▲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

▽关注【药明康德】微信公众号