當製藥公司努力為富裕國家開發藥物，並且通常忽視其他地方的疾病時，一個名為伊芙的機器人科學家已經找到可能對抗耐藥性瘧疾的化合物。伊芙的開發者認為他們的人工智慧（AI）技術可以加速藥物發現，正如批評者呼籲與“活體化學家”進行“匹配”一樣。
這種具有人工智慧的機器人旨在在製藥行業已經使用的計算智慧之上，增加一種新的、先進的學習能力。在2月4日發表在《皇家學會介面雜誌》上的研究中，英國曼徹斯特大學的計算機科學家羅斯·金和他的團隊表示，伊芙發現一種名為TNP-470的化學物質可以有效靶向一種對惡性瘧原蟲（導致瘧疾的寄生蟲之一）生長至關重要的酶。“我沒想到真的會找到任何有用的化合物，我以為我們只是演示人工智慧，”金說。
伊芙不僅有大腦，還有藥物發現的實力。它的計算機伺服器控制著兩個機器人手臂，這兩個手臂在用於將液體分配到裝有大量孔的塑膠板的裝置中翩翩起舞。這些板用於篩選測試潛在有用的藥物化合物。本質上，藥物分子就像微小的鑰匙，可以插入蛋白質或酶鎖中。在板中，每個孔都包含一個含有鎖的生化系統，當鑰匙插入鎖中時，系統會觸發可檢測的訊號，例如熒光。最初的訊號（或命中）通常在一個儀器上找到，然後在其他地方進行進一步測試，以檢查鑰匙是否真的適合鎖。伊芙整合了這些通常獨立的能力，加速了研究過程。
支援科學新聞報道
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道 訂閱。透過購買訂閱，您正在幫助確保有關塑造我們今天世界的發現和想法的具有影響力的故事的未來。
製藥公司通常必須篩選數十萬種化合物，才能找到告訴他們鎖的性質的命中。這些命中永遠不是治療疾病所需的精確、完美的鑰匙。因此，在經歷了漫長的篩選過程後，化學家和生物學家花費大量精力使用資料來研究下一步要製造和測試哪種化合物。為此，他們從篩選結果中建立“定量構效關係”（QSAR）。這是一種數學函式，它將分子的組成、形狀和性質（如電荷）與它與鎖的契合程度聯絡起來。然而，即使使用計算機輔助QSAR，仍然需要緩慢的試錯過程才能錘鍊出可能成為藥物的精確鑰匙。
伊芙的人工智慧——一套新增到QSAR功能上的“主動學習”演算法——旨在更快地找到有希望的線索。在處理了大約5,000個分子的“學習集”後，人工智慧收集了最適合鎖的鑰匙的特徵。然後，它使用這些特徵來預測集合中剩餘成員中哪些更可能成為命中，僅選擇和測試它們。由於篩選集合的其餘部分不會增加更多的知識，伊芙可以提前退出。
在尋找瘧疾藥物的過程中，科學家們針對的一個可能的鎖是一種名為二氫葉酸還原酶 (DHFR) 的酶，它在細胞生長中起著重要作用。然而，它在人和寄生蟲中都存在，因此在不傷害患者的情況下對抗瘧疾意味著擊中寄生蟲版本，同時避免人類版本。伊芙使用經過基因工程改造的啤酒酵母細胞快速篩選分子，這些細胞含有來自惡性瘧原蟲的DHFR編碼基因——以及來自惡性瘧原蟲抗現有瘧疾藥物的物種——以及其他含有人類DHFR基因的酵母。結果表明，在所有測試的分子中，少量的TNP-470可以阻止具有耐藥性惡性瘧原蟲DHFR的酵母生長，而阻止具有人類DHFR的酵母生長則需要濃度高出1000倍。
伊芙快速篩選的能力也降低了成本，因為商業篩選化合物的售價約為每毫克15美元，是黃金價格的10倍以上。“如果你篩選整個庫，你會找到所有的命中，但你已經消耗掉了一些化合物和大量時間，”金說。以伊芙的方式做事可能有助於解決他所謂的製藥業的“根本問題”：開發新藥太慢且太昂貴。
德里克·洛是《管線中的藥物》部落格的醫藥化學家，他同意潛在的速度和成本優勢很重要，但有一個警告。伊芙“似乎是我們已經使用的技術的自然結果，”他說。“與任何自動化系統一樣，我對伊芙的擔憂是人們會對其結果信以為真，從不費心去了解其內部原理，”他補充道。“因此，雖然我不反對這種方法，但我對它持謹慎態度，因為我認為許多實際應用——至少現在的現實世界是這樣——與它不太匹配。但這種情況註定會隨著時間的推移而改變，如果人們不從事這類工作，情況永遠不會改善，”他說。
肖恩·埃金斯是北卡羅來納州化學合作公司的計算藥物發現顧問，他更加懷疑。他指出，製藥公司已經發現了數百種比TNP-470更有效的抗瘧疾化合物，並表示他不相信伊芙能做QSAR。他希望看到伊芙與一位真正的計算化學家正面交鋒。“伊芙應該回到伊甸園，把藥物發現留給懂得自己在做什麼的科學家，”埃金斯說。
金也希望看到直接競爭，但表示很難組織這樣的“烘焙比賽”。他已經習慣了製藥研究人員的批評，但仍然認為像伊芙這樣的系統在尋找藥物方面將發揮更大的作用。“未來，人工智慧系統將決定製造和篩選什麼，因為它們在某些任務上比人類做得更好，”他說。