人工智能技术已被研究人员用于显著加速对帕金森病治疗方案的搜索。
来自剑桥大学的团队开发并实施了一种基于人工智能的方法，以识别可以防止α-突触核蛋白聚集的化合物，该蛋白与帕金森病有关。
该团队利用机器学习技术迅速分析了一个拥有数百万条记录的大型化学库，并确定了五种极为强效的化合物进行进一步研究。帕金森病在全球影响超过六百万人，预计到2040年这一数字将增加到三倍。目前，没有可用的治疗方案能够改变疾病。筛选大量化学库以寻找潜在药物的过程非常耗时且成本高昂，需要在潜在治疗可以在患者身上进行测试之前较早进行。通过使用机器学习，研究人员能够将初步筛选过程加速十倍，并将成本降低一千倍，这可能会使患者更快获得帕金森病的治疗。研究结果已发表在《自然化学生物学》期刊上。
帕金森病是全球增长最快的神经系统疾病。在英国，当前生活中的每37人中就有一人将在其一生中被诊断为帕金森病。除了影响运动症状外，帕金森病还可能影响胃肠系统、神经系统、睡眠模式、情绪和认知。
帕金森病可能导致生活质量下降和显著的残疾。
蛋白质在细胞过程中起着关键作用，但在帕金森病患者中，这些蛋白质变得异常并导致神经细胞的死亡。当蛋白质错误折叠时，它们可以形成聚集体，称为路易体，这些聚集体在脑细胞内积聚并干扰它们的正常功能。
“寻找帕金森病潜在治疗方法的一种方法是识别可以防止α-突触核蛋白聚集的小分子，这种蛋白质与该疾病密切相关，”主导该研究的米歇尔·文德鲁斯科教授表示。她指出，识别进一步测试的候选药物的过程可能耗时极长，需要几个月甚至几年。目前，针对帕金森病的临床试验仍在进行中，但尚未批准任何改变疾病的药物，这表明了直接靶向导致该疾病的分子物种的挑战。缺乏识别正确分子靶标并与之相互作用的方法是帕金森病研究中的一个主要障碍，造成了一个严重阻碍进展的技术差距。
在阿尔茨海默病研究中，由于缺乏有效的治疗方法，进展受到阻碍。
剑桥的研究人员创造了一种机器学习技术，涉及筛选包含数百万化合物的化学库，以发现可以与淀粉样聚合物结合并防止其生长的小分子。
经过有限数量的表现优异的化合物在实验中测试以确定最有效的聚集抑制剂后，结果被用于改进机器学习模型。经过几轮迭代过程，识别出了高效能的化合物。
“团队利用机器学习方法识别潜在抑制剂，而不是进行实验筛选。”文德鲁斯科解释说，作为错折叠疾病中心的联合主任，“通过利用我们从初步筛选中获得的信息，我们成功地训练模型，使其识别出这些小分子上负责结合的特定区域。这使我们能够重新筛选并发现更强效的分子。”
利用这种方法，剑桥团队创造了针对聚集体表面的口袋的化合物，这些口袋对聚集体本身的快速增殖负责。这些化合物的效力显著更强，开发成本更低，效能是数百倍。
最近在机器学习方面的发现显著加快了药物发现过程，导致更有前景的候选药物在更短的时间内被识别。参与该研究的文德鲁斯科表达了对这一进展潜力的兴奋，表示这使得能够同时启动多个药物发现项目，最终减少时间和成本。该研究在剑桥的健康化学实验室进行，得到了英国研究伙伴投资基金（UKRPIF）的支持，以促进学术研究向临床应用的转化。
