WHO全球动员识别新冠病毒，用AI帮助人类战“疫”

当地时间2月11日-12日，世界卫生组织（WHO）将在日内瓦举行全球研究与创新论坛，动员全球识别新冠病毒。

当下，全球多家公司正在着手进行疫苗生产方面工作，其中就包括专注mRNA药物的美国生物技术公司摩登那（Moderna）。不过，对于十万火急的疫情而言，疫苗的开发速度恐是“远水救不了近火”。

因此，一些公司采取了其他手段，比如测试已经存在的抗病毒药物。同时，也有研究人员决心利用人工智能（AI），快速筛查可能的抗病毒药物，以针对新冠病毒进行实验。

人工智能公司Deargen与韩国檀国大学以及美国埃默里大学的研究人员共同开展了一项国际合作，公布了其针对抗病毒药物的预测模型，或为新冠病毒提供解决方案。其研究表明，用于治疗和预防艾滋病毒（HIV）的抗逆转录病毒药物阿扎那韦是最有希望能被用于临床的化合物。

Deargen首席技术官朴成秀（Sungsoo Park）告诉第一财经记者：“我们测试了美国食品药品监督管理局（FDA）批准的所有市售药物，包括抗病毒药和其他药物，总计约4000种。我们是在预测后开始筛选抗病毒药物，而不是在预测之前就这么做的。通过这种方法，我们可能会发现其他未批准用于病毒感染的药物，例如抗癌药，这些药物可能有助于开发治疗新型冠状病毒感染的新药。但是，由于至少需要进行体外实验才能证明非抗病毒药具有抗病毒作用，因此未在我们的预印本中公布。”

研制疫苗全球总动员

据悉，在11日-12日的会议上，WHO计划聚集公共卫生领域顶尖科学家以及公共卫生机构和研究资助者，就有关新冠病毒来源、疫苗、治疗和诊断方法的开发创新进行聚焦讨论，同时各方还将在分享生物样本和基因序列等几个研究领域进行讨论。

据第一财经记者了解，目前全球健康药物研发中心（GHDDI）已于2020年1月27日宣布会同清华大学药学院向全社会科研人员免费开放药物研发资源，共同加速针对新型冠状病毒的药物研发。

目前各界都在针对新型冠状病毒药物的研发过程中“争分夺秒”。达沃斯世界经济论坛期间，摩登那首席执行官班塞尔（Stephane Bancel）在接受第一财经记者采访时表示，他的顶尖科研人员，几乎都在昼夜不停地工作。

他对第一财经记者表示，计划在今年夏天进行临床试验，并补充说“通常开发传统疫苗，相同的过程将需要两到三年”。

宣布在研发新冠病毒疫苗方面获得重大突破的伦敦帝国理工大学科学家沙特克教授（Robin Shattock）也给出了类似的时间表，在将疫苗的正常研发时间从通常的两三年缩短至14天后，近期就可以在动物身上测试疫苗，最快今夏能进行人体试验。

与此同时，一些公司采取了其他手段，比如测试已经存在的抗病毒药物。吉利德科学公司（Gilead Sciences）表示将与中国合作进行一项随机对照试验，旨在评估其抗病毒实验药物瑞德西韦（Remdesivir）是否能作为新冠肺炎的潜在治疗方法。

AI识别新冠肺炎用药

等待疫苗研发期间，筛选现有药品作为抗新冠病毒药物的任务，也可由人工智能（AI）来完成。2月5日，工信部发布倡议书称，鼓励人工智能企业和应用单位、上下游企业联合攻关，在疫情发现、预警、防治等方面积极做出应有贡献。

如前所述，人工智能公司Deargen与韩国檀国大学以及美国埃默里大学的研究人员即在筛查中发现，阿扎那韦可能对治疗新冠病毒有效。

该团队使用了他们经过预先训练的、基于深度学习的“药物-靶标”相互作用的模型，来识别可以作用于新冠病毒蛋白的市售药物。 这一模型被称为分子转换器-药物靶标相互作用（MT-DTI），旨在预测药物和蛋白质之间的亲和力得分。

结果表明，用于治疗和预防HIV的抗逆转录病毒药物阿扎那韦是最有希望能被用于临床的化合物。

该模型显示，阿扎那韦在所有经测试的药物中对新冠病毒的3C-like蛋白酶（是冠状病毒的复制过程中极为重要的蛋白酶）的抑制作用最强。其次是依非韦伦、利托那韦和多洛格韦。

此外，该团队发现几种抗病毒剂，例如克力芝（含洛匹那韦/利托那韦）等，也可能被用于治疗新冠肺炎。

朴成秀对第一财经记者解释道，药物通过与靶蛋白相互作用来激活或抑制靶标功能，最终发挥作用。MT-DTI展示了亲和力得分，这显示的是药物可靶向目标蛋白和与目标蛋白相互作用的程度。

“在论文中，我们预测了哪些抗病毒药可以对包括病毒蛋白酶在内的几种病毒蛋白具有抑制作用。根据我们的结果，阿扎那韦可以与目标蛋白良好地相互作用，其Kd值（注：解离常数，数值越小证明结合力越大）比任何其他药物都小。”他解释称，“换句话说，这意味着阿扎那韦对目标蛋白的功能具有更大的影响。目前有几种抗HIV药物正被用来治疗新冠病毒，我们的实验结果对此完全支持。因此，期待通过我们的发现，找到解决新冠病毒疫情的更多办法。”

对于这种方法的优势，朴成秀对第一财经记者解释称：“首先，相较于高通量筛选（HTS），MT-DTI可以加快药物再利用的速度。通过使用MT-DTI，我们可以得出最可能的候选分子，因为这一模型还提供了预测的亲和力值。如果有指定的目标蛋白，我们可以拿到FDA批准的、实验性的、和/或假设性的小分子物质的列表，这些分子预计会在不到5分钟的时间内与目标蛋白结合。”

除此之外，朴成秀称，这种方法的另一大优势，是利用AI来预测吸收、分布、代谢、排泄（ADME）和毒性。朴成秀说：“我们还有一个模型来预测ADME和毒性，因此我们可以将范围扩大到有效且相对更安全的小分子候选药物，从而节省时间和金钱。”