美國加州大學圣迭戈分校科學家開發了一種機器學習算法，來模擬藥物發現早期階段耗時的化學過程，其可以顯著簡化研發流程，同時也為前所未有的治療找到新途徑。科學家借助這一工具，已合成出32種治療癌癥的新候選藥物。相關研究成果發表在新一期《自然·通訊》上。

識別候選藥物以進行進一步優化，通常需要數千次單獨的實驗，但新的人工智能平臺可在很短的時間內得出結果。這個名為POLYGON的新平臺可識別多靶點藥物，而現有的篩選流程則優先考慮單靶點藥物。多靶點藥物與聯合療法具有相同的益處，即幾種不同的藥物共同用于治療癌癥，效果更好且副作用更小。

研究人員在一個包含超過100萬個已知生物活性分子的數據庫上對POLYGON進行了訓練。該數據庫涵蓋了分子的化學性質以及與蛋白質靶標相互作用的詳細信息。通過學習數據庫中的模式，POLYGON能生成新候選藥物原始化學式等信息。

為了測試平臺有效性，研究人員利用其生成了數百種針對多種癌癥相關蛋白對的候選藥物。從這些候選藥物中，他們成功合成出32種藥物，這些藥物可與MEK1和mTOR這兩種細胞信號蛋白相互作用。MEK1和mTOR是癌癥聯合治療中備受關注的潛在靶點，被科學界稱為“綜合致死蛋白”，同時抑制這兩種蛋白被認為足以殺死癌細胞。

免責聲明：該文章系本站轉載，旨在為讀者提供更多信息資訊。所涉內容不構成投資、消費建議，僅供讀者參考。