基于人工智能的筛选方法可以提高新药发现的速度

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，但中佛罗里达大学的研究人员的目标是通过他们开发的一种新的基于人工智能的药物筛选过程来加速这一过程。

使用一种使用自然语言处理技术模拟药物和靶蛋白相互作用的方法，研究人员在识别有希望的候选药物方面实现了高达97%的准确率。结果最近发表在生物信息学简报杂志上。

该技术通过每个蛋白质结合位点的单词来表示药物-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。

“随着人工智能变得越来越可用，这已经成为人工智能可以解决的问题，”该研究的合著者、UCF工业工程和管理系统系的助理教授OzlemGaribay说。“你可以尝试多种蛋白质和药物相互作用，找出哪些更可能结合或不结合。”

他们开发的模型，称为AttentionSiteDTI，是第一个可以使用蛋白质结合位点语言解释的模型。

这项工作很重要，因为它将帮助药物设计者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注意机制取得了这一成就，该机制使模型能够了解蛋白质的哪些部分与药物化合物相互作用，同时实现最先进的预测性能。

该机制的自我注意能力通过选择性地关注蛋白质最相关的部分来发挥作用。

研究人员使用实验室内实验验证了他们的模型，这些实验测量了化合物和蛋白质之间的结合相互作用，然后将结果与他们的模型计算预测的结果进行了比较。由于治疗COVID的药物仍然引起人们的兴趣，这些实验还包括测试和验证可与SARS-CoV2病毒的刺突蛋白结合的药物化合物。

Garibay说，实验室结果和计算预测之间的高度一致性说明了AttentionSiteDTI在预筛选潜在有效药物化合物和加速新药的探索和现有药物的再利用方面的潜力。

“这项高影响力的研究之所以成为可能，是因为材料工程与AI/ML和计算机科学家之间的跨学科合作，以解决与COVID相关的发现”，该研究的合著者兼UCF材料科学与工程系主任SudiptaSeal说。

UCF工程与计算机科学学院的博士生、该研究的主要作者MehdiYazdani-Jahromi表示，这项工作正在为药物预筛选引入一个新方向。

Yazdani-Jahromi说：“这使研究人员能够使用AI更准确地识别药物，从而对新疾病做出快速反应。这种方法还使研究人员能够识别病毒蛋白质的最佳结合位点，从而专注于药物设计。”

“我们研究的下一步将是利用人工智能的力量设计新药，”他说。“这自然可以成为为大流行做好准备的下一步。”

该研究由UCF的内部人工智能和大数据种子基金项目资助。

该研究的共同作者还包括UCF工程与计算机科学学院复杂自适应系统实验室的博士后研究员NiloofarYousefi;AidaTayebi，UCF工业工程与管理系统系博士生;ElayarajaKolanthai，UCF材料科学与工程系博士后研究员;和CraigNeal，UCF材料科学与工程系的博士后研究助理。

Garibay从UCF获得计算机科学博士学位，并于2020年加入UCF的工业工程和管理系统系，该系是工程和计算机科学学院的一部分。此前，她在UCF的研究办公室从事信息技术工作16年。