一种基于人工智能(AI)的新策略正显著加快为帕金森病发现潜在新药的速度。这项发表在《自然化学生物学》杂志上的研究,可能意味着帕金森病新疗法将更快进入临床阶段并与患者见面。
针对严重疾病的药物发现往往是个缓慢、耗时且昂贵的过程。药物开发从早期实验室测试到完全批准用于病患,往往需要10到15年时间。
该研究负责人、英国剑桥大学化学系教授Michele Vendruscolo表示,“这是个极其耗时的过程,单单确定一种主要候选方案并开展进一步测试,就可能需要几个月甚至几年的时间。”
AI与机器学习技术已经为癌症治疗及其他几种疾病发现了潜在药物,并显露出加速这一过程的初步希望。有鉴于此,数十家生物医药初创公司决定全力探索AI在药物发现方面的潜力。
Vendruscolo在一份新闻稿中指出,“为帕金森病寻找潜在治疗方法的一种途径,就是鉴定出能够抑制α-突触核蛋白聚集的小分子。α-突触核蛋白是一种与帕金森病密切相关的蛋白质。”
这项新研究展示了基于AI的药物发现策略如何显著加快这一过程,将成本降低至传统方法的千分之一,发现少量具有潜在疗效的化合物,并将其用于实验室测试。之后,实验结果将被反馈至机器学习模型中以进一步优化预测能力。
帕金森病基金会国家医学顾问兼Fixel神经疾病研究所所长Michael S. Okun博士(并未参与此项研究)表示,“使用AI开发的机器学习方法来开发针对帕金森病等蛋白质聚集类疾病的新时代已经到来。”任教于佛罗里达大学的Okun还补充称,“在这项研究中,AI大模型将筛选命中率提高到了传统高通量药物筛选的20倍以上,着实令人印象深刻。这将为临床试验提供更丰富的备选药物清单。”
根据帕金森病基金会的数据,每年有近9万名美国人被诊断患有帕金森病,目前全美此类病患已达百万之巨。尽管如此,目前还没有治疗这种疾病的有效方法,医生只能用药物来控制症状,包括震颤、失衡、活动障碍以及肌肉僵硬。
Vendruscolo解释称,“机器学习正在对药物发现领域产生实际影响,并且加快了发现最有希望候选药物的整个过程。对我们来说,这意味着研究团队可以同时开展多个药物发现项目,而不像过去那样只能逐个进行。随着时间和成本投入的大幅减少,一切皆有可能——这将是一个令人兴奋的时刻。”
然而,发现有希望的新化合物距离药物测试与患者实际试用还有很长的路要走。
Okun总结道,“必须承认,这项创新能否切实加快帕金森病新疗法的发现尚无宝座,毕竟引入更多化合物反而有可能减慢研发速度。所以必须在基础科学研究层面同步推进并投入大量资源,在更好地理解帕金森病发病机理的同时,更精准地运用当前以及其他更新颖的AI衍生药物发现方法。”
好文章,需要你的鼓励
Docker公司通过增强的compose框架和新基础设施工具,将自己定位为AI智能体开发的核心编排平台。该平台在compose规范中新增"models"元素,允许开发者在同一YAML文件中定义AI智能体、大语言模型和工具。支持LangGraph、CrewAI等多个AI框架,提供Docker Offload服务访问NVIDIA L4 GPU,并与谷歌云、微软Azure建立合作。通过MCP网关提供企业级安全隔离,解决了企业AI项目从概念验证到生产部署的断层问题。
中科院联合字节跳动开发全新AI评测基准TreeBench,揭示当前最先进模型在复杂视觉推理上的重大缺陷。即使OpenAI o3也仅获得54.87%分数。研究团队同时提出TreeVGR训练方法,通过要求AI同时给出答案和精确定位,实现真正可追溯的视觉推理,为构建更透明可信的AI系统开辟新路径。
马斯克的AI女友"Ani"引爆全球,腾讯RLVER框架突破情感理解边界:AI下半场竞争核心已转向对人性的精准把握。当技术学会共情,虚拟陪伴不再停留于脚本应答,而是通过"心与心的循环"真正理解人类孤独——这背后是强化学习算法与思考模式的化学反应,让AI从解决问题转向拥抱情感。
PyVision是上海AI实验室开发的革命性视觉推理框架,让AI系统能够根据具体问题动态创造Python工具,而非依赖预设工具集。通过多轮交互机制,PyVision在多项基准测试中实现显著性能提升,其中在符号视觉任务上提升达31.1%。该框架展现了从"工具使用者"到"工具创造者"的AI能力跃迁,为通用人工智能的发展开辟了新路径。