當(dāng)前的Covid-19危機(jī)凸顯了對(duì)快速發(fā)現(xiàn)新興疾病的新療法的需求。但是，調(diào)整大規(guī)模的實(shí)驗(yàn)工作以適應(yīng)不斷變化的環(huán)境不可能一overnight而就。對(duì)敏捷性的緊迫呼吁表明，我們需要采取新的方法來(lái)搜索和識(shí)別分子療法和療法。

　　從歷史上看，藥物發(fā)現(xiàn)依靠大量的實(shí)驗(yàn)工作來(lái)繪制化學(xué)空間的相關(guān)部分。即使出現(xiàn)了自動(dòng)化的高投入篩選方法，為新疾病設(shè)計(jì)有效的檢測(cè)方法并大規(guī)模運(yùn)行也可能需要數(shù)月的時(shí)間。

　　如果不訪問數(shù)據(jù)，我們將無(wú)法釋放人工智能的潛力

　　新興的人工智能（AI）技術(shù)具有加速和轉(zhuǎn)變對(duì)分子療法的搜索的潛力，從而能夠快速，大規(guī)模地識(shí)別有效的候選藥物。為實(shí)現(xiàn)這一目標(biāo)，我們發(fā)起了一項(xiàng)名為AI Cures的計(jì)劃，以期減少來(lái)自不同背景的人們參與和貢獻(xiàn)的障礙。通過公開共享數(shù)據(jù)，關(guān)鍵分析和方法，我們希望探索AI可以幫助發(fā)現(xiàn)藥物的多種方式。較高的科學(xué)標(biāo)準(zhǔn)和公開分析還可以減輕可能的錯(cuò)誤，提前宣布的負(fù)面影響。

　　AI算法最簡(jiǎn)單的任務(wù)是計(jì)算機(jī)屬性預(yù)測(cè)。該算法學(xué)會(huì)預(yù)測(cè)實(shí)驗(yàn)分析的結(jié)果，例如用給定化合物處理過的細(xì)胞是否能夠承受病毒感染，從而可以快速，廉價(jià)地掃描大型化合物庫(kù)尋找有效的候選藥物。人工智能工具確實(shí)需要學(xué)習(xí)初始數(shù)據(jù)，但所需的數(shù)據(jù)量可能遠(yuǎn)遠(yuǎn)少于全面的實(shí)驗(yàn)調(diào)查。確實(shí)，算法自然是機(jī)會(huì)主義的，尋求將分子特征與測(cè)量結(jié)果聯(lián)系起來(lái)的一致的統(tǒng)計(jì)模式。初始數(shù)據(jù)中的信號(hào)越清晰，預(yù)測(cè)或有效模擬實(shí)驗(yàn)結(jié)果所需的信號(hào)就越少。例如，在我們之前的抗生素研究中，

　　人工智能工具可以幫助重新利用已經(jīng)通過臨床批準(zhǔn)流程的化合物。只有大約10，000種這樣的化合物，其中一些正在接受臨床試驗(yàn)，并且已經(jīng)進(jìn)行了許多篩選和測(cè)試其針對(duì)Covid-19有效性的工作。各種病毒抑制篩選的實(shí)驗(yàn)結(jié)果彼此之間并不十分吻合，但是，為AI工具調(diào)和了細(xì)胞類型，細(xì)胞系和實(shí)驗(yàn)方案的差異留出了很大的空間。

　　不幸的是，單一藥物的重新努力可能無(wú)法產(chǎn)生有效的治療。許多已知的病毒療法（例如用于治療HIV的療法）都是基于藥物的組合而非單個(gè)化合物。考慮分子混合物有多種理由。它們可用于增強(qiáng)效力（針對(duì)不同的途徑和過程），減輕副作用或調(diào)節(jié)人類免疫應(yīng)答。為了確定有效的藥物組合，理想情況下，我們將可以同時(shí)用多種劑量的多種候選化合物處理的感染細(xì)胞進(jìn)行大規(guī)模篩選。但是，此搜索空間是組合的，從而導(dǎo)致系統(tǒng)的實(shí)驗(yàn)工作不足。這是AI和機(jī)器學(xué)習(xí)工具可以真正發(fā)揮作用的地方。除了從有限的數(shù)據(jù)中暗示有希望的組合之外，算法還可以指出哪種組合對(duì)實(shí)驗(yàn)性篩選最有幫助。實(shí)際上，人工智能算法的作用和實(shí)驗(yàn)篩選工作是高度協(xié)同的。