寻找新药（称为“药物发现”）是一项昂贵且耗时的任务。但是一种人工智能称为机器学习可以大大加速该过程，并以一小部分价格来完成工作。
我和我的同事们最近使用这项技术找到了三个有前途的鼻溶剂候选者 - 这些药物会缓慢衰老并预防与年龄有关的疾病。
Senolottics通过杀戮起作用衰老细胞。这些是“活着”（代谢活跃）的细胞，但不能再复制，因此它们的昵称：僵尸细胞。
无法复制不一定是一件坏事。这些细胞已损害其DNA（例如，皮肤细胞被太阳的射线损坏），因此停止复制会阻止损害扩散。
但是衰老的细胞并不总是一件好事。他们分泌a炎症蛋白的鸡尾酒可以扩散到相邻的细胞。在一生中，我们的细胞遭受了一系列攻击，从紫外线到暴露于化学物质，因此这些细胞积累。
衰老细胞数量较高。疾病范围，包括类型2糖尿病，肺部纤维化，骨关节炎和癌症。
实验室小鼠的研究已经表明，使用Senolotics，可以改善这些疾病。这些药物可以杀死僵尸细胞，同时保持健康细胞的生命。
大约80 Senolottics已知，但只有两个在人类中进行了测试：达沙替尼和槲皮素。很高兴找到可以在各种疾病中使用的塞溶剂剂，但是需要十到20年的时间数十亿美元为了使其进入市场。
导致五分钟
我和我的同事 - 包括爱丁堡大学的研究人员和西班牙桑坦德的西班牙国家研究委员会的IBBTEC-CSIC - 想知道我们是否可以培训机器学习模型以识别新的塞洛西尔毒品候选者。
为此，我们为AI模型提供了已知的例子Senolotics和非共溶性植物。这些模型学会了区分这两者，并且可以用来预测他们从未见过的分子是否也可以是鼻孔。
在解决机器学习问题时，我们通常首先要在一系列不同模型上测试数据，因为其中一些往往比其他模型更好。
为了确定表现最佳的模型，在过程开始时，我们将一小部分可用培训数据分开，并将其隐藏在模型中，直到训练过程完成后。
然后，我们使用此测试数据来量化该模型的错误。犯下最少错误的一个胜利。
我们确定了最佳模型，并将其设置为进行预测。我们给了它4,340个分子，五分钟后，它提供了结果列表。
AI模型确定了21个最高得分的分子，其认为具有很高的鼻孔可能性。如果我们在实验室中测试了最初的4,340个分子，那么它将至少花费几周的时间进行几个星期的重密集型工作，而仅需购买50,000英镑即可购买化合物，而不必计算实验机械和设置的成本。
然后，我们在两种细胞上测试了这些候选药物：健康和衰老。结果表明，在这21种化合物中，三种（周期蛋白，蛋白蛋白和黄酮素）能够消除衰老细胞，同时保持大多数正常细胞的生命。然后，这些新的Senolotics进行了进一步的测试，以了解有关它们在体内的工作方式的更多信息。
更详细的生物学实验表明，在这三种药物中，蛋白质蛋白质比同类表现最佳的塞溶性药物更有效。
这种跨学科方法的潜在影响（涉及数据科学家，化学家和生物学家）是巨大的。鉴于足够的高质量数据，AI模型可以加速化学家和生物学家为寻找疾病的疗法和治疗方法（尤其是未满足需要的疗法）所做的惊人工作。
在衰老细胞中验证了它们后，我们现在正在测试人类肺组织中的三种候选鼻孔。我们希望在两年内报告我们的下一个结果。
Vanessa Smer-Barreto，遗传学和分子医学研究所研究员，爱丁堡大学
