加州大學(xué)圣地亞哥分校醫(yī)學(xué)院的研究人員在2021 年 7 月 12 日的《自然通訊》在線問(wèn)題上描述了一種新方法，該方法使用機(jī)器學(xué)習(xí)來(lái)尋找疾病靶點(diǎn)，然后預(yù)測(cè)藥物是否有可能獲得 FDA 的批準(zhǔn)。
研究結(jié)果可能會(huì)顯著改變研究人員篩選大數(shù)據(jù)以尋找對(duì)患者、制藥業(yè)和國(guó)家醫(yī)療保健系統(tǒng)具有重大益處的有意義信息的方式。
學(xué)術(shù)實(shí)驗(yàn)室以及制藥和生物技術(shù)公司可以訪問(wèn)無(wú)限量的“大數(shù)據(jù)”和比以往任何時(shí)候都更好的工具來(lái)分析此類(lèi)數(shù)據(jù)。然而，盡管技術(shù)取得了這些令人難以置信的進(jìn)步，但如今藥物發(fā)現(xiàn)的成功率仍低于 1970 年代。”
Pradipta Ghosh，醫(yī)學(xué)博士，該研究的資深作者，加州大學(xué)圣地亞哥醫(yī)學(xué)院醫(yī)學(xué)和細(xì)胞與分子醫(yī)學(xué)系教授
“這主要是因?yàn)樵谂R床前近交模型中完美發(fā)揮作用的藥物，例如實(shí)驗(yàn)室小鼠，在基因或其他方面彼此相同，不會(huì)轉(zhuǎn)化為臨床中的患者，在那里每個(gè)個(gè)體和他們的疾病都是獨(dú)一無(wú)二的。這是診所的這種可被認(rèn)為是任何藥物發(fā)現(xiàn)計(jì)劃的致命弱點(diǎn)。”
在這項(xiàng)新研究中，Ghosh 及其同事用加州大學(xué)圣地亞哥分校網(wǎng)絡(luò)醫(yī)學(xué)研究所 (iNetMed) 內(nèi)開(kāi)發(fā)的兩種新方法取代了臨床前藥物發(fā)現(xiàn)的第一步和最后一步，該方法聯(lián)合了多個(gè)研究學(xué)科，以開(kāi)發(fā)新的解決方案來(lái)推進(jìn)生命科學(xué)和科技，促進(jìn)人類(lèi)健康。
研究人員使用炎癥性腸病 (IBD) 的疾病模型，這是一種復(fù)雜的、多方面的、復(fù)發(fā)性自身免疫性疾病，其特征是腸道內(nèi)壁發(fā)炎。由于 IBD 會(huì)影響所有年齡段的患者并降低患者的生活質(zhì)量，因此 IBD 是藥物發(fā)現(xiàn)的優(yōu)先疾病領(lǐng)域，并且由于沒(méi)有兩個(gè)患者的行為相似，因此治療起來(lái)具有挑戰(zhàn)性。
第一步，稱(chēng)為目標(biāo)識(shí)別，使用由 iNetMed 的計(jì)算部門(mén)精密計(jì)算系統(tǒng)網(wǎng)絡(luò)中心 (PreCSN) 開(kāi)發(fā)的人工智能 (AI) 方法。AI 方法使用基因表達(dá)在疾病發(fā)作和進(jìn)展過(guò)程中的連續(xù)變化圖幫助對(duì)疾病進(jìn)行建模。這種映射與其他現(xiàn)有模型的區(qū)別在于使用數(shù)學(xué)精度來(lái)識(shí)別和提取基因表達(dá)模式的所有可能的基本規(guī)則，其中許多被當(dāng)前的方法所忽視。
底層算法確保識(shí)別出的基因表達(dá)模式是“不變的”，而不管不同的疾病群體。換句話說(shuō)，PreCSN 構(gòu)建了一個(gè)提取適用于所有 IBD 患者的信息的地圖。
標(biāo)簽： 藥物開(kāi)發(fā)
免責(zé)聲明：本文由用戶(hù)上傳，如有侵權(quán)請(qǐng)聯(lián)系刪除！