簡介
諾華在內的許多製藥公司正在將人工智能，機器學習和其他預測技術應用於藥物發現。例如，將機器學習應用於組織樣品中疾病的分析過程，確定潛在的藥物靶標，以及下一步要合成的化合物。AI的挑戰就是如何在正確的時間向正確的人提供正確的信息。一些實驗室的標準活動將會自動觸發系統（例如實驗室筆記本錄入，蛋白共晶體結構），隨後系統執行分析，並將分析後的信息傳遞給了科學家。AI的目標是擴大科學家的視野併為其提供更多藥物研發信息以及相關的啟發。但是，如果建議不合時宜（例如，不相關或發送給錯誤的人），科學家可以在AI提供的簡潔信息中迅速發現，並採取行動制止。
諾華生物醫學研究中心（NIBR）
諾華生物醫學研究中心（Novartis Institutes for BioMedical Research, NIBR）開發了5個人工智能啟發式藥物發現推薦系統，在下表中進行了概述。由於在藥用化學領域，推薦系統的研究相對較新，因此作者一直專注於一些高價值的實例，這些用例可為科學家帶來直接的利益，並得到現有系統的支持。
圖1. 諾華生物醫學研究中心開發的5種不同的藥物發現推薦系統
“Chem Recommender”是元老級別的產品。它從化學電子實驗室筆記本中挖掘信息，並根據化學家最近工作來建議進行相關的化學合成。它還提供了用於合成的化合物的文獻建議。
“ NIBR Hops” 於2019年3月投入生產。在發現新的蛋白小分子共晶體結構之後，NIBR Hops會通過搜索內部和外部小分子數據庫，來推薦與3D的生物活性構象具有相似性性的化合物。此外，推薦的的化合物具有新奇2D分子骨架，這些2D分子骨架具有潛在的高價值。
圖 2. NIBR Hops
圖3. 不同級別的NIBR Hops建議
“Assay Sommelier”會組合項目組的信息，並建議進行的相關輔助實驗，來儘早識別和篩選潛在的脫靶靶標。
正在開發另外兩個推薦系統， “ Transformer”將向正在解決化合物優化難題，為藥物化學家提供合成建議，“Every Well Counts”旨在提高生物測定的回報率。
討論
1）向科學家提供建議的最佳方法是什麼？ 理想情況下，像商業購物，音樂或電影系統一樣，推薦內容應根據具體情況提供，這並非總是可行的，因為用戶界面並不是一直處於控制狀態。對於Chem Recommender和NIBR Hops，作者已經使用電子郵件發送建議，但電子郵件並不是屬於科學家的工作環境。將來，智能揚聲器系統將被考慮在內，以一種實驗室友好的方式來進行提醒。
2）如何評估科學推薦系統？在商業推薦中，評估標準相對簡單。電子郵件營銷活動是否對公司網站的點擊率有提高？用戶是否購買了建議的商品？用戶是否觀看了整個推薦電影或將推薦歌曲添加到播放列表？在醫藥企業中，這比較困難。例如，Chem Recommender使用電子郵件旨在為用戶提供儘可能多的信息。用戶只需單擊即可獲取信息。但是如果化學家沒有點擊，那麼相關的信息就會被遺漏，推薦系統無法察覺這些外部因素。
3）如何確定向用戶推薦的內容？商業推薦系統傾向於使用算法來進行過濾。根據用戶的購買以及喜好來進行分類。但是，在實驗環境中，化學家並不“喜歡”特定分子。因為即使化學家在合成中使用或創建了某種特殊的分子，並不意味著該分子會成為人們的最愛，甚至並不意味著化學家將來會使用它。而且，即使對於一家大公司，我們的藥物化學家數量也相對較少，用戶量不足以支持進行分類。在這種環境中，相關的領域知識至關重要。
4）儘管作者在努力創建簡單且易於理解的建議，但系統卻常常無法工作。例如，NIBR Hops依靠多個科學軟件，集群和不同的數據系統。為了從試生產過渡到生產階段，NIBR Hops必須在新平臺上實現穩定的運行。通過隱藏這些複雜性，NIBR Hops極大地簡化了科學家的工作。因此，相關的挑戰如何能夠構建一個魯棒性很高的系統，這對科學家或管理人員而言可能是很大的挑戰。
5）最後，建議應該經常有用，因為人們會很快忽略無用的建議。但是，與專用於分析研究的系統不同，推薦系統不需要推薦所有的建議。所以，面臨的挑戰是如何推薦新穎且有用的建議，並激發用戶進一步研究調查。
展望
隨著製藥行業競相採用人工智能和機器學習來進行藥物發現，相信使用AI/ ML技術來增強人類工作的應用會不斷的出現，例如：在先導化合物合成，化學可及性分析，相關檢測，分子轉化等方面。這些應用的開發可以使科學家能夠縮短實驗時間並最終加快藥物發現。作者的方法是藥物研發中AI的“low-hanging fruit”，並不是在策略上進行全面改變，而是在現有數據和系統的基礎上來推動以便幫助藥物化學家。
參考文獻
Rohall, S., et al., An artificial intelligence approach to pro-actively inspire drug discovery with recommendations. Journal of Medicinal Chemistry, 2020. DOI: 10.1021/acs.jmedchem.9b02130
閱讀更多 中大唯信 的文章
