AI技术为帕金森病找到新的潜在治疗方法

基于人工智能（AI）的新策略正显著加快为帕金森病发现潜在新药的速度。这项发表在《自然化学》杂志上的研究，杂志上的研究，可能意味着帕金森病新疗法将更快进入临床阶段并与患者见面。

研究和开发药物通常是一个缓慢、耗时且昂贵的过程。药物的研发从早期实验室测试到最终批准用于疾病治疗，需要花费大量时间和金钱。药物的开发通常分为几个阶段，包括基础研究、临床前研究、临床试验和监管审批等。 基础研究阶段涉及对药物潜在目标的探索和验证，这包括通过生物化学和分子生物学技术确定药物的作用机制。然后，药物进入临床前研究阶段，在体外和体内模型中进行测试，以评估其药理学、毒性和药代动力学等方面的特性。 一旦药物在临床前研究中显示出潜在的疗效和安全性，就会开始进行临床试验。临床试验通常分为三个阶段：I期试验评估药物的安全性和适应症，II期试验进一步评估药物的有效性和安全性，III期试验在大规模人群中验证药物的疗效和安全性。完成临床试验后，药物提交给监管机构进行审批。 监管审批是一个复杂的过程，涉及监管机构对药物的数据进行审查和评估。一旦药物获得批准，它就可以用于治疗特定的疾病。 整个药物开发过程通常需要10到15年的时间。这是因为每个阶段都需要严格的验证和审查，以确保药物的安全性和有效性。另外，研发药物的成本也非常高昂，包括研究人员的工资、设备和试验材料等费用。 因此，尽管药物开发是一个漫长和昂贵的过程，但它对于治疗疾病和改善患者生活质量至关重要。

Michele Vendruscolo，英国剑桥大学化学系教授表示，“这是个极其耗时的过程，单单确定一种主要候选方案并展开一步测试，就可能需要几个月甚至几年的时间。”

癌症治疗和其他几种疾病已经潜藏在药物，并显露出加速这一过程的初步希望。有鉴于此，数十家生物医药创始公司决定全力探索AI在药物发现方面的潜力。

在一份新闻稿中指出，“为帕金森病寻找潜在的治疗方法的一种途径，就是鉴定出能够抑制突触核蛋白聚集的小分子。突触核蛋白聚集是一种与帕金森病密切相关的蛋白质。”

这项新研究展示了基于AI的药物发现策略如何显著加快这一过程，将本降低至传统方法的千分之一，发现少量具有潜在疗效的化合物，并将其用于实验室测试。之后，实验结果将被反馈至机器学习模型中以进一步优化预测能力。

帕金森病基金会国家医学顾问Fixel神经疾病研究所所长Michael S. Okun博士（并未参与此项研究）表示，“利用AI开发的机器学习方法来开发针对帕金森病等蛋白质聚集类疾病的新时代已经到来。” 任教于佛罗里达大学的Okun补充称，“在这项研究中，AI大模型将筛选命中率提高到了传统高通量药物筛选的20倍以上，着实令人印象深刻。这将为临床试验提供更丰富的备选药物清单。”

根据帕金森病基金会的数据，每年有近9百万名美国人被诊断患有帕金森病，目前全美此类疾病已达百万之巨。尽管如此，目前还没有治疗这种疾病的有效方法，医生只能用药物来控制病情，包括颤颤、失衡、活动障碍以及肌肉僵硬。

根据Vendruscolo的解释，“机器学习正在对药物发现领域产生实际影响，并且加快了发现最有希望候选药物的整个过程。对我们来说，这意味着研究团队可以同时开展多个药物发现项目，并且不像过去那样只能逐个进行。随着时间和成本投入的大幅减少，一切都有可能——这将是一个令人兴奋的时刻。”

然而，发现有希望的新化合物距离药物测试与患者实际试用还有很长的路要走。

Okun总结道，“必须承认，这项创新能否切实加快帕金森病新疗法的发现尚无宝座，毕竟引入更多化合物反而有可能减慢研发速度。所以必须在基础科学研究层面同步推进并投入大量资源，在更好地理解帕金森病发病机理的同时，更精准地运用当前以及其他更新颖的AI衍生药物发现方法。”