南 Methodist 大学 (SMU) 开发了 SmartCADD，这是一个开源虚拟工具，将人工智能、量子力学和计算机辅助药物设计 (CADD) 方法结合在一起，以加速化合物的评估，极大缩短了药物发现所需的时间。
发现新药就像拼凑一幅拼图。药物分子必须被精心设计，以与我们体内的蛋白质相互作用以产生治疗效果。这一复杂的要求使得药物创造过程异常复杂且漫长。
为了加快这一复杂的匹配过程，SMU 的研究人员引入了 SmartCADD，这是一个虚拟工具，将人工智能、量子力学和 CADD 方法结合，以提高化合物筛选的速度，从而大幅减少药物发现的时间。一项最近发表在《化学信息与建模杂志》(Journal of Chemical Information and Modeling) 的研究展示了 SmartCADD 识别 HIV 潜在药物候选者的能力。
这一创新工具是 SMU 的德德曼人文学科与科学学院的化学系与莱尔工程学院的计算机科学系之间的合作努力的产物。
“对于新类别药物的需求，如抗生素、癌症疗法和抗病毒药物，迫在眉睫，”SMU 计算和理论化学组 (CATCO) 负责人 Elfi Kraka 指出。“虽然人工智能在许多领域快速整合，但在科学研究中使用它仍显得犹豫，主要是由于对数据透明度和训练所用数据质量的担忧。SmartCADD 缓解了这些问题，并且能够在一天内分析数十亿个化学结构，大大缩短了发现可行药物候选者所需的时间。”
SmartCADD 的运作方式
SmartCADD 利用深度学习模型、系统化过滤协议和可解释的人工智能来研究大量化学化合物数据库，旨在识别潜在的药物线索。它包含两个关键元素：SmartCADD 的管道接口，用于管理数据收集和过滤，以及其过滤器接口，用于规定每个过滤器的功能。这些嵌入式过滤器支持化合物评估的不同阶段。它们能够预测药物在体内的行为，使用二维和三维参数模拟药物结构，并利用 AI 模型澄清其决策过程。
研究人员通过三项不同的案例研究展示了 SmartCADD 的能力，这些案例涉及 HIV 治疗药物。它们发现了若干病毒蛋白，可能是有希望的靶点。SmartCADD 利用 MoleculeNet 库的数据构建并筛选出一个包含 8 亿个化学化合物的数据库，得出 1000 万个化合物具有作为 HIV 治疗药物的潜力。随后，它利用过滤器确定了与已知 HIV 药物最佳匹配的化合物。
尽管本研究集中在 HIV 上，但研究强调 SmartCADD 是灵活适应的，可以应用于多种药物发现流水线。
“这个用户友好的虚拟筛选工具为研究人员提供了一个集成且灵活的框架，以制定药物发现策略，”莱尔工程学院的计算机科学助理教授、SMU Guildhall 研究副主任 Corey Clark 表示。“我们打算继续推进我们的工作，以进一步提升化学和机器学习能力。这个项目的潜力让人真的很兴奋，我相信下一个阶段将代表一个更重大的进步。”
SmartCADD 的协作力量
研究论文还强调了 SMU 跨学科协作的有效性。除了 Kraka 和 Clark，贡献者还包括化学领域博士后研究员 Ayesh Madushanka，他的贡献由 O’Donnell 数据科学与研究计算研究所的资助支持，以及计算机科学研究生 Eli Laird，他是 O’Donnell 研究所博士奖学金的获得者。
“药物发现需要团队合作才能取得真正的成功，”Madushanka 说道。“如果只有化学系参与这个项目，最终结果可能会有所不同。跨学科合作为同一概念带来了新的视角，从而精炼和提升了结果。”
Laird 补充说：“跨学科的协作研究对于实现具有现实影响的重大进展至关重要。SMU 的这种关注是我决定在这里攻读博士学位的主要原因。有影响力的研究无法在孤立中繁荣；它需要广泛的跨学科视野，以激发可以演变为真正创新的想法。许多突破发生在各个领域交汇的地方，我的目标是将我的研究置于这样的交汇点。”
本研究的资助来自国家科学基金会（National Science Foundation）批准的资助项目 CHE 2102461。本文中表达的观点、发现和结论为作者个人观点，并不一定反映国家科学基金会的立场。
