用人工智能筛选1000万个化学空间，来确定治疗COVID-19的潜在新药

日前，全球新冠肺炎确诊病例已经超过2000万，迫切需要鉴定COVID-19的有效疗法。来自加州大学河滨分校的一个团队正在与许多其他学术界和行业研究人员一起努力，以确定新的候选药物。他们开发了机器学习药物发现管道，以识别数百种有助于治疗COVID-19的潜在药物。

药物发现流程是与人工智能链接的一种计算策略，这是一种计算机算法，可以通过反复试验来预测活动，并随着时间的流逝而不断改进。

这项工作发表在《 Heliyon》杂志上，论文标题为《使用机器学习从超过1000万个化学空间预测SARS-CoV-2的新药》。

改变药物用途的努力，例如瑞德昔韦，已经取得了一些成功。SARS-CoV-2病毒疫苗可能需要几个月的时间，也许还不能保证。

UC Riverside教授、Anandasankar Ray博士说：“因此，药物候选管线，例如我们开发的候选管线，对于系统化发现用于治疗COVID-19的新药物的**步至关重要。”“针对一种或多种对病毒进入和复制很重要的人类蛋白质的现有FDA批准药物，目前已成为重新使用新COVID-19药物的重中之重。对其他可能干扰SARS-CoV-2进入和复制的药物或小分子的需求很高。我们已经开发了一种药物发现管道，可以识别出几种候选药物。”

Ray实验室的研究生Joel Kowalewski使用了少量先前已知的65种人类蛋白质的配体，这些配体与SARS-CoV-2蛋白质（包括ACE2受体）相互作用。

接下来，他们训练了机器学习模型来预测抑制活性，并使用它们来筛选FDA注册的化学品和批准的药物（约100,000种）和约1400万种可购买的化学物质。

Kowalewski说：“对这些模型进行了训练，可以从它们的3-D结构中识别出新的小分子抑制剂和活化剂，即配体。”

因此，Kowalewski和Ray能够创建化学物质数据库，其结构被预测为65种蛋白质靶标的相互作用物。他们还评估了化学品的安全性。

Kowalewski说：“ 65种蛋白质的靶标非常多样化，并且还涉及许多其他疾病，包括癌症。” “除了针对这些目标而进行的重新利用药物的努力外，我们还对确定目前尚未得到充分研究的新型化学物质感兴趣。”

Ray和Kowalewski使用他们的机器学习模型从包含2亿种化学物质的数据库中筛选出超过1000万种可商购的小分子，并确定了与SARS-CoV-2蛋白质相互作用的65种人类蛋白质的**匹配。

更进一步，他们在FDA批准的热门产品中鉴定了化合物，例如药品和食品中使用的化合物。他们还使用机器学习模型来计算毒性，这有助于他们拒绝潜在的毒性候选物。这帮助他们确定了与SARS-CoV-2靶标相互作用的化学物质的优先级。他们的方法不仅使他们能够鉴定出对单个人类蛋白质靶标具有显着活性的得分最高的候选药物，而且还发现了一些可以抑制两个或多个人类蛋白质靶标的化学品。

Ray说：“我最想追求的化合物是那些预计会挥发的化合物，这为吸入疗法带来了不同寻常的可能性。”

“从历史上看，随着我们对疾病以及个体遗传变异性如何促进症状的发展和严重程度有了更深入的了解，疾病的治疗变得越来越复杂。” Kowalewski说。“像我们这样的机器学习方法可以通过为研究人员提供进一步的研究可能性，从而在预测不断发展的治疗前景中发挥作用。尽管该方法主要取决于实验数据，但虚拟筛选可以帮助研究人员提出新问题或寻找新见解。”

Ray和Kowalewski认为，与传统的依赖细胞培养的测定方法相比，它们昂贵且需要花费数年的测试时间，因此它们对大量化学物质进行初步筛选的计算策略具有优势。

他说：“我们的数据库可作为一种资源，用于快速识别和测试针对COVID-19和其他与相同65种靶蛋白有关的其他疾病的新颖，安全的治疗策略。”“虽然COVID-19大流行是我们的动力，但我们希望我们对超过1000万种化学药品的预测将不仅在对抗COVID-19，而且还与许多其他疾病的斗争中加速药物研发。”