莱顿大学 信用:CC0公共领域 在寻找治疗癌症等疾病的新药的过程中，莱顿团队开发了一种新的工作流程
研究人员证明，这种方法将人工智能与分子建模相结合，适用于发现未知和创新的药物结构
抗癌靶点 通过他们的新方法，莱顿药物研究学术中心(LACDR)和莱顿高级计算机科学研究所(LIACS)的研究人员能够找到五种对特定类型的激酶有抑制作用的物质
激酶是打开或关闭其他蛋白质的酶，在癌症的发展中起着重要作用
在他们发表在《化学信息与建模杂志》上的文章中，研究小组研究了所谓的多药物疗法——即体内有多个靶点的药物开发(见下面的方框)
挑战 第一作者和博士说，它始于2017年12月的一次挑战
D
候选人林赛·伯格拉夫
“一个由美国大学和几家制药公司领导的非营利组织定期组织挑战，包括这次多目标药物梦想挑战
“参与者被要求寻找结合多种激酶的分子
“已经发现了对几种激酶有活性的物质，但它们看起来都非常相似，”伯格拉夫说
“这就是为什么我们想要找到新的和原创的热门歌曲
这些点击然后作为进一步药物研究的起点，就像一个你可以优化的模板
" 新策略 因为该团队希望在有限的时间内找到新的和原始的分子，他们还必须想出一个新的策略
伯格拉夫:“一般来说，人们在寻找药物时，要么选择机器学习，要么选择计算化学
我们现在认为，在多药疗法的情况下，最好将两者结合起来，尤其是如果你想在短时间内找到新的结构
" 训练电脑 这项工作如下:伯格拉夫和她的部门给了LIACS的研究人员一个练习集，其中包含已知的分子及其性质
利用机器学习，计算机科学家能够训练他们的计算机模型，使其只从集合中提取活性分子
为了应对这一挑战，他们将同样的模型应用于超过一千万种物质的数据库
“这导致了25万个潜在活性分子
一个有效的第一过滤器，”博士说
D
考生
钥匙和锁 然后，拉丁美洲药物研发中心的药理学家开始进行基于结构的研究
“这包括在计算机上模拟你的目标结构，在这种情况下，激酶，”伯格拉夫说
“计算机计算被测试的分子是否适合目标，就像锁里的钥匙一样
这种方法比机器学习详细得多，但也占用了更多的时间
这就是为什么组合如此有效
" 最终，他们的努力产生了五种在实验室测试中显示活性的分子
“证明我们新的工作方式是有用的
顺便说一下，它不仅限于激酶的研究，它还可以广泛应用于其他靶点
" 与LIACS的合作促进了计算生命科学中心(CCLS)的建立——该中心由大约40名科学家组成，包括来自IBL莱顿生物研究所、数学研究所、LIC莱顿化学研究所和LUMC莱顿大学医学中心的研究人员
“我们定期与计算机科学系的科学家交谈，所以这就是这篇论文合作的开始，”伯格拉夫说
她称之为成功的合作
“我们只有三个月的时间来应对这一挑战，还有很多工作要做
所以我们一直在互相推动，”伯格拉夫说
“CCLS是一个成功的例子，说明了在计算机科学的前沿，各种经典学科是如何越来越紧密地结合在一起的，”最后一位作者杰拉德·范·韦斯顿说
他说:“在人工智能领域，我们同样结合了所有院系的专业知识，但在整个大学的水平
你可以看到，我们可以在非常不同的领域共同解决类似的挑战
“在未来，伯格拉夫和范·韦斯顿预计，像这样的项目，其中各种科学家的专业知识被用于具体目的，将导致新的见解和创新的药物
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
