共计 892 个字符，预计需要花费 3 分钟才能阅读完成。
西蒙弗雷泽大学的研究团队近日公布了一项突破性的人工智能框架，该技术有望彻底改变药物研发流程，并大幅加速新药发现的速度。
这项发表在《国际机器学习会议》上的研究，为解决制药行业长期面临的挑战——如何设计并制造出有效的药物分子——提供了一种创新性方法。尽管人工智能工具在理论上已经展现出设计复杂分子结构的巨大潜力，但许多“完美”分子在实际实验室中往往难以合成。
- 
- 
- 
- 
- 
- 
研究团队开发的这一新工艺，有望显著缩短从发现到制造治疗癌症等常见疾病药物所需的时间。西蒙弗雷雷大学计算机科学教授 Martin Ester 表示：“新药开发通常需要 10 年时间和 10 亿美元投入。我们的目标是通过这一方法显著缩短这一过程，让新药能够更快地进入临床应用。”
该研究的核心突破在于解决了人工智能药物设计中最具挑战性的合成路径问题——即提出可行的化学配方来构建分子。论文第一作者、西蒙弗雷泽大学博士生 Tony Shen 解释道：“就像设计一把能够插入锁中的钥匙一样，我们首先需要识别致病蛋白质，然后设计能够与其结合并使其失活的分子。”
研究团队提出的新方法名为 CGFlow，其创新之处在于采用了双重设计方法，使人工智能能够同时模拟分子的构建方式及其在三维空间中的形态。这种组合对于生成既具有生物活性又易于化学合成的分子至关重要。
Ester 教授进一步解释道：“我们开发了一种机器学习方法，几乎可以确保生成的分子能够在现实世界中通过化学合成制造出来。这是将这些理论模型转化为实际应用的关键一步。”
与传统的一次性设计不同，CGFlow 采用逐步组装的方式构建分子，就像通过添加粘土块来雕刻雕像。在每一步中，人工智能都会学习新组件如何改变分子的整体形状和功能，从而产生更准确和高效的设计。
这一创新技术已经在产业界引起关注。多家制药公司正在考虑将 CGFlow 框架应用于早期癌症药物发现，为对抗复杂疾病提供了新的希望。Ester 教授表示：“我们的下一步目标是推动这一方法在工业界的应用，并期待与产业界合作，在实际应用中进一步评估和发展 CGFlow 技术。”
该研究将于 2025 年在温哥华举行的国际机器学习会议上正式发表，这是该领域最具影响力的学术会议之一。
