世界各地的人和制藥公司都越來越受到抗生素抗性細菌以及迅速發(fā)展的新病原體的挑戰(zhàn)。同時，新藥的發(fā)現(xiàn)可能是一個緩慢而昂貴的過程，因為公司必須確保其藥物既有效又安全。目前，開發(fā)一種新藥并獲得批準(zhǔn)平均需要10年時間，且費用超過20億美元。現(xiàn)在，由計算機科學(xué)系副教授Supratik Mukhopadhyay和生物科學(xué)系副教授Michal Brylinski領(lǐng)導(dǎo)的跨學(xué)科LSU團隊建議在計算和技術(shù)中心聯(lián)合使用人工智能（AI ），以嘗試解決這一日益嚴重的問題。

這個名為“深層藥物”的研究小組正在利用計算機科學(xué)的深度學(xué)習(xí)技術(shù)以及生物學(xué)和化學(xué)領(lǐng)域已知生物活性化合物的大量數(shù)據(jù)集，來教授其名為eSynth的工具，以發(fā)明或確定對特定細菌有效的化合物。

另一方面是確保所鑒定的化合物是安全的。為此，團隊正在開發(fā)另一個名為eToxPred的模塊。雖然對治療性化合物進行臨床毒理學(xué)測試以確定安全性既耗時又昂貴，但制藥公司可以使用eToxPred預(yù)測哪些化合物可能引起毒性作用并傷害患者。該團隊還在開發(fā)另一個名為eDrugRes的基于人工智能的模塊，該模塊可以檢查病原體的蛋白質(zhì)-蛋白質(zhì)相互作用網(wǎng)絡(luò)，以預(yù)測對已知藥物的敏感性和/或耐藥性。

到目前為止，該團隊已經(jīng)使用20408種生物活性化合物對102個代表許多重要藥物靶標(biāo)的受體蛋白進行了eSynth測試。Deep Drug希望eSynth將臨床前藥物發(fā)現(xiàn)和測試的時間從平均三年減少到6到8個月。

Michal Brylinski說：“我們正在整合大量的生物學(xué)數(shù)據(jù)，并且數(shù)據(jù)非常復(fù)雜且難以分析，這就是我們需要人工智能的原因。重要的是，我們沒有進行任何實驗就可以這樣做。這只是AI告訴我們何時合成一種新藥。如果某種細菌具有耐藥性，那么AI可以幫助我們找到另一種可能有效的藥物。唯一的輸入將是病原體的DNA序列，然后AI可以找出殺死它的原因。不用讓很多人接受測試，我們只需使用計算機即可。”

Mukhopadhyay說：“這是一個嘗試解決月球問題的機會，這是一個非常困難的問題。” “為此，我們需要一個跨學(xué)科團隊。當(dāng)我碰巧看到Michal的談話之一時，我說：“這是我需要的人。”

Brylinski的專業(yè)知識是計算微生物學(xué)和化學(xué)。

他說：“我不足以強調(diào)在這個項目上合作的價值。” “就我個人而言，如果沒有人工智能，我將永遠做不到這樣的事情。同時，為了使用AI，計算機科學(xué)家需要與領(lǐng)域科學(xué)家聯(lián)系以解決現(xiàn)實問題。”

“這是一個大型項目，是我們從未做過的事情，” Brylinski繼續(xù)說道。“我們正在整合大量的生物數(shù)據(jù)，并且數(shù)據(jù)非常復(fù)雜且難以分析，這就是為什么我們需要人工智能。重要的是，我們無需進行任何實驗即可完成此操作;這只是AI告訴我們何時合成一種新藥。如果某種細菌具有耐藥性，那么AI可以幫助我們找到另一種可能有效的藥物。唯一的輸入將是病原體的DNA序列，然后AI可以找出殺死它的原因。不用讓很多人接受測試，我們只需使用計算機即可。”

布賴林斯基將團隊將AI用于藥物發(fā)現(xiàn)的技術(shù)與自動駕駛汽車工程師的技術(shù)進行了比較。

他說：“在汽車中，人工智能從傳感器中獲取大量數(shù)據(jù)，然后必須決定何時停止或何時加速。” “我們正在做非常相似的事情。我們正在從實驗中收集大量數(shù)據(jù)，以訓(xùn)練我們的AI能夠做出正確的決定，是否合成一種藥物以及知道某種藥物是否有效。”

計算機科學(xué)研究生Adam Bess正在與Mukhopadhyay和Brylinski合作進行Deep Drug項目。他的本科學(xué)位是生物學(xué)和計算機科學(xué)，在去年進入LSU之前，他在生物信息學(xué)領(lǐng)域工作了幾年。

貝斯說：“我最興奮的是創(chuàng)建一個工具包和豐富的數(shù)據(jù)集，任何研究人員都可以使用它來深入分析不同種類的藥物和細菌。” “總的來說，我們可以做更多的整合科學(xué)，并互相幫助推動整個項目向前發(fā)展。”

IBM Watson AI XPRIZE是一項全球競賽，鼓勵研究人員團隊開發(fā)基于人工智能的強大應(yīng)用程序，并演示人類如何與AI合作以應(yīng)對世界上最大的挑戰(zhàn)。LSU團隊現(xiàn)在是準(zhǔn)決賽選手，他們將獲得$ 15，000的里程碑獎金，以贏得$ 3百萬的大獎，該獎項將授予2016年原有147組中剩下的10組中的一支。第二和第三名的團隊將獲得分別為100萬美元和50萬美元。

預(yù)計排名前三的團隊將在2020年2月宣布，并將在溫哥華的TED2020上展示他們的工作，主題為“未知”。