当制药公司努力为富裕国家开发药物，并且通常忽视其他地方的疾病时，一个名为伊芙的机器人科学家已经找到可能对抗耐药性疟疾的化合物。伊芙的开发者认为他们的人工智能（AI）技术可以加速药物发现，正如批评者呼吁与“活体化学家”进行“匹配”一样。
这种具有人工智能的机器人旨在在制药行业已经使用的计算智能之上，增加一种新的、先进的学习能力。在2月4日发表在《皇家学会界面杂志》上的研究中，英国曼彻斯特大学的计算机科学家罗斯·金和他的团队表示，伊芙发现一种名为TNP-470的化学物质可以有效靶向一种对恶性疟原虫（导致疟疾的寄生虫之一）生长至关重要的酶。“我没想到真的会找到任何有用的化合物，我以为我们只是演示人工智能，”金说。
伊芙不仅有大脑，还有药物发现的实力。它的计算机服务器控制着两个机器人手臂，这两个手臂在用于将液体分配到装有大量孔的塑料板的设备中翩翩起舞。这些板用于筛选测试潜在有用的药物化合物。本质上，药物分子就像微小的钥匙，可以插入蛋白质或酶锁中。在板中，每个孔都包含一个含有锁的生化系统，当钥匙插入锁中时，系统会触发可检测的信号，例如荧光。最初的信号（或命中）通常在一个仪器上找到，然后在其他地方进行进一步测试，以检查钥匙是否真的适合锁。伊芙整合了这些通常独立的能力，加速了研究过程。
支持科学新闻报道
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻报道 订阅。通过购买订阅，您正在帮助确保有关塑造我们今天世界的发现和想法的具有影响力的故事的未来。
制药公司通常必须筛选数十万种化合物，才能找到告诉他们锁的性质的命中。这些命中永远不是治疗疾病所需的精确、完美的钥匙。因此，在经历了漫长的筛选过程后，化学家和生物学家花费大量精力使用数据来研究下一步要制造和测试哪种化合物。为此，他们从筛选结果中创建“定量构效关系”（QSAR）。这是一种数学函数，它将分子的组成、形状和性质（如电荷）与它与锁的契合程度联系起来。然而，即使使用计算机辅助QSAR，仍然需要缓慢的试错过程才能锤炼出可能成为药物的精确钥匙。
伊芙的人工智能——一套添加到QSAR功能上的“主动学习”算法——旨在更快地找到有希望的线索。在处理了大约5,000个分子的“学习集”后，人工智能收集了最适合锁的钥匙的特征。然后，它使用这些特征来预测集合中剩余成员中哪些更可能成为命中，仅选择和测试它们。由于筛选集合的其余部分不会增加更多的知识，伊芙可以提前退出。
在寻找疟疾药物的过程中，科学家们针对的一个可能的锁是一种名为二氢叶酸还原酶 (DHFR) 的酶，它在细胞生长中起着重要作用。然而，它在人和寄生虫中都存在，因此在不伤害患者的情况下对抗疟疾意味着击中寄生虫版本，同时避免人类版本。伊芙使用经过基因工程改造的啤酒酵母细胞快速筛选分子，这些细胞含有来自恶性疟原虫的DHFR编码基因——以及来自恶性疟原虫抗现有疟疾药物的物种——以及其他含有人类DHFR基因的酵母。结果表明，在所有测试的分子中，少量的TNP-470可以阻止具有耐药性恶性疟原虫DHFR的酵母生长，而阻止具有人类DHFR的酵母生长则需要浓度高出1000倍。
伊芙快速筛选的能力也降低了成本，因为商业筛选化合物的售价约为每毫克15美元，是黄金价格的10倍以上。“如果你筛选整个库，你会找到所有的命中，但你已经消耗掉了一些化合物和大量时间，”金说。以伊芙的方式做事可能有助于解决他所谓的制药业的“根本问题”：开发新药太慢且太昂贵。
德里克·洛是《管线中的药物》博客的医药化学家，他同意潜在的速度和成本优势很重要，但有一个警告。伊芙“似乎是我们已经使用的技术的自然结果，”他说。“与任何自动化系统一样，我对伊芙的担忧是人们会对其结果信以为真，从不费心去了解其内部原理，”他补充道。“因此，虽然我不反对这种方法，但我对它持谨慎态度，因为我认为许多实际应用——至少现在的现实世界是这样——与它不太匹配。但这种情况注定会随着时间的推移而改变，如果人们不从事这类工作，情况永远不会改善，”他说。
肖恩·埃金斯是北卡罗来纳州化学合作公司的计算药物发现顾问，他更加怀疑。他指出，制药公司已经发现了数百种比TNP-470更有效的抗疟疾化合物，并表示他不相信伊芙能做QSAR。他希望看到伊芙与一位真正的计算化学家正面交锋。“伊芙应该回到伊甸园，把药物发现留给懂得自己在做什么的科学家，”埃金斯说。
金也希望看到直接竞争，但表示很难组织这样的“烘焙比赛”。他已经习惯了制药研究人员的批评，但仍然认为像伊芙这样的系统在寻找药物方面将发挥更大的作用。“未来，人工智能系统将决定制造和筛选什么，因为它们在某些任务上比人类做得更好，”他说。