“深层药物”的研究小组正在开发另一个名为eToxPred的模块

世界各地的人和制药公司都越来越受到抗生素抗性细菌以及迅速发展的新病原体的挑战。同时，新药的发现可能是一个缓慢而昂贵的过程，因为公司必须确保其药物既有效又安全。目前，开发一种新药并获得批准平均需要10年时间，且费用超过20亿美元。现在，由计算机科学系副教授Supratik Mukhopadhyay和生物科学系副教授Michal Brylinski领导的跨学科LSU团队建议在计算和技术中心联合使用人工智能（AI ），以尝试解决这一日益严重的问题。

这个名为“深层药物”的研究小组正在利用计算机科学的深度学习技术以及生物学和化学领域已知生物活性化合物的大量数据集，来教授其名为eSynth的工具，以发明或确定对特定细菌有效的化合物。

另一方面是确保所鉴定的化合物是安全的。为此，团队正在开发另一个名为eToxPred的模块。虽然对治疗性化合物进行临床毒理学测试以确定安全性既耗时又昂贵，但制药公司可以使用eToxPred预测哪些化合物可能引起毒性作用并伤害患者。该团队还在开发另一个名为eDrugRes的基于人工智能的模块，该模块可以检查病原体的蛋白质-蛋白质相互作用网络，以预测对已知药物的敏感性和/或耐药性。

到目前为止，该团队已经使用20408种生物活性化合物对102个代表许多重要药物靶标的受体蛋白进行了eSynth测试。Deep Drug希望eSynth将临床前药物发现和测试的时间从平均三年减少到6到8个月。

Michal Brylinski说：“我们正在整合大量的生物学数据，并且数据非常复杂且难以分析，这就是我们需要人工智能的原因。重要的是，我们没有进行任何实验就可以这样做。这只是AI告诉我们何时合成一种新药。如果某种细菌具有耐药性，那么AI可以帮助我们找到另一种可能有效的药物。唯一的输入将是病原体的DNA序列，然后AI可以找出杀死它的原因。不用让很多人接受测试，我们只需使用计算机即可。”

Mukhopadhyay说：“这是一个尝试解决月球问题的机会，这是一个非常困难的问题。” “为此，我们需要一个跨学科团队。当我碰巧看到Michal的谈话之一时，我说：“这是我需要的人。”

Brylinski的专业知识是计算微生物学和化学。

他说：“我不足以强调在这个项目上合作的价值。” “就我个人而言，如果没有人工智能，我将永远做不到这样的事情。同时，为了使用AI，计算机科学家需要与领域科学家联系以解决现实问题。”

“这是一个大型项目，是我们从未做过的事情，” Brylinski继续说道。“我们正在整合大量的生物数据，并且数据非常复杂且难以分析，这就是为什么我们需要人工智能。重要的是，我们无需进行任何实验即可完成此操作;这只是AI告诉我们何时合成一种新药。如果某种细菌具有耐药性，那么AI可以帮助我们找到另一种可能有效的药物。唯一的输入将是病原体的DNA序列，然后AI可以找出杀死它的原因。不用让很多人接受测试，我们只需使用计算机即可。”

布赖林斯基将团队将AI用于药物发现的技术与自动驾驶汽车工程师的技术进行了比较。

他说：“在汽车中，人工智能从传感器中获取大量数据，然后必须决定何时停止或何时加速。” “我们正在做非常相似的事情。我们正在从实验中收集大量数据，以训练我们的AI能够做出正确的决定，是否合成一种药物以及知道某种药物是否有效。”

计算机科学研究生Adam Bess正在与Mukhopadhyay和Brylinski合作进行Deep Drug项目。他的本科学位是生物学和计算机科学，在去年进入LSU之前，他在生物信息学领域工作了几年。

贝斯说：“我最兴奋的是创建一个工具包和丰富的数据集，任何研究人员都可以使用它来深入分析不同种类的药物和细菌。” “总的来说，我们可以做更多的整合科学，并互相帮助推动整个项目向前发展。”

IBM Watson AI XPRIZE是一项全球竞赛，鼓励研究人员团队开发基于人工智能的强大应用程序，并演示人类如何与AI合作以应对世界上最大的挑战。LSU团队现在是准决赛选手，他们将获得$ 15，000的里程碑奖金，以赢得$ 3百万的大奖，该奖项将授予2016年原有147组中剩下的10组中的一支。第二和第三名的团队将获得分别为100万美元和50万美元。

预计排名前三的团队将在2020年2月宣布，并将在温哥华的TED2020上展示他们的工作，主题为“未知”。