技术进步为人工智能引导的药物设计提供了新的机遇，例如全机器人工作站可用于纯化蛋白质和移动液体，以提高效率并减少错误。

张佳欣

这一转变可能是医疗保健领域最瞩目的变化，即数字生物学和生成式人工智能（AI）正在深刻影响着药物研究的过程。

虽然在利用人工智能开发新药方面正处于起步阶段，但已有的研究成果表明，在过去几年中，经过AI设计的药物已经进入了临床试验的早期阶段，一些公司已经在这一领域取得了进展。不过，《自然》网站的一项研究指出，AI加速药物发现的潜力仍需要实践来进一步验证。

利用人工智能来探索人类病毒组

身体被大量的微生物所占据，包括病毒，它们集合到一起统称为人体病毒组。美国AI制药公司Salve Therapeutics首席执行官斯特凡·N·卢卡诺夫指出，体内的自然存在病毒正是理想的载体用来携带基因疗法进行治疗疾病。

Salve正致力于通过将其专长与计算机辅助设计相结合来利用机器学习技术。其目标是将噬菌体作为抗微生物治疗的候选形式，以便对其化学和生物性能进行广泛模拟。此过程包括对大量模型的数据输入进行迭代分析，并在虚拟环境中评估一项药物的属性、结果以及风险。

Luca诺夫称他们的研究致力于将基因工程技术应用于噬菌体的改进中，希望通过这一方法使抗生素产生更大的威力并覆盖更广的目标宿主群体。他认为噬菌体类药物能为移植、烧伤以及免疫系统受损的患者提供更好的生活质量。

卢科诺夫说，噬菌体只会对付细菌，并且，在只有小部分病毒粒子才会引起的轻微免疫反应之下，私家侦探，侦探公司，调查公司，查人找物，商务调查，出轨外遇调查，婚外情调查，私人调查，19209219596抗生素对身体来说并无危险性。

开发AI+小分子疗法

Biolexis Therapeutics是一家专为癌症以及各种代谢、炎症及神经退行性疾病量身打造的美国生物制药公司，专注于通过其自主研发的小分子药物治疗这些病症。

这家公司采用其独家MolecuLern工艺来发现并研发临床候选新药。此工艺能够识别所有种类的蛋白质，以发现新的具有药物样特征化学实体，并通过实验室测试进行验证，将新药的研发时间从几年缩短到几个月。该公司研发的一种药物SLX-0528目前处于胰腺癌I期试验阶段。该药物旨在控制辅助性T细胞17的分化、功能和白细胞介素释放。

发布生成式药物研发平台

Anthony Costa担任英伟达生命科学开发全球团队负责人，他强调，大多数基于生成式人工智能（Generative AI）的产品背后都会有一个或多个大型语言模型作为底层模型。这个模型被用来增强对药物性质和相互作用的预测能力。

为了推动这一潜力的实现，英伟达推出了一项名为BioNeMo的云服务，专门用于在生物学中使用生成式人工智能。科斯塔认为，有了这个工具，研究者就能利用拥有专有数据的人工智能模型来快速预测蛋白质和生物分子的三维结构以及功能，从而加速新药物候选者的研发进程。

总部设在芝加哥的初创公司Evozyne最近利用了BioNeMo进行了新的蛋白质研发项目，并且成功地应用这种蛋白质来治疗罕见疾病——苯丙酮尿症。苯丙酮尿症是一种极其少见的病症，它的主要特征是身体无法正常代谢出体内的氨基酸——其中最常见的就是苯丙氨酸。 通过一系列复杂的实验测试，最终证明了Evozyne团队开发的一组AI所设计出来的变体蛋白质比自然形式要更为有效。这些蛋白的生物功能得以增强，从而在治私家侦探，侦探公司，调查公司，查人找物，商务调查，出轨外遇调查，婚外情调查，私人调查，19209219596疗相关疾病方面取得了重大突破。

AI药物发现需要临床验证

药物开发往往经历一系列特定步骤，这些步骤通常是从识别能够导致疾病的各种生物标志物开始的。这些生物标志物可以是DNA、RNA分子、蛋白质靶标或是酶等。下一步则是通过筛选可能与之相互作用的化学物质来实现。“发现”就是这样的阶段，旨在找出候选药物。

新药必须具备严谨性、安全性、有效性和信任度，各制药公司都需要找到一条通往目标道路的正确方法。即使人工智能确实可以减少临床前试验的时间与成本，但大多数候选药物还是在后期阶段失败。但是只要能更快地推进这一流程就能获得胜利。产业界和学术界应该利用各自的优势，确定如何最有效地利用AI技术。

卢卡诺夫表示AI和机器学习代表了新趋势，能够增强疗效和安全性，并加快药物研发的进程。他还指出了药物研发过程中运用AI和机器学习的局限性，需要对各种候选药进行实验室验证，以确保只有最好的成果被引入临床试验。

另外，这些安全措施已融入到基于人工智能的药物研究之中。例如，Biolexis采用多种方法来评估有潜力的安全性高的分子。该公司首席执行官大卫·J·比尔斯表示，安全性较高的分子及其可能产生的意外后果是需要处理的主要难题。