据估计，五分之一的美国人患有慢性疼痛，目前的治疗方案还有很多不足之处。克利夫兰诊所基因组中心主任程飞雄博士和IBM正在使用人工智能(AI)来开发晚期疼痛治疗的药物。该团队的深度学习框架确定了多种肠道微生物衍生的代谢物和fda批准的药物，这些药物可以重新用于选择非成瘾性、非阿片类药物来治疗慢性疼痛。
发表在《细胞出版社》(Cell Press)上的这一发现，是两家组织的“发现加速器”合作伙伴关系帮助推进医疗保健和生命科学研究的众多方式之一。
由于严重的副作用和依赖性的风险，用阿片类药物治疗慢性疼痛仍然是一个挑战，共同第一作者，Cheng博士实验室的博士后研究员Yunguang Qiu博士说，他的研究项目专注于开发神经系统疾病的治疗方法。最近的证据表明，在一种叫做G蛋白偶联受体(gpcr)的蛋白质类别中，对疼痛受体的特定子集进行药物治疗可以提供非成瘾性、非阿片类药物的疼痛缓解。邱博士解释说，问题是如何针对这些受体。
与从零开始发明新分子不同，研究小组想知道他们是否可以应用他们已经开发的研究方法来寻找预先存在的fda批准的用于潜在疼痛适应症的药物。这个过程的一部分包括绘制肠道代谢物以发现药物目标。
为了识别这些分子，第一作者和计算科学家杨宇欣博士，前肯特州立大学研究生。杨博士在程博士的实验室完成了他的论文研究，并继续在那里作为数据科学家工作。Drs。杨和邱领导的团队更新了Cheng实验室之前开发的药物发现人工智能算法。IBM的合作者帮助撰写和编辑了手稿。
为了确定一个分子是否会作为药物起作用，研究人员需要预测它如何与我们体内的蛋白质(在这种情况下，是我们的疼痛感受器)发生物理相互作用并影响它们。为了做到这一点，研究人员需要基于大量关于这两种分子的物理、结构和化学性质的二维数据，对这两种分子进行三维理解。
Cheng博士解释说:“即使在当前计算方法的帮助下，将我们预测分析所需的大量数据结合起来也是非常复杂和耗时的。”“人工智能可以迅速充分利用从成像、进化和化学实验中获得的化合物和蛋白质数据，来预测哪种化合物最有可能以正确的方式影响我们的疼痛感受器。”
该研究团队的工具，称为LISA-CPI(预测化合物-蛋白质相互作用的配体图像和受体三维(3D)结构感知框架)，使用一种称为深度学习的人工智能来预测:
如果一个分子能与特定的疼痛感受器结合
分子会附着在受体的哪个位置
分子附着在受体上的强度有多大
将分子与受体结合是否会开启或关闭信号传导效应
该团队使用LISA-CPI预测了369种肠道微生物代谢物和2308种FDA批准的药物如何与13种疼痛相关受体相互作用。人工智能框架确定了几种可以重新用于治疗疼痛的化合物。目前正在实验室进行验证这些化合物的研究。
杨博士说:“这种算法的预测可以减轻研究人员必须克服的实验负担，甚至可以提出一份候选药物清单进行进一步测试。”“我们可以用这个工具来测试更多的药物、代谢物、gpcr和其他受体，以找到治疗疼痛之外的疾病的方法，比如阿尔茨海默病。”
郑博士补充说，这只是该团队与IBM合作开发药物开发小分子基础模型的一个例子，包括本研究中的药物再利用和正在进行的新药物发现项目。
他说:“我们相信，这些基础模型将提供强大的人工智能技术，以快速开发针对多种具有挑战性的人类健康问题的治疗方法。”
