作者/文龙 最近,麻省理工学院的研究人员开发了一种新的AI驱动技术,通过提高评估药物分子结合亲和力的计算速度来加速药物的发现。 这项研究于3月15日以「DeepBAR:一种快速精确计算结合自由能的方法」(DeepBAR: A Fast and Exact Method for Binding Free Energy Computation)为题发表在《物理化学快报》(the Journal of Physical Chemistry Letters)杂志上。该研究的主要作者是麻省理工学院化学系的博士后Xinqiang Ding。 药物只有在体内黏附目标蛋白质时才能起作用。评估粘性是药物发现和筛选过程中的关键,而机器学习可以减少评估该重要药物属性所花费的时间。 MIT团队研发的被称为DeepBAR的新技术,可以快速计算候选药物与其靶标之间的结合亲和力,从而提高药物发现的速度。 药物分子与靶蛋白之间的亲和力是通过「结合自由能」的大小来衡量的——值越小,结合的粘性就越大。「较低的结合自由能意味着该药物可以更好地与其他分子竞争,可以更有效地破坏蛋白质的正常功能。」麻省理工学院和哈佛大学广泛研究所(Broad Institute)成员、MIT辉瑞-劳巴赫化学职业发展教授张斌解释道。 候选药物的结合自由能与该药物的有效性之间存在高度相关性。传统的自由结合能计算方法有两种,但每种都有其自身的缺点——一种会消耗大量时间和计算机资源;另一种却仅产生近似值。 MIT研究团队设计的方法则是两全其美的,通过计算结合状态和未结合状态的绝对自由能的差值得到结合自由能,而绝对自由能的计算则是采用一种机器学习和传统化学计算相结合的方法。 图示:结合自由能的计算。(来源:论文) 研究人员还使用平均力势(PMF)方法进行了计算,比较结果显示,由于DeepBAR不需要中间态的模拟,效率比PMF提高了几乎50倍,精确度却相当。 化学计算和机器学习相结合 DeepBAR中的「BAR」代表「Bennett接受率」,这是传统的用于精确计算结合自由能的方法。使用Bennet接受率不仅需要了解两个「端点」状态,还需要知道许多中间状态,这大大降低了计算速度。 通过在深度生成模型的框架中部署BAR,DeepBAR大幅削减了中间态的模拟。「这些模型为每个端点创建了一个参考状态,结合状态和未结合状态,」张教授解释说,这两个参考状态与实际状态非常相似,因此可以直接使用Bennett接受率,无需中间部分结合的相应步骤。 他们的深度生成模型基于计算机视觉技术,并通过对算法的改进使模型适用于3D结构的分析。从本质上讲,DeepBAR将分析的每个分子结构都视为图像,分析「图像」的特征以供学习。 图示:使用受约束的分子动力学模拟收集的样本,使用深度生成模型对参考状态进行参数化。(来源:论文) 更快的药物筛选的未来 DeepBAR并不是将AI应用于药物发现的首次尝试,但它与之前旨在药物发现自动化的研究不同,DeepBAR通过对药物有效性的检验来提高速度,突破存在的自然瓶颈。 如果目标是提高药物发现的速度,那么「解决正确的问题」就很重要。药物的临床有效性和安全性评估需要大量时间,很难找到使用AI降低临床失败率的方法。最终,就药物开发而言,在AI可以合理地整合到临床评估过程之前,可以节省的时间可能会有一个上限。 DeepBAR的精确度与标准完全相同,但是速度要快得多。「我们的方法比以前快了几个数量级,这意味着我们可以找到既高效又可靠的药物,」张教授表示,效率意味着「我们可以真正开始考虑使用此方法进行药物筛选,尤其是在Covid-19大流行的情况下。」 加州大学圣地亚哥分校的药物学教授Michael Gilson(迈克尔·吉尔森)则认为,DeepBAR是「一项非常出色的计算研究工作」,但在将其用于实际药物发现之前,还需清除一些障碍。 Gilson指出DeepBAR需要针对复杂的实验数据进行验证,「这必然会带来更多的挑战,可能是需要进一步增加近似度。」这也正是该团队正在进行的工作,他们希望能够利用计算机科学的最新进展来改进模型,从而提高DeepBar计算大型蛋白质的结合自由能的能力。 研究人员补充说,由于DeepBAR可用于模拟多种蛋白质之间的相互作用,除了药物筛选,它还可以帮助蛋白质设计以及工程化。除了论文以外,该团队还为他们开发的DeepBAR写了说明文档,以帮助更多研究人员更好地使用。他们表示,希望DeepBAR有一天可以加快药物发现和蛋白质工程的步伐。 「这项研究是将数十年来发展起来的传统计算化学方法与机器学习的最新发展相结合的一个例子,」丁认为,「我们取得了以前不可能实现的目标。」 论文链接:https://doi.org/10.1021/acs.jpclett.1c00189 参考内容: https://news.mit.edu/2021/drug-discovery-binding-affinity-0315 https://www.unite.ai/researchers-aim-to-boost-drug-discovery-speed-by-calculating-binding-efficiencies-with-ai/