WHO全球動員識別新冠病毒，用AI幫助人類戰“疫”

當地時間2月11日-12日，世界衛生組織（WHO）將在日內瓦舉行全球研究與創新論壇，動員全球識別新冠病毒。

當下，全球多家公司正在著手進行疫苗生產方面工作，其中就包括專注mRNA藥物的美國生物技術公司摩登那（Moderna）。不過，對於十萬火急的疫情而言，疫苗的開發速度恐是“遠水救不了近火”。

因此，一些公司采取了其他手段，比如測試已經存在的抗病毒藥物。同時，也有研究人員決心利用人工智能（AI），快速篩查可能的抗病毒藥物，以針對新冠病毒進行實驗。

人工智能公司Deargen與韓國檀國大學以及美國埃默裡大學的研究人員共同開展了一項國際合作，公布了其針對抗病毒藥物的預測模型，或為新冠病毒提供解決方案。其研究表明，用於治療和預防艾滋病毒（HIV）的抗逆轉錄病毒藥物阿扎那韋是最有希望能被用於臨床的化合物。

Deargen首席技術官樸成秀（Sungsoo Park）告訴第一財經記者：“我們測試了美國食品藥品監督管理局（FDA）批準的所有市售藥物，包括抗病毒藥和其他藥物，總計約4000種。我們是在預測後開始篩選抗病毒藥物，而不是在預測之前就這麽做的。通過這種方法，我們可能會發現其他未批準用於病毒感染的藥物，例如抗癌藥，這些藥物可能有助於開發治療新型冠狀病毒感染的新藥。但是，由於至少需要進行體外實驗才能證明非抗病毒藥具有抗病毒作用，因此未在我們的預印本中公布。”

研製疫苗全球總動員

據悉，在11日-12日的會議上，WHO計劃聚集公共衛生領域頂尖科學家以及公共衛生機構和研究資助者，就有關新冠病毒來源、疫苗、治療和診斷方法的開發創新進行聚焦討論，同時各方還將在分享生物樣本和基因序列等幾個研究領域進行討論。

據第一財經記者了解，目前全球健康藥物研發中心（GHDDI）已於2020年1月27日宣布會同清華大學藥學院向全社會科研人員免費開放藥物研發資源，共同加速針對新型冠狀病毒的藥物研發。

目前各界都在針對新型冠狀病毒藥物的研發過程中“爭分奪秒”。達沃斯世界經濟論壇期間，摩登那首席執行官班塞爾（Stephane Bancel）在接受第一財經記者採訪時表示，他的頂尖科研人員，幾乎都在晝夜不停地工作。

他對第一財經記者表示，計劃在今年夏天進行臨床試驗，並補充說“通常開發傳統疫苗，相同的過程將需要兩到三年”。

宣布在研發新冠病毒疫苗方面獲得重大突破的倫敦帝國理工大學科學家沙特克教授（Robin Shattock）也給出了類似的時間表，在將疫苗的正常研發時間從通常的兩三年縮短至14天后，近期就可以在動物身上測試疫苗，最快今夏能進行人體試驗。

與此同時，一些公司采取了其他手段，比如測試已經存在的抗病毒藥物。吉利德科學公司（Gilead Sciences）表示將與中國合作進行一項隨機對照試驗，旨在評估其抗病毒實驗藥物瑞德西韋（Remdesivir）是否能作為新冠肺炎的潛在治療方法。

AI識別新冠肺炎用藥

等待疫苗研發期間，篩選現有藥品作為抗新冠病毒藥物的任務，也可由人工智能（AI）來完成。2月5日，工信部發布倡議書稱，鼓勵人工智能企業和應用部門、上下遊企業聯合突破，在疫情發現、預警、防治等方面積極做出應有貢獻。

如前所述，人工智能公司Deargen與韓國檀國大學以及美國埃默裡大學的研究人員即在篩查中發現，阿扎那韋可能對治療新冠病毒有效。

該團隊使用了他們經過預先訓練的、基於深度學習的“藥物-靶標”相互作用的模型，來識別可以作用於新冠病毒蛋白的市售藥物。這一模型被稱為分子轉換器-藥物靶標相互作用（MT-DTI），旨在預測藥物和蛋白質之間的親和力得分。

結果表明，用於治療和預防HIV的抗逆轉錄病毒藥物阿扎那韋是最有希望能被用於臨床的化合物。

該模型顯示，阿扎那韋在所有經測試的藥物中對新冠病毒的3C-like蛋白酶（是冠狀病毒的複製過程中極為重要的蛋白酶）的抑製作用最強。其次是依非韋倫、利托那韋和多洛格韋。

此外，該團隊發現幾種抗病毒劑，例如克力芝（含洛匹那韋/利托那韋）等，也可能被用於治療新冠肺炎。

樸成秀對第一財經記者解釋道，藥物通過與靶蛋白相互作用來激活或抑製靶標功能，最終發揮作用。MT-DTI展示了親和力得分，這顯示的是藥物可靶向目標蛋白和與目標蛋白相互作用的程度。

“在論文中，我們預測了哪些抗病毒藥可以對包括病毒蛋白酶在內的幾種病毒蛋白具有抑製作用。根據我們的結果，阿扎那韋可以與目標蛋白良好地相互作用，其Kd值（注：解離常數，數值越小證明結合力越大）比任何其他藥物都小。”他解釋稱，“換句話說，這意味著阿扎那韋對目標蛋白的功能具有更大的影響。目前有幾種抗HIV藥物正被用來治療新冠病毒，我們的實驗結果對此完全支持。因此，期待通過我們的發現，找到解決新冠病毒疫情的更多辦法。”

對於這種方法的優勢，樸成秀對第一財經記者解釋稱：“首先，相較於高通量篩選（HTS），MT-DTI可以加快藥物再利用的速度。通過使用MT-DTI，我們可以得出最可能的候選分子，因為這一模型還提供了預測的親和力值。如果有指定的目標蛋白，我們可以拿到FDA批準的、實驗性的、和/或假設性的小分子物質的列表，這些分子預計會在不到5分鐘的時間內與目標蛋白結合。”

除此之外，樸成秀稱，這種方法的另一大優勢，是利用AI來預測吸收、分布、代謝、排泄（ADME）和毒性。樸成秀說：“我們還有一個模型來預測ADME和毒性，因此我們可以將範圍擴大到有效且相對更安全的小分子候選藥物，從而節省時間和金錢。”