IBM和牛津大学宣布，他们的最新研究表明，IBM的分子生成式人工智能模型MoLFormer可以在几个月内帮助发现新的抗病毒药物。

该公司已经将生成式人工智能模型从语言领域扩展到生物化合物的发现中。研究结果显示，这种AI模型可以为多个目标病毒蛋白生成成功的抗病毒分子，包括SARS-CoV-2（COVID-19）。



在论文提交时，牛津大学的研究人员成功验证了11种分子的抗病毒特性。这一发现被誉为一个突破，可以更快地为人们提供救命药物。

AI生成的新型COVID抗病毒药物

近来，人工智能领域在医疗保健方面取得了许多突破，先进的软件帮助患者进行新的治疗，并提高效率。

研究人员在研究中展示了新型抗病毒药物可以在几个月内设计、制造并可能得到验证。这种人工智能突破可以会在下一次全球医疗危机中更快地将救命药物送到人们手中。

在与乌克兰化学品供应商Enamine和牛津大学的其他研究人员合作下，他们创建了一个基础模型，这个模型具有足够的通用性，无需额外训练就可以为多个蛋白靶点创建新的抑制剂。

结果是，团队在相当短的时间内找到了四种潜在的COVID-19抗病毒药物，这比使用传统方法所需的时间少得多。尽管这些分子仍需要通过临床试验，但它仍然突显了人工智能在药物开发的未来中发挥的巨大作用。

研究合著者、IBM研究员Payel Das表示：“开发和验证这些方法需要时间，但现在我们已经建立了一个有效的流水线，我们可以更快地取得结果。”

当下一个病毒出现时，生成式人工智能在寻找新治疗方法方面可能起到重要作用。

CogMol基础模型有助于对抗抗药性

研发新药往往是一个缓慢的过程。在未来，可能需要新药来对抗新病毒和超级细菌。生成式人工智能可以作为解决方案，其创造分子的能力在本研究的结果中得到了强调。

研究人员发现，AI生成的两个COVID-19抗病毒药物以独特的方式与病毒的刺突蛋白结合。如果将它们开发成药物，它们有可能与当今的COVID抗病毒药物相辅相成。

IBM和牛津的研究人员在生成式人工智能架构-变分自动编码器（VAE）上构建了名为CogMol的模型。然后，该模型在表示为文本字符串的大型分子数据集上进行了训练，并获得了关于蛋白质及其结合特性的整体信息。

关于SARS-CoV-2的三维结构或分子的信息被排除在外，使得他们的生成基础模型具有广泛的知识基础，以便更容易地将其部署于从未见过的任务。

他们的目标是寻找与两个COVID蛋白靶点结合的类药物分子：刺突蛋白，将病毒传播到宿主细胞，以及主要蛋白酶，帮助病毒传播。

CogMol在三天内生成了87.5万个候选分子，其中的新化合物在靶抑制和活病毒中和试验中进一步测试。其中两种经验证的抗病毒药物针对主要蛋白酶，另外两种针对刺突蛋白，并且能够中和COVID的所有六个主要变异体。

研究的联合主要作者、IBM研究员兼牛津大讲席教授Jason Crain表示：“我们利用一个对其蛋白靶点了解相对较少的生成基础模型创建了有效的抗病毒药物。”

“我希望这些方法能够在未来更快、更经济地创造抗病毒药物和其他急需化合物。”

这项工作被誉为像谷歌的DeepMind的成功一样，后者也通过人工智能取得了科学突破，其中最新的成果是可以预测蛋白质结构的AlphaFold。这类工作实际上改变了这类科学运作的方式，因为研究人员可以在更短的时间内分析数据，并有望更好地应对疾病。

 

来源：https://aimagazine.com/articles/ibm-oxford-university-discover-ai-antiviral-for-covid-19