结合人工智能和活细胞分析，开发针对“无法治疗”的癌症靶标药物

多伦多大学生物化学家和分子遗传学家Igor Stagljar博士与临床阶段人工智能(AI)驱动的药物发现公司Insilico Medicine合作，测试Insilico人工智能设计的分子对所谓的“不可药物”靶点(即传统治疗方法无法达到的疾病靶点)的有效性。

作为合作的一部分，研究人员将使用Stagljar教授实验室开发的基于活细胞的检测方法，测试15-20个不可药物的靶标。多达85%的人类蛋白质被认为是“不可药物的”，它们表面光滑，缺乏小分子药物结合的方便口袋，这使得合理的药物设计成为一个巨大的挑战。

Stagljar实验室专门研究癌症，这种疾病有许多“无法治疗”的目标。其中最著名的是KRAS，它是所有癌症类型中最常见的突变致癌基因(或致癌基因)，包括肺癌、结直肠癌和胰腺癌等高致死率癌症。特别是，他的实验室专注于蛋白质-蛋白质相互作用(PPIs)，识别导致各种疾病的蛋白质之间的异常相互作用。

使用insilicon的端到端制药
在AI平台上，研究人员将设计出具有代谢稳定性、效力、新颖性和多样性等理想特性的新型小分子药物，这些药物可以针对这些问题区域，以阻止疾病的进展。然后，他们可以使用斯塔格尔教授的分析方法，快速测试这些分子在抑制或刺激目标方面的有效性。

加拿大Insilico Medicine公司总裁兼人工智能平台负责人Petrina Kamya博士说:“我们很高兴能够推进这一合作，并探索如何利用这些新型检测方法进一步推进我们的人工智能设计药物的测试和开发，特别是针对无法治疗的癌症靶点。”

这两种检测方法被称为MaMTH-DS，这是一种活细胞药物筛选平台，用于识别和监测细胞膜中的PPIs;SIMPL是一种新技术，它使用分裂内蛋白(一种具有独特性质的蛋白质，在许多细胞中自然存在)作为PPI检测的传感器，可以应用于任何细胞系中的几乎任何人类蛋白质。这两篇文章最近都发表在《自然》出版集团旗下的期刊上。

Stagljar说，仅仅在过去几年里，活细胞检测才成为体外或试管检测的可行替代方法——这要归功于技术的进步和对这些难以药物治疗的靶标的更深入的了解。与试管相比，活细胞分析具有明显的优势，可以提供关于小分子在生物环境中结合程度的数据，以及它的细胞渗透性和对细胞的毒性。

他说:“使用这些新的检测方法，我们可以监测药物如何抑制与许多人类疾病相关的关键蛋白质。”“在很短的时间内，我们现在可以很容易地确定人工智能开发的小分子是否会抑制特定的蛋白质目标。”他补充说，这种检测方法生产成本低廉，每周可以筛选多达1万个分子。

一旦分子经过测试，它们可以使用人工智能进一步改进，重新测试，并最终为临床前研究做好准备。Stagljar说，使用这些活体检测，一种分子的药物验证过程有可能从4-5年缩短到几个月。