▲对候选分子进行药代动力学分析和作用机理探索(图片来源:参考资料[1])
体外实验结果表明,其中的2个化合物对于DDR1具有很高的抑制性。在细胞系中,这两个化合物同样展现了可喜的DDR1抑制能力,且能有效降低与纤维化进程有关的标志物。最后,研究人员们选择1号化合物进行动物实验。结果表明,无论是通过静脉注射,还是通过口服,它的药代动力学特性均令人满意。
值得一提的是,在人工智能技术与研发人员的协同下,在选定靶点的46天后,新筛选出的分子就完成了初步的生物学验证。此外,科学家们也决定公开该算法的源代码,供产业更多研发人员使用。
▲选定靶点的46天后,新筛选出的分子就完成了初步的生物学验证(图片来源:参考资料[1])
在论文的最后,研究人员们也指出,在迈入临床试验之前,由人工智能设计出的分子还有进一步优化的空间。但考虑到新药研发周期之漫长,能在早期新药发现过程中缩短时间,已是一个喜人的进步。我们也期待在人工智能的助力下,未来能够更多新药的研发得到加速,最终造福全球病患!
本文题图来自Pixabay。
参考资料:
[1] Alex Zhavoronkov et al., (2019), Deep learning enables rapid identification of potent DDR1 kinase inhibitors, Nature Biotechnology, DOI: https://doi.org/10.1038/s41587-019-0224-x
*声明:本文由入驻新浪医药新闻作者撰写,观点仅代表作者本人,不代表新浪医药新闻立场。▽关注【药明康德】微信公众号