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(shuō)，人工智能已然對(duì)經(jīng)濟(jì)發(fā)展、社會(huì)進(jìn)步等方面產(chǎn)生重大而深遠(yuǎn)的影響。

目前，人工智能已經(jīng)在手機(jī)、人臉語(yǔ)音識(shí)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(kuò)大其應(yīng)用領(lǐng)域。值得注意的是，一直以來(lái)“AI+醫(yī)療”被人們寄予厚望，它可以在減輕醫(yī)療負(fù)擔(dān)的同時(shí)，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(kù)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(xiàng)研究中，研究團(tuán)隊(duì)開發(fā)了一種人工智能算法——comboFM，它可以精確預(yù)測(cè)不同抗癌藥物的組合是否可以對(duì)癌細(xì)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(jìn)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(shí)間延長(zhǎng)，許多癌癥都會(huì)對(duì)它們產(chǎn)生耐藥性，甚至完全無(wú)效。對(duì)此，聯(lián)合用藥是一種很好的解決耐藥性的策略，同時(shí)還能減少單個(gè)藥物的用藥劑量，以減輕對(duì)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(shì)，但其實(shí)驗(yàn)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(xiàng)十分有意義的研究。

在此，Juho Rousu教授領(lǐng)導(dǎo)的研究團(tuán)隊(duì)開發(fā)了一種可以用于預(yù)測(cè)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(duì)其進(jìn)行相關(guān)系數(shù)打分。

預(yù)測(cè)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(xì)胞中實(shí)驗(yàn)的研究數(shù)據(jù)，預(yù)測(cè)尚未測(cè)試的細(xì)胞對(duì)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(cè)。

有關(guān)comboFM的原理，Rousu教授解釋道：“機(jī)器學(xué)習(xí)的模型實(shí)際上是一個(gè)多項(xiàng)式函數(shù)，我們?cè)趯W(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(jī)森林（RF）對(duì)組織類型和藥物類別的預(yù)測(cè)性能

進(jìn)一步，研究人員使用來(lái)自腫瘤細(xì)胞系藥物基因組篩選的數(shù)據(jù)證實(shí)，comboFM在各種預(yù)測(cè)場(chǎng)景中均具有很好的預(yù)測(cè)性能。

除此之外，研究人員對(duì)一組先前未測(cè)試的藥物組合的后續(xù)實(shí)驗(yàn)驗(yàn)證進(jìn)一步支持comboFM的實(shí)用性：他們證實(shí)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(xì)胞中具有以前未被發(fā)現(xiàn)的協(xié)同作用。

在實(shí)驗(yàn)驗(yàn)證中測(cè)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(lái)研究不同的抗生素組合如何影響細(xì)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(xì)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(shí)驗(yàn)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(shí)際上，在實(shí)驗(yàn)測(cè)量中，0.8-0.9的相關(guān)系數(shù)就被認(rèn)為是可靠的。

總而言之，這項(xiàng)研究開發(fā)出一個(gè)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(cè)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(jìn)行進(jìn)一步的研究，極大地縮短了藥物組合開發(fā)進(jìn)程！

此外，研究團(tuán)隊(duì)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