Insilico Medicine通过人工智能识别ALS的治疗靶点

药物发现初创公司 Insilico Medicine 与来自哈佛医学院、约翰霍普金斯医学院、梅奥诊所等的研究人员一起使用人工智能识别了二十多个与肌萎缩侧索硬化症（ ALS ）相关的基因靶点。研究结果包括 17 个高置信度和 11 个新的治疗靶点，最近发表在 衰老神经科学前沿 上。

利用 Insilico 的人工智能驱动的靶点发现引擎 PandaOmics ，研究人员分析了大量数据集，以发现新药物可以靶向改善 ALS （也称为 Lou Gehrig 病）预后的基因。如今，患者通常在症状出现后面临 2 到 5 年的平均预期寿命。

研究团队使用 NVIDIA GPU 来训练用于目标识别的深度学习模型。 PandaOmics 人工智能引擎使用组学人工智能分数、基于文本的人工智能分数、财务分数等组合对基因目标进行排序。

ALS 是一种使人衰弱的疾病。患者迅速失去自主肌肉运动，影响行走、说话、进食和呼吸的能力。美国食品和药物管理局批准的五种现有治疗方法无法阻止或扭转这种影响全球 70 多万人的功能丧失。

Insilico Medicine 创始人兼首席执行官亚历克斯·扎沃龙科夫（ Alex Zhavoronkov ）在一份 新闻发布 报告中说：“这项合作研究成果表明，当我们将人类专业知识与人工智能工具结合起来，发现未满足需求的疾病的新靶点时，这是可能的。”。“这只是开始。”

Insilico Medicine 是 NVIDIA Inception 的首要成员， VZX5 是一个全球计划，旨在支持具有共同营销、专业知识和技术的尖端创业公司。

人工智能揭示了治疗无法治愈疾病的新途径

研究团队使用分布式图形学习库 Quiver 在多个 NVIDIA GPU 上加速其人工智能模型。他们使用了自然语言处理模型，包括 生物 BERT ， GPT 和 OPT ，以及文本识别模型，包括 PaddleOCR 和 docTR 。

为了帮助识别与肌萎缩侧索硬化症相关的基因，研究人员使用了公共数据集以及来自 Answer-ALS 的数据， Answer-ALS 是一个全球项目，其临床数据由约 1000 名肌萎缩侧索硬化症患者的 2.6 万亿个数据点组成。在一个临床前动物模型中，该团队验证了 28 个已识别的基因靶点中的 18 个与肌萎缩侧索硬化症在功能上相关，并且在其中 8 个靶点中，抑制将显著减少神经退行性变。

研究人员目前正在努力将其中一些目标推向 ALS 的临床试验。目标将在 ALS.AI 上共享，以帮助加速药物发现。

今年早些时候， Insilico 开始了一项人工智能的 1 期临床试验，人工智能设计的药物用于治疗肺纤维化，这是另一种进展迅速、难以治疗的疾病。

关于作者

Renee Yao 是 NVIDIA 全球医疗 AI 创业公司的领导者，管理着 1300 多家数字健康、医疗器械、医疗成像、基因组学和药物发现领域的医疗初创公司。此前，她曾在 NVIDIA 担任人工智能系统的高级产品经理和产品营销经理，为自动驾驶汽车、电信和大数据分析行业构建捆绑解决方案和参考架构。她毕业于加州大学伯克利分校哈斯商学院，主修经济学和信息技术。 Renee 被评为 B2B 产品营销 50 强之一。在空闲时间，她喜欢竞争性的交际舞、阅读和旅行。

审核编辑：郭婷