·卡尓（Robert Karr）指出，有一家公司Verseon建立了无缝平台，结合了专有的物理和AI进步。他的话说：“Verseon的颠覆性平台改变了药物的发现和开发方式，该公司有望对现代医学产生巨大影响。”诺贝尔奖得主哈特穆特·米歇尔（Hartmut Michel）在审查该公司的药物发现平台后表示：“Verseon在蛋白质-药物相互作用的量子力学建模方面的基本进展非常令人印象深刻。”
Verseon开发了技术，在计算机上设计从未制造过的新型药物分子。该公司在量子物理建模方面的进步，称为深度量子建模（DQM），足够准确，可以在实验室制造和测试之前确定其计算设计的新类药物分子是否会与目标蛋白质结合。而基于这些DQM识别的新分子数据训练的AI将有助于生成更多的变体，从中挑选出最佳的临床试验候选物。
第四步：体外、临床前和临床测试
所有新的药物候选物仍需经过临床前和临床试验，以充分确立其安全性和有效性。这个过程通常需要数年时间才能完成，加快有前途的新疗法进入市场的流程改进将是一大福音。AI可以帮助监管文件的准备。Weave就是一个例子，该公司销售利用AI简化IND（新药研究申请）准备过程的解决方案。IND准备是自动化可以带来好处的一个领域。该公司宣称其能够更快地创建IND而不牺牲质量，并提供对IND文件数据组织的更大控制。
在临床前过程中使用人类器官样体测试是一种新兴技术，可以显著改善药物在临床试验中的行为特征。器官样体是使用成人干细胞生成的人体器官的微型版本。从患者和试验志愿者取样后，这些实验室培养的复制品模仿各种器官的功能。在器官样体上测试药物候选物可以提供很多线索，了解人体对药物候选物的反应，从而在人体试验之前。
美国食品药品监督管理局（FDA）等监管机构负责筛选进入试验管道的不安全和无效的药物候选物。但一旦药物候选物进入临床阶段，审批过程通常需要数年时间。漫长的等待让急于将创新产品推向市场的公司和迫切需要解决严重医疗状况的患者感到沮丧。加速这一过程的必要性并未被监管机构忽视。美国FDA设立了快速通道和突破性疗法指定等流程，以加速展示独特治疗特性的新型药物的临床试验过程。
充分利用物理学、生物学和AI的进步
假设制药开发生态系统充分利用并协调上述进步，医学能实现什么？
阿迪托·普拉卡什（Adityo Prakash）和汤姆·塞卢奇（Tom Cellucci）在他们最近发表于《国土安全今日》的文章中指出了其中的一些影响。他们从行业和国家安全的角度探讨了这一主题。阿迪托·普拉卡什是Verseon的首席执行官，他创立Verseon是为了改变世界寻找新药的方式。汤姆·塞卢奇在克林顿和乔治·W·布什总统任内推动了美国的纳米技术议程，并在美国国土安全部（DHS）担任美国联邦政府首位商业化官员，分别在布什和奥巴马政府任职。普拉卡什和塞卢奇指出，目前医学仅发现了与人体中670种可药物蛋白质结合的药物候选物。他们认为，更好的药物候选物发现方法和所需测试的简化将加速朝着能够解决所有10,248种可药物蛋白质的目标迈进。一旦实现这一目标，医学将能够以极高的精度干预在人类寿命过程中逐渐发展的疾病过程。能够精确控制人体中所有可药物蛋白质将促进敏捷治疗开发，作为抵御试图进入我们细胞的新感染剂的第一道防线。
新兴的医疗和生命科学技术正在促进内在进化。科学家们利用呈指数增长的健康和疾病状态数据，通过数据分析和从这些数据生成的AI驱动洞察，加深了对参与疾病进展的蛋白质协同作用的理解，以及治疗和预防的最佳途径。
鉴于大多数主要疾病都与衰老有关，调节体内蛋白质的功能将使医学能够比今天更长时间地保持年轻和无病状态，甚至最终从细胞水平部分恢复我们的身体。这些进步可能会使80岁、90岁甚至100岁变成新的50岁。但在实现如此显著的人类健康跨度增加之前，朝着解决大部分可药物蛋白质组的方向前进将带来一系列令人惊叹的新药。这些药物将比今天更好地治疗许多疾病。那时，21世纪确实将成为生物学的世纪。
(全文结束)
