LSU研究人員進入500萬美元IBM Watson AI XPRIZE的準決賽

世界各地的人和制藥公司都越來越受到抗生素抗性細菌以及迅速發(fā)展的新病原體的挑戰(zhàn)。同時，新藥的發(fā)現(xiàn)可能是一個緩慢而昂貴的過程，因為公司必須確保其藥物既有效又安全。目前，開發(fā)一種新藥并獲得批準平均需要10年時間，且費用超過20億美元?，F(xiàn)在，由計算機科學系副教授Supratik Mukhopadhyay和生物科學系副教授Michal Brylinski領導的跨學科LSU團隊建議在計算和技術中心聯(lián)合使用人工智能(AI )，以嘗試解決這一日益嚴重的問題。

這個名為“深層藥物”的研究小組正在利用計算機科學的深度學習技術以及生物學和化學領域已知生物活性化合物的大量數(shù)據(jù)集，來教授其名為eSynth的工具，以發(fā)明或確定對特定細菌有效的化合物。

另一方面是確保所鑒定的化合物是安全的。為此，團隊正在開發(fā)另一個名為eToxPred的模塊。雖然對治療性化合物進行臨床毒理學測試以確定安全性既耗時又昂貴，但制藥公司可以使用eToxPred預測哪些化合物可能引起毒性作用并傷害患者。該團隊還在開發(fā)另一個名為eDrugRes的基于人工智能的模塊，該模塊可以檢查病原體的蛋白質(zhì)-蛋白質(zhì)相互作用網(wǎng)絡，以預測對已知藥物的敏感性和/或耐藥性。

到目前為止，該團隊已經(jīng)使用20408種生物活性化合物對102個代表許多重要藥物靶標的受體蛋白進行了eSynth測試。Deep Drug希望eSynth將臨床前藥物發(fā)現(xiàn)和測試的時間從平均三年減少到6到8個月。

Michal Brylinski說：“我們正在整合大量的生物學數(shù)據(jù)，并且數(shù)據(jù)非常復雜且難以分析，這就是我們需要人工智能的原因。重要的是，我們沒有進行任何實驗就可以這樣做。這只是AI告訴我們何時合成一種新藥。如果某種細菌具有耐藥性，那么AI可以幫助我們找到另一種可能有效的藥物。唯一的輸入將是病原體的DNA序列，然后AI可以找出殺死它的原因。不用讓很多人接受測試，我們只需使用計算機即可。”

Mukhopadhyay說：“這是一個嘗試解決月球問題的機會，這是一個非常困難的問題。” “為此，我們需要一個跨學科團隊。當我碰巧看到Michal的談話之一時，我說：“這是我需要的人。”

Brylinski的專業(yè)知識是計算微生物學和化學。

他說：“我不足以強調(diào)在這個項目上合作的價值。” “就我個人而言，如果沒有人工智能，我將永遠做不到這樣的事情。同時，為了使用AI，計算機科學家需要與領域科學家聯(lián)系以解決現(xiàn)實問題。”

“這是一個大型項目，是我們從未做過的事情，” Brylinski繼續(xù)說道。“我們正在整合大量的生物數(shù)據(jù)，并且數(shù)據(jù)非常復雜且難以分析，這就是為什么我們需要人工智能。重要的是，我們無需進行任何實驗即可完成此操作;這只是AI告訴我們何時合成一種新藥。如果某種細菌具有耐藥性，那么AI可以幫助我們找到另一種可能有效的藥物。唯一的輸入將是病原體的DNA序列，然后AI可以找出殺死它的原因。不用讓很多人接受測試，我們只需使用計算機即可。”

布賴林斯基將團隊將AI用于藥物發(fā)現(xiàn)的技術與自動駕駛汽車工程師的技術進行了比較。

他說：“在汽車中，人工智能從傳感器中獲取大量數(shù)據(jù)，然后必須決定何時停止或何時加速。” “我們正在做非常相似的事情。我們正在從實驗中收集大量數(shù)據(jù)，以訓練我們的AI能夠做出正確的決定，是否合成一種藥物以及知道某種藥物是否有效。”

計算機科學研究生Adam Bess正在與Mukhopadhyay和Brylinski合作進行Deep Drug項目。他的本科學位是生物學和計算機科學，在去年進入LSU之前，他在生物信息學領域工作了幾年。

貝斯說：“我最興奮的是創(chuàng)建一個工具包和豐富的數(shù)據(jù)集，任何研究人員都可以使用它來深入分析不同種類的藥物和細菌。” “總的來說，我們可以做更多的整合科學，并互相幫助推動整個項目向前發(fā)展。”

IBM Watson AI XPRIZE是一項全球競賽，鼓勵研究人員團隊開發(fā)基于人工智能的強大應用程序，并演示人類如何與AI合作以應對世界上最大的挑戰(zhàn)。LSU團隊現(xiàn)在是準決賽選手，他們將獲得$ 15,000的里程碑獎金，以贏得$ 3百萬的大獎，該獎項將授予2016年原有147組中剩下的10組中的一支。第二和第三名的團隊將獲得分別為100萬美元和50萬美元。

預計排名前三的團隊將在2020年2月宣布，并將在溫哥華的TED2020上展示他們的工作，主題為“未知”。