人工智能比人类更好地预测抗癌药物组合

人工智能作为一种新兴的颠覆性技术，正在逐步释放着科技革命和产业变革积蓄的巨大能量，并深刻改变了人类生产生活方式和思维方式。可以说，人工智能已然对经济发展、社会进步等方面产生重大而深远的影响。

目前，人工智能已经在手机、人脸语音识别、围棋，甚至结构生物学等领域大显身手，并且在不断扩大其应用领域。值得注意的是，一直以来“AI+医疗”被人们寄予厚望，它可以在减轻医疗负担的同时，减少误诊漏诊的的发生。

2020年12月1日，芬兰阿尔托大学、赫尔辛基大学和图尔库大学的研究人员在 Nature Communications 杂志上发表题为：Leveraging multi-way interactions for systematic prediction of pre-clinical drug combination effects 的研究论文。

在这项研究中，研究团队开发了一种人工智能算法——comboFM，它可以精确预测不同抗癌药物的组合是否可以对癌细胞形成联合杀伤作用。这一新的人工智能模型是用从以前研究中获得的大量数据进行训练的，为系统预筛选药物组合提供了十分高效的手段。

人类为了战胜癌症开发了大量的治疗药物，但随着治疗时间延长，许多癌症都会对它们产生耐药性，甚至完全无效。对此，联合用药是一种很好的解决耐药性的策略，同时还能减少单个药物的用药剂量，以减轻对患者的毒副作用。

但遗憾的是，虽然联合用药具有十分突出的优势，但其实验筛选却十分的缓慢和昂贵，且具有一定的盲目性。因此，开发一种全新的、快速和高效的方法去筛选出有效的药物组合是一项十分有意义的研究。

在此，Juho Rousu教授领导的研究团队开发了一种可以用于预测临床前研究中药物组合反应的人工智能算法——comboFM。comboFM可以通过高阶张量模拟不同药物组合是否具有协同效应，并对其进行相关系数打分。

预测药物剂量联合效应的comboFM框架概述

基于张量分解，comboFM能够利用之前在类似药物和细胞中实验的研究数据，预测尚未测试的细胞对新药物组合的反应。因此，即使只有较少的研究数据，comboFM仍然能够实现高度准确的预测。

有关comboFM的原理，Rousu教授解释道：“机器学习的模型实际上是一个多项式函数，我们在学校的数学教学中经常遇到，但在这里，它是非常复杂的。”

comboFM-5、comboFM-1、comboFM-1和随机森林（RF）对组织类型和药物类别的预测性能

进一步，研究人员使用来自肿瘤细胞系药物基因组筛选的数据证实，comboFM在各种预测场景中均具有很好的预测性能。

除此之外，研究人员对一组先前未测试的药物组合的后续实验验证进一步支持comboFM的实用性：他们证实间变性淋巴瘤激酶（ALK）抑制剂——克唑替尼（crizotinib）和蛋白酶体抑制剂——硼替佐米（bortezomib）在淋巴瘤细胞中具有以前未被发现的协同作用。

在实验验证中测量药物联合协同作用得分

不仅如此，comboFM也可以用于非癌症疾病的药物组合筛选。例如，可以利用comboFM来研究不同的抗生素组合如何影响细菌感染，或者不同的药物组合如何有效地杀死被SARS-Cov-2感染的细胞。

Rousu教授还表示：comboFM可以给出非常精确的结果，在他们的模拟实验中，如果相关系数超过了0.9，那就表明这一药物组合具有很高的可靠性。实际上，在实验测量中，0.8-0.9的相关系数就被认为是可靠的。

总而言之，这项研究开发出一个全新的、快速而高效的药物组合人工智能算法，并且研究人员通过该算法成功预测到一种以前未被发现的联合用药组合。这将帮助医学研究者从数千种药物组合中优先选择哪一种进行进一步的研究，极大地缩短了药物组合开发进程！

此外，研究团队还将comboFM的完整代码放到了GitHub共享。

链接：https://github.com/aalto-ics-kepaco/comboFM
责编AJX