人工智能作為一種新興的顛覆性技術(shù)，正在逐步釋放著科技革命和產(chǎn)業(yè)變革積蓄的巨大能量，并深刻改變了人類生產(chǎn)生活方式和思維方式?？梢哉f，人工智能已然對經(jīng)濟發(fā)展、社會進步等方面產(chǎn)生重大而深遠的影響。

目前，人工智能已經(jīng)在手機、人臉語音識別、圍棋，甚至結(jié)構(gòu)生物學(xué)等領(lǐng)域大顯身手，并且在不斷擴大其應(yīng)用領(lǐng)域。值得注意的是，一直以來“AI+醫(yī)療”被人們寄予厚望，它可以在減輕醫(yī)療負擔(dān)的同時，減少誤診漏診的的發(fā)生。

2020年12月1日，芬蘭阿爾托大學(xué)、赫爾辛基大學(xué)和圖爾庫大學(xué)的研究人員在 Nature Communications 雜志上發(fā)表題為：Leveraging multi-way interactions for systematic prediction of pre-clinical drug combination effects 的研究論文。

在這項研究中，研究團隊開發(fā)了一種人工智能算法——comboFM，它可以精確預(yù)測不同抗癌藥物的組合是否可以對癌細胞形成聯(lián)合殺傷作用。這一新的人工智能模型是用從以前研究中獲得的大量數(shù)據(jù)進行訓(xùn)練的，為系統(tǒng)預(yù)篩選藥物組合提供了十分高效的手段。

人類為了戰(zhàn)勝癌癥開發(fā)了大量的治療藥物，但隨著治療時間延長，許多癌癥都會對它們產(chǎn)生耐藥性，甚至完全無效。對此，聯(lián)合用藥是一種很好的解決耐藥性的策略，同時還能減少單個藥物的用藥劑量，以減輕對患者的毒副作用。

但遺憾的是，雖然聯(lián)合用藥具有十分突出的優(yōu)勢，但其實驗篩選卻十分的緩慢和昂貴，且具有一定的盲目性。因此，開發(fā)一種全新的、快速和高效的方法去篩選出有效的藥物組合是一項十分有意義的研究。

在此，Juho Rousu教授領(lǐng)導(dǎo)的研究團隊開發(fā)了一種可以用于預(yù)測臨床前研究中藥物組合反應(yīng)的人工智能算法——comboFM。comboFM可以通過高階張量模擬不同藥物組合是否具有協(xié)同效應(yīng)，并對其進行相關(guān)系數(shù)打分。

預(yù)測藥物劑量聯(lián)合效應(yīng)的comboFM框架概述

基于張量分解，comboFM能夠利用之前在類似藥物和細胞中實驗的研究數(shù)據(jù)，預(yù)測尚未測試的細胞對新藥物組合的反應(yīng)。因此，即使只有較少的研究數(shù)據(jù)，comboFM仍然能夠?qū)崿F(xiàn)高度準(zhǔn)確的預(yù)測。

有關(guān)comboFM的原理，Rousu教授解釋道：“機器學(xué)習(xí)的模型實際上是一個多項式函數(shù)，我們在學(xué)校的數(shù)學(xué)教學(xué)中經(jīng)常遇到，但在這里，它是非常復(fù)雜的?！?/p>

comboFM-5、comboFM-1、comboFM-1和隨機森林（RF）對組織類型和藥物類別的預(yù)測性能

進一步，研究人員使用來自腫瘤細胞系藥物基因組篩選的數(shù)據(jù)證實，comboFM在各種預(yù)測場景中均具有很好的預(yù)測性能。

除此之外，研究人員對一組先前未測試的藥物組合的后續(xù)實驗驗證進一步支持comboFM的實用性：他們證實間變性淋巴瘤激酶（ALK）抑制劑——克唑替尼（crizotinib）和蛋白酶體抑制劑——硼替佐米（bortezomib）在淋巴瘤細胞中具有以前未被發(fā)現(xiàn)的協(xié)同作用。

在實驗驗證中測量藥物聯(lián)合協(xié)同作用得分

不僅如此，comboFM也可以用于非癌癥疾病的藥物組合篩選。例如，可以利用comboFM來研究不同的抗生素組合如何影響細菌感染，或者不同的藥物組合如何有效地殺死被SARS-Cov-2感染的細胞。

Rousu教授還表示：comboFM可以給出非常精確的結(jié)果，在他們的模擬實驗中，如果相關(guān)系數(shù)超過了0.9，那就表明這一藥物組合具有很高的可靠性。實際上，在實驗測量中，0.8-0.9的相關(guān)系數(shù)就被認為是可靠的。

總而言之，這項研究開發(fā)出一個全新的、快速而高效的藥物組合人工智能算法，并且研究人員通過該算法成功預(yù)測到一種以前未被發(fā)現(xiàn)的聯(lián)合用藥組合。這將幫助醫(yī)學(xué)研究者從數(shù)千種藥物組合中優(yōu)先選擇哪一種進行進一步的研究，極大地縮短了藥物組合開發(fā)進程！

此外，研究團隊還將comboFM的完整代碼放到了GitHub共享。

鏈接：https://github.com/aalto-ics-kepaco/comboFM
責(zé)編AJX