現(xiàn)代醫(yī)學(xué)的發(fā)展離不開(kāi)醫(yī)藥行業(yè)的突破，但新藥研發(fā)面臨投資大、周期長(zhǎng)、風(fēng)險(xiǎn)高等難題。據(jù)Nature數(shù)據(jù)顯示，一款新藥的研發(fā)成本平均約26億美元，耗時(shí)約10年，成功率不到10%。

人工智能的發(fā)展，為提高新藥研發(fā)的效率和成功率帶來(lái)了新的技術(shù)手段，有望加速新藥研發(fā)。

近日，商湯科技在AI新藥研發(fā)（AIDD）跨學(xué)科應(yīng)用領(lǐng)域的最新研究成果《通過(guò)自適應(yīng)圖神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)未知抗體的中和性》(Predicting unseen antibodies' neutralizability via adaptive graph neural networks)，登上國(guó)際頂級(jí)學(xué)術(shù)期刊《自然》(Nature)子刊《自然-機(jī)器智能》(Nature Machine Intelligence)。

作為在計(jì)算機(jī)科學(xué)、人工智能領(lǐng)域期刊中影響因子最高（25.898）的頂級(jí)期刊（根據(jù)2021年度《期刊引證報(bào)告》人工智能領(lǐng)域的SCI期刊影響因子排序），《自然-機(jī)器智能》（Nature Machine Intelligence）只關(guān)注對(duì)該領(lǐng)域具有重要影響的科研成果，因其嚴(yán)格的評(píng)審標(biāo)準(zhǔn)，每年收錄論文數(shù)量平均僅60篇左右。

論文收錄結(jié)果公布

論文創(chuàng)新性地提出用于預(yù)測(cè)抗原-抗體中和性的DeepAAI算法模型，可以更高效地預(yù)測(cè)抗原-抗體中和作用，加速發(fā)現(xiàn)新的治療型抗體的過(guò)程，其顯著的性能在包括HIV、SARS-CoV2、流感和登革熱在內(nèi)的多種病毒上得到了驗(yàn)證。

AI為治療型抗體發(fā)現(xiàn)送上“神助攻”

抗體由人體免疫B細(xì)胞產(chǎn)生，具有中和作用。通過(guò)與抗原相結(jié)合，使抗原失去原有的功能，防止細(xì)胞被抗原或者感染原侵害，因而在抗病毒藥物和疫苗有關(guān)的研究中十分重要。

生物醫(yī)藥學(xué)家研究抗體與抗原的中和作用通常需要進(jìn)行實(shí)驗(yàn)室濕實(shí)驗(yàn)，包括噬菌體展示、酶聯(lián)免疫吸附試驗(yàn)（ELISA）、假病毒試驗(yàn)等。以廣泛應(yīng)用于臨床醫(yī)學(xué)領(lǐng)域的ELISA為例，試驗(yàn)中的每一抗都得用酶標(biāo)記，需要投入大量的資源和時(shí)間，特別是在面對(duì)未知抗體時(shí)，無(wú)法事先預(yù)見(jiàn)其與抗原的中和作用。

因此，開(kāi)發(fā)準(zhǔn)確和快速的計(jì)算方法對(duì)抗原-抗體的中和作用進(jìn)行初步篩選，減少濕實(shí)驗(yàn)的盲目性，有助于加速發(fā)現(xiàn)新的治療性抗體的過(guò)程。

盡管目前已經(jīng)有利用深度學(xué)習(xí)來(lái)進(jìn)行篩選算法訓(xùn)練，但多數(shù)是利用包括k-mer、PSSM、BlastP等表示抗原和抗體的各種蛋白質(zhì)描述符，但這些蛋白質(zhì)描述符是靜態(tài)且未被優(yōu)化，對(duì)于特定的監(jiān)督學(xué)習(xí)任務(wù)可能不是最優(yōu)的。

為了克服上述挑戰(zhàn)，商湯率先提出了名為DeepAAI的抗原-抗體相互作用預(yù)測(cè)的深度學(xué)習(xí)算法模型，通過(guò)在未知和已知抗體的表征中應(yīng)用拉普拉斯平滑（在GCN中），從已知抗體中學(xué)習(xí)未知抗體的表征，進(jìn)而構(gòu)建出兩個(gè)分別連接抗體和抗原的自適應(yīng)關(guān)系圖。

這兩個(gè)基于DeepAAI自適應(yīng)構(gòu)造的關(guān)系圖具有豐富的可解釋性，抗體關(guān)系圖可以揭示抗體中和反應(yīng)的相似性（相似的結(jié)合區(qū)域），抗原關(guān)系圖可以揭示病毒不同變體之間的關(guān)系。在此基礎(chǔ)上，研究人員可以推薦針對(duì)病毒新變種的可能的廣譜抗體。

DeepAAI由AR-GCN模塊和CNN模塊組成，用于學(xué)習(xí)抗原/抗體間的全局表征和抗原/抗體內(nèi)的局部表征。AR-GCN模塊通過(guò)量化抗體之間和抗原之間的關(guān)系，自適應(yīng)構(gòu)建兩個(gè)關(guān)系圖，并從關(guān)系中學(xué)習(xí)抗原和抗體的表征。CNN模塊從氨基酸序列中提取局部特征。

由于不需要知道抗原和抗體的空間結(jié)構(gòu)，此次研究成果可以幫助生物醫(yī)藥學(xué)家更加方便地預(yù)測(cè)抗原-抗體中和/非中和效應(yīng)作為初步篩選，并估算衡量藥物誘導(dǎo)凋亡的IC50值，降低后續(xù)進(jìn)行濕實(shí)驗(yàn)的盲目性。

該方法可以推動(dòng)生物醫(yī)藥研究人員快速便捷地將病毒或抗原樣本遷移應(yīng)用到其他病毒或抗原上，為新病毒或抗原篩選高活性抗體，輔助抗體設(shè)計(jì)，加速抗體研發(fā)提供創(chuàng)新思路，從而進(jìn)一步實(shí)現(xiàn)AI技術(shù)輔助大分子藥物篩選和設(shè)計(jì)的研發(fā)新范式。

此外，DeepAAI通過(guò)結(jié)合生成模型對(duì)抗體序列進(jìn)行優(yōu)化改良從而提高抗體的活性或從頭生成具有活性的抗體序列，在新藥研發(fā)領(lǐng)域具有重要意義和廣泛的應(yīng)用價(jià)值，這一成果也受到了Nature Machine Intelligence雜志評(píng)審的高度認(rèn)可。

厚積薄發(fā)，持續(xù)賦能精準(zhǔn)醫(yī)療

在新時(shí)代的數(shù)字化浪潮中，AI已經(jīng)成為生物醫(yī)藥行業(yè)高質(zhì)量發(fā)展的重要推動(dòng)力。早在2017年，國(guó)務(wù)院發(fā)布的《新一代人工智能發(fā)展規(guī)劃》中即提出了要發(fā)展便捷高效的智能服務(wù)，推廣應(yīng)用人工智能治療新模式、新手段，建立快速精準(zhǔn)的智能醫(yī)療體系。

人工智能可為醫(yī)藥創(chuàng)新提供強(qiáng)而有力的支撐，降低藥物研發(fā)風(fēng)險(xiǎn)、提高研發(fā)效益。商湯科技智慧健康團(tuán)隊(duì)在新藥研發(fā)領(lǐng)域持續(xù)積累，覆蓋藥物發(fā)現(xiàn)、臨床前研究、臨床試驗(yàn)、新藥上市后多個(gè)藥物研發(fā)環(huán)節(jié)，旨在通過(guò)AI技術(shù)加速新藥研發(fā)和上市流程。目前，相關(guān)成果已經(jīng)發(fā)表在Lancet Digital Health,Nature Precision Oncology,Bioinformatics等國(guó)際頂尖期刊，為生物醫(yī)藥行業(yè)的基礎(chǔ)研究和提供前沿的突破思路。

秉持對(duì)原創(chuàng)技術(shù)研發(fā)的初心，商湯科技智慧健康團(tuán)隊(duì)做了大量的前瞻性研發(fā)工作，AI技術(shù)的賦能正在引領(lǐng)新藥研發(fā)的范式革新，逐步實(shí)現(xiàn)精度與效率的統(tǒng)一。同時(shí)，商湯已與國(guó)內(nèi)外多家頂級(jí)藥企和生命科學(xué)基礎(chǔ)研究領(lǐng)域機(jī)構(gòu)進(jìn)行密切合作，加速實(shí)現(xiàn)基礎(chǔ)研究和應(yīng)用場(chǎng)景協(xié)同的創(chuàng)新突破，力促AI新藥研發(fā)的落地，為推動(dòng)醫(yī)藥行業(yè)的創(chuàng)新發(fā)展發(fā)揮積極作用。

未來(lái)，商湯智慧健康將持續(xù)拓展與上下游企業(yè)、研究機(jī)構(gòu)以及高校的合作，為藥物研究、精準(zhǔn)醫(yī)療帶來(lái)更多的智慧賦能。

審核編輯 ：李倩