人工智能如何讓老藥重新達到新高度？
2019-04-08 15:01
動脈網
關注
一定程度上說，這些研究確實為我們帶來了無上的瑰寶。例如遺傳學家Nancy Wexler博士通過研究委內瑞拉亨廷頓病患者的家族史，最終發現了在單個基因上的突變能夠預測一個人會不會得上這一疾病。
然而，科學家們很快發現基因與疾病之間的聯系并不總是那么簡單，像癌癥和阿茲海默病這樣的復雜疾病并不是因為一個基因的突變而產生。如今，Cohen博士和其它有識之士認為“化繁為簡”的科研方式與藥物開發的效率下降之間有著重要的聯系。這種效率下降導致一款新療法獲得FDA批準的成功率只有10％，而且藥物開發成本迅速上升。
▲Albert－László Barabási博士（圖片來源：Albert－lászló barabási博士實驗室官網）
近年來，科學家們開始在網絡理論的幫助下開始解決生物復雜性的問題。網絡理論的著名科學家，東北大學（Northeastern University）的Albert－László Barabási博士認為，疾病就像一個壞信號通過網絡從基因傳播到蛋白，再傳播到細胞和組織，直到所有對網絡的擾亂最終表現為我們通常熟悉的疾病癥狀。
復雜疾病是無數種影響的綜合結果，因為基因多效性意味著任何蛋白可能在身體的不同部位發揮作用。像Pharnext這樣的初創公司假設藥物也可以具有多效性，它們可以與多種蛋白互動，在體內可以產生多種作用。想要發現能夠解決復雜疾病的藥物組合，我們必須把機器學習從海量數據中發現規律的重要能力，與疾病發生的結構化機制有機地結合在一起。
分享
聲明：
本文系OFweek根據授權轉載自其它媒體或授權刊載，目的在于信息傳遞，并不代表本站贊同其觀點和對其真實性負責，如有新聞稿件和圖片作品的內容、版權以及其它問題的，請聯系我們。
請輸入評論內容...
請輸入評論/評論長度6~500個字
圖片新聞
