本文經(jīng)AI新媒體量子位（公眾號ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處。

最近，來自哈佛大學(xué)等機(jī)構(gòu)的研究人員，開發(fā)出了一個(gè)AI“藥神”工具包，為加速新冠疫情下的新藥研發(fā)助力。

這款名為DeepPurpose的工具包，不僅包含COVID-19的生物測定數(shù)據(jù)集，還有56種前沿的AI模型。

作為一個(gè)基于PyTorch的工具包，DeepPurpose只需要不到10行代碼，就能訓(xùn)練出AI“藥神”模型。

這些模型不僅能完成虛擬篩選，還能挖掘出已有藥物的新功能（例如，高血壓藥物可治療阿爾茲海默癥）。

下面來看看它實(shí)現(xiàn)的原理。

56種前沿模型，功能齊全

DeepPurpose由兩個(gè)編碼器組成，分別用來生成藥物分子和蛋白質(zhì)的嵌入（Embedding），也就是深度學(xué)習(xí)過程中的映射。

隨后，將這兩個(gè)編碼器串聯(lián)到解碼器中，用于預(yù)測二者的結(jié)合親和力，如下圖所示。

在這期間，模型的輸入是藥物靶標(biāo)對（drug-target pair），輸出則是指示藥物-靶對的結(jié)合活性的分?jǐn)?shù)。

當(dāng)然，DeepPurpose畢竟是一個(gè)工具包，所以無論是藥物分子、還是蛋白質(zhì)，它們的編碼器都不止一種類型。

對于藥物分子，DeepPurpose提供了8種編碼器。

在這些編碼器中，有用于構(gòu)造分子結(jié)構(gòu)圖的、有將繪制的分子轉(zhuǎn)換成二進(jìn)制數(shù)的、也有用于獲取序列順序信息的等……模型各有不同。

而對于靶蛋白，DeepPurpose也提供了7種編碼器，相較于藥物的化學(xué)和信息學(xué)， 編碼器對靶蛋白的轉(zhuǎn)換更多地側(cè)重于生物學(xué)信息。

也就是說，DeepPurpose一共能提供7*8=56種模型，其中許多模型非常新穎前沿，值得入手。

那么，DeepPurpose究竟該怎么上手呢？

10步以內(nèi)，上手AI“藥神”

事實(shí)上，訓(xùn)練一個(gè)新藥研發(fā)模型，需要通過以下幾個(gè)步驟，每一步都只需要用1行代碼實(shí)現(xiàn)，所有這些步驟加起來，也不超過10步。

來看看這個(gè)模型要經(jīng)過的步驟：

1、數(shù)據(jù)加載
2、指定編碼器
3、分割數(shù)據(jù)集、編碼
4、生成模型配置文件
5、初始化模型
6、訓(xùn)練模型
7、舊藥新用/虛擬篩選
8、模型保存/加載

其中，DeepPurpose最關(guān)鍵的兩個(gè)功能，舊藥新用和虛擬篩選可以在訓(xùn)練后實(shí)現(xiàn)。可以看見，DeepPurpose會自動生成藥物的親和度，并由低到高進(jìn)行排序。

這樣，就能快速縮小高通量分子的篩選范圍（如果親和度為0，那真的不必考慮了）。

至于虛擬篩選，也是類似的工作，會生成一個(gè)與上圖相似的排名列表。

不僅如此，這個(gè)AI模型還包含另外幾種案例，例如SARS-CoV2 3CLPro的舊藥新用方法、預(yù)訓(xùn)練模型等。

此外，針對近期引發(fā)關(guān)注的新冠疫情，DeepPurpose也包含了MIT收集的COVID-19開源數(shù)據(jù)集。

針對這些數(shù)據(jù)，工具包中有相應(yīng)的函數(shù)，可以直接引用。

而這個(gè)工具包的框架，正是基于藥物研發(fā)的原理制作的。

靶蛋白：藥物作用對象

藥物篩選最根本的原理，通常是判斷藥物分子與靶蛋白（藥物作用的目標(biāo)）的親和性。

為什么是蛋白質(zhì)？

事實(shí)上，這是因?yàn)椴糠旨膊。ɡ绨┌Y、腫瘤）產(chǎn)生的原因，通常與某一類蛋白質(zhì)有關(guān)，如果能找到、并用藥物“調(diào)節(jié)”這種蛋白質(zhì)，就能治愈疾病。

△ 圖片來源于flickr

例如，細(xì)胞與細(xì)胞之間的交流，依靠的就是細(xì)胞膜上的糖蛋白。而某種疾病發(fā)生的原因，可能就是因?yàn)橐活惣?xì)胞上的糖蛋白過度表達(dá)。

而這個(gè)糖蛋白，就被稱之為疾病過程中的靶蛋白。

但能用來調(diào)節(jié)某種靶蛋白的藥物，并不好找，畢竟不是每種化合物都能很好地與靶蛋白“貼貼”。

在這樣的基礎(chǔ)上，研究人員開發(fā)了DeepPurpose，這個(gè)工具包能用于預(yù)測藥物分子與靶蛋白的親和度，專業(yè)學(xué)術(shù)名詞叫藥物-靶標(biāo)相互作用（Drug-Target Interaction, DTI），簡稱DTI。

之所以選擇用AI助力新藥研發(fā)，也有其背后的原因。

AI助新藥研發(fā)一臂之力

事實(shí)上，藥廠研發(fā)出一種新藥，需要15年左右，甚至更久。

而在這期間，光是研究開發(fā)的階段，就要花掉2-10年。

研究開發(fā)的階段，目的是篩選出有治療潛力的新化合物，也就是說，每一種化合物都需要做實(shí)驗(yàn)，去不斷試錯(cuò)。

這一過程不僅枯燥無味，而且工程量巨大，人力財(cái)力都得砸。

如果用AI完成藥物篩選這一過程，對于新藥研發(fā)的加速將會起到不小的作用。

作者介紹

論文的第一作者黃柯鑫，本科于紐約大學(xué)獲得數(shù)學(xué)和計(jì)算機(jī)雙學(xué)位，目前在哈佛大學(xué)讀碩士，專業(yè)與醫(yī)療大數(shù)據(jù)有關(guān)。

黃柯鑫的研究方向，主要是圖神經(jīng)網(wǎng)絡(luò)（GNN）在新藥研發(fā)和醫(yī)療文本（如電子病歷等）上的應(yīng)用。

此外，Tianfan Fu、Lucas Glass、Marinka Zitnik、Cao Xiao和Jimeng Sun也共同參與了研究工作。

傳送門

論文鏈接：
https://arxiv.org/abs/2004.08919

項(xiàng)目鏈接：
https://github.com/kexinhuang12345/DeepPurpose

黃柯鑫主頁：
https://www.kexinhuang.com/