※中央佛羅里達大學透過人工智慧模型，可幫助篩選藥物與加速藥物開發。(示意圖。Photo credit: 生策會)

開發藥物可能需要花費數十億美元和數十年的時間，但中央佛羅里達大學（University of Central Florida）的研究團隊近日開發一種人工智慧的新型藥物篩選方法，有望加快藥物開發過程。

研究團隊透過自然語言處理（natural language processing）對藥物和目標蛋白的相互作用進行建模，在找出有潛力的候選藥物上取得了高達97%的準確性。該研究結果最近也發表在《Briefings in Bioinformatics》期刊上。

該技術透過每個蛋白質結合位點來表示藥物與蛋白質的相互作用，並使用深度學習來提取掌握兩者之間複雜相互作用的特徵。

該模型稱為AttentionSiteDTI，是第一個透過蛋白質結合位點語言並可解釋的模型。

這項研究將幫助確定關鍵的蛋白質結合位點及其功能特性，而這是確認藥物是否有效的關鍵。

研究人員透過設計一種自注意力機制（self-attention mechanism）來完成該目標，該機制使模型學習蛋白質有哪些部分會與與藥物化合物相互作用，同時達到最優良的預測表現。

該機制的自注意力機制會選擇性地關注蛋白質最相關的部分而發揮作用。

研究人員利用透過實驗驗證了該模型，這些實驗測量了化合物和蛋白質之間的結合相互作用，然後將結果與他們的模型預測的結果進行比較。該實驗還包括測試和驗證將與SARS-CoV2病毒的一個棘蛋白結合的藥物化合物。

研究人員表示，實驗室結果和電腦計算結果的高度一性致說明了AttentionSiteDTI在預先篩選潛在的有效藥物化合物、加速探索新藥、重新利用現有藥物方面上都表現出潛力，提供了藥物預先篩選的新方向。

透過人工智慧能更準確地識別藥物，以快速應對新的疾病，研究人員也能夠確定病毒蛋白質的最佳結合位點，以利藥物設計。

研究人員表示，團隊研究的下一步是利用人工智慧的力量設計新型藥物，而這可以為未來的疫情做好準備。

(來源:News Medical Life Sciences生策中心編譯)