基于AI的筛查方法可以改善新药的发现

开发挽救生命的药物可能需要数十亿美元和数十年的时间，但是佛罗里达大学的研究人员的目标是通过他们开发的新的基于人工智能的药物筛查过程来加快这一过程。

使用一种使用自然语言处理技术对药物和靶向蛋白质相互作用进行建模的方法，研究人员在识别有希望的候选药物方面达到了高达97％的精度。结果最近发表在期刊上生物信息学的简报。

该技术通过每个蛋白质结合位点的单词来代表药物 - 蛋​​白质相互作用，并使用深度学习来提取控制两者之间复杂相互作用的特征。

UCF的助理教授Ozlem Garibay说：“随着AI的越来越多，这已成为AI可以解决的问题。”工业和管理系统部。“您可以尝试多种蛋白质和药物相互作用的变体，并找出更有可能结合或不绑定的蛋白质。”

他们开发的模型被称为Actentionsitedti，是第一个使用蛋白质结合位点的语言来解释的模型。

这项工作很重要，因为它将帮助药物设计师识别关键的蛋白质结合位点及其功能特性，这是确定药物是否有效的关键。

研究人员通过设计一种自我发挥的机制来实现这一成就，该机制使模型了解蛋白质的哪些部分与药物化合物相互作用，同时实现最新的预测性能。

该机制的自我注意力能力通过选择性地关注蛋白质的最相关部分来起作用。

研究人员使用LAB内实验验证了他们的模型，该实验测量了化合物和蛋白质之间的结合相互作用，然后将结果与模型计算预测的结果进行了比较。由于仍感兴趣的是治疗互联的药物，因此实验还包括测试和验证将与SARS-COV2病毒的尖峰蛋白结合的药物化合物。

加里贝伊（Garibay）表示，实验室结果与计算预测之间的高度一致性说明了对屏幕前有效药物化合物的潜力，并加速了对新药物的探索以及现有药物的重新定位。

UCF的研究合着者兼主席Sudipta Seal说：“这项高影响研究仅是由于材料工程与AI/ML和计算机科学家之间的跨学科合作而进行的，以解决相关的发现。”材料科学与工程系。

Mehdi Yazdani-Jahromi，UCF的博士生工程与计算机科学学院这项研究的主要作者说，这项工作正在引入药物预筛查的新方向。

Yazdani-Jahromi说：“这使研究人员能够使用AI更准确地识别药物以迅速对新疾病做出反应。“这种方法还允许研究人员识别病毒蛋白质的最佳结合位点，可以专注于药物设计。”

他说：“我们研究的下一步将是使用AI的力量来设计新型药物。”“这自然可以是为大流行准备的下一步。”

参考：Yazdani-Jahromi M，Yousefi N，Tayebi A等。ActentionsitedTi：使用NLP句子级关系分类的基于图形的基于图形的基于图形的模型。生物信息学的简报。2022; 23（4）：BBAC272。doi：10.1093/bib/bbac272