AI được coi là một phương pháp đầy hứa hẹn, có thể phát hiện nhiều ứng viên phức hợp hơn và nâng cao tỷ lệ thành công trong những thử nghiệm lâm sàng của các ứng viên thuốc.
Trong vài năm qua, trí tuệ nhân tạo (AI) được đưa vào sử dụng trong lĩnh vực khám phá thuốc. Thiết kế thuốc ứng dụng AI được phát triển từ chuỗi hệ thống nhập dòng đầu vào phân tử được đơn giản hóa (SMILES) thành đồ thị một mạng thần kinh, nâng cao độ chính xác và hiệu quả của nghiên cứu thiết kế thuốc de novo.
AI không chỉ có thể thiết kế các loại thuốc dựa trên mô hình học sâu được đào tạo mà còn có thể sử dụng các mô hình Học sâu để dự đoán về quá trình tái tổng hợp và các tính chất của thuốc như ADMET (hấp thụ, phân phối, chuyển hóa, bài tiết và độc tính).
AI được coi là một phương pháp đầy hứa hẹn, có thể phát hiện nhiều ứng viên phức hợp hơn và nâng cao tỷ lệ thành công trong những thử nghiệm lâm sàng của các ứng viên thuốc.
GS Qifeng Bai thuộc Đại học Lan Châu, Trung Quốc cho rằng AI sẽ phát triển thiết kế thuốc 3D de novo từ thiết kế thuốc 1D hoặc 2D. Nhóm nghiên cứu của GS Bai cũng phát triển một phần mềm, có tên MolAICal, được sử dụng để thiết kế các phối tử 3D cho gói những bệnh mục tiêu bằng AI và các thuật toán truyền thống.
Với sự phát triển của công nghệ AI, AI được phát triển để kết gắn các phân tử thuốc. Ví dụ, GNINA là một công cụ tuyệt vời trên cơ sở mạng neural phức hợp (CNN), là mạng neural được sử dụng để phân tích hình ảnh trực quan kết nối phân tử. Mô phỏng động lực học phân tử (MD) là một phương pháp động lực học, tăng cường độ chính xác của thiết kế thuốc.
Mô phỏng MD được coi là một phương pháp chính xác hơn so với mô phỏng de novo tĩnh thiết kế thuốc. Khi phát triển thuốc cần nhiều thời gian và tài nguyên máy tính để xử lý không gian cấu trúc nhiều chiều cao (số lượng các chiều rất lớn) của những hệ thống mô phỏng phức tạp. AI có thể cung cấp giải pháp hiệu quả và tiết kiệm thời gian để xử lý dữ liệu lớn (BigData) của mô phỏng MD, đồng thời đóng một vai trò quan trọng trong thiết kế thuốc de novo 3D tĩnh và động.
Ứng dụng Học sâu và Máy học có diễn giải thiết kế thuốc de novo và mô phỏng MD.
TS Horacio Pérez-Sánchez, lãnh đạo nhóm nghiên cứu Tin sinh học Cấu trúc và Máy tính Hiệu suất cao (BIO-HPC) tại Đại học Católica San Antonio de Murcia (UCAM), Tây Ban Nha cho rằng, với sự phát triển của công nghệ, các phương pháp Học sâu và Máy có thể diễn giải (IML) được sử dụng để nâng cao hiệu quả và độ chính xác của thiết kế thuốc de novo và mô phỏng MD. Ứng dụng các phương pháp Học sâu để thiết kế thuốc de novo, mô phỏng MD và IML có thể thúc đẩy hơn nữa sự phát triển kỹ thuật khám phá và thiết kế thuốc.
Chương trình trí tuệ nhân tạo AlphaFold2 có ý nghĩa quan trọng đối với AI, sinh học và y học. thúc đẩy các nhà khoa học và ngành công nghiệp phát triển nhiều công cụ AI để phát hiện và chế tạo thuốc, giảm chi phí và thời gian đưa ra thị trường. Trên nhiều hướng nghiên cứu khác nhau, các phương pháp ứng dụng AI thoát ra khỏi chế độ bảo hộ bằng sáng chế cho các loại thuốc mới, dự đoán cấu trúc protein, sàng lọc ảo, hóa sinh, dự đoán ADMET và lập kế hoạch lộ trình phát triển tổng hợp trên các mô hình Học sâu.
Những vấn đề phải đối mặt trong quá trình nghiên cứu phát triển thuốc cũng dẫn đến sự phát triển của Học sâu như Học sâu đồ thị, Học sâu vật lý, những mô hình thuốc trên cơ sở năng lượng, v.v. AI dần dần được ứng dụng trong mọi giai đoạn khám phá và phát triển thuốc từ những nghiên cứu tiền lâm sàng và thử nghiệm lâm sàng Giai đoạn I, II, III, IV, v.v. AI sẽ đẩy nhanh tốc độ phát triển thuốc và giải quyết nhiều bệnh tật hơn.