人工智能作为新兴的颠覆性技术,正在逐步释放在科技革命和产业变革中积累的巨大能量,深刻改变着人类的生产、生活方式和思维方式。可以说,人工智能已经对经济发展和社会进步产生了重大而深远的影响。目前,人工智能在手机、人脸语音识别、围棋,甚至结构生物学等领域大显身手,应用领域不断拓展。值得注意的是,“AI+医学”一直被人们寄予厚望。在减轻医疗负担的同时,可以减少误诊、漏诊的发生。2020年12月1日,来自芬兰阿尔托大学、赫尔辛基大学和图尔库大学的研究人员在《自然通讯》杂志上发表了题为:Leveragingmulti-wayinteractionsforsystematicpredictionofpre-clinicaldrugcombinationeffects的研究论文。在这项研究中,研究团队开发了一种人工智能算法——comboFM,可以准确预测不同抗癌药物的组合能否对癌细胞形成联合杀伤作用。这种新的人工智能模型是用以往研究中获得的大量数据进行训练的,为系统地预筛选药物组合提供了一种非常有效的手段。人类开发了大量的治疗药物来战胜癌症,但随着治疗时间的延长,许多癌症会对它们产生耐药性,甚至完全无效。对此,联合用药是解决耐药性的好策略,同时可以减少单个药物的用量,减少患者的毒副作用。但遗憾的是,虽然联合用药具有非常突出的优势,但其实验筛选非常缓慢且成本高昂,具有一定的盲目性。因此,开发一种新的、快速、高效的方法筛选出有效的药物组合是一项非常有意义的研究。在这里,由JuhoRousu教授领导的研究团队开发了一种人工智能算法——comboFM——可用于预测临床前研究中的药物组合反应。comboFM可以通过高阶张量模拟不同的药物组合是否具有协同效应,并对它们的相关系数进行打分。用于预测药物剂量组合效应的comboFM框架概述基于张量分解,comboFM能够利用以前在相似药物和细胞实验中的研究数据来预测尚未测试的细胞对新药物组合的反应。因此,即使在研究数据较少的情况下,comboFM仍然能够实现高度准确的预测。对于comboFM的原理,柔苏教授解释道:“机器学习的模型其实是一个多项式函数,我们在学校数学教学中经常会遇到,但是在这里,它很复杂。”comboFM-5,comboFM-1.comboFM-1和随机森林(RF)对组织类型和药物类别的预测性能此外,研究人员使用来自肿瘤细胞系的药物基因组筛选的数据来确认comboFM在各种预测中具有良好的预测性能场景。此外,研究人员随后对一组先前未经测试的药物组合进行的实验验证进一步支持了comboFM的效用:他们证明了间变性淋巴瘤激酶(ALK)抑制剂克唑替尼和蛋白酶体抑制剂硼替佐米具有先前未发现的协同作用对淋巴瘤细胞的影响。comboFM不仅可以在实验验证中测量药物组合协同分数,还可以用于非癌症疾病的药物组合筛选。例如,comboFM可用于研究不同抗生素组合如何影响细菌感染,或不同药物组合如何有效杀死被SARS-Cov-2感染的细胞。柔苏教授也说:comboFM可以给出非常准确的结果。在他们的模拟实验中,如果相关系数超过0.9,说明这个药物组合具有很高的可靠性。实际上,0.8-0.9的相关系数在实验测量中被认为是可靠的。总而言之,这项研究开发了一种新的、快速、高效的药物组合人工智能算法,研究人员通过该算法成功预测了一种以前未被发现的药物组合。这将有助于医学研究人员从数千种药物组合中优先选择哪一种进行进一步研究,大大缩短药物组合开发过程!此外,研究团队还将comboFM的完整代码放到了GitHubshare中。链接:https://github.com/aalto-ics-kepaco/comboFM论文链接:https://www.nature.com/articles/s41467-020-19950-z
