AI加速抗病毒药物发现：仅需少量数据即可识别有效化合物

研究人员在宾夕法尼亚大学佩雷尔曼医学院开发了一种结合人工智能算法和传统实验室方法的新技术，用于发现针对人肠道病毒71型（EV71）的抗病毒化合物。这项研究发表在《细胞报告物理科学》上，展示了即使实验数据有限，也能通过机器学习模型有效预测潜在的抗病毒药物。 研究团队从36种小分子中筛选出8种化合物，并使用机器学习模型训练其识别能够阻止病毒的关键形状和化学特征，评估每种化合物阻断EV71的能力。实验结果显示，其中有5种化合物成功减缓了病毒在细胞实验中的传播，这一效率远超传统筛选方法，后者通常只能找到少数有效的化合物。 领导该研究的德拉萨翁特博士表示：“我们正在将原本需要数月试错的过程缩短到几天。这种方法在时间和预算有限的情况下尤为强大。”EV71感染可能导致儿童和免疫系统受损的成人出现严重的神经并发症，目前尚无获得美国食品药品监督管理局（FDA）批准的抗病毒药物可以治疗该病毒。 为了进一步验证这些化合物的有效性，研究人员进行了计算机模拟实验，结果显示这五种确认有效的化合物能够附着在病毒的特定位置，从而阻止病毒改变形态并进入细胞。这一发现为未来的研究提供了宝贵的线索，可能有助于更快地应对新出现或重新出现的病毒威胁。 这项工作的合作方包括普罗克特与甘布尔公司和康奈尔大学。德拉萨翁特的团队认为，这种AI驱动的方法不仅适用于EV71，也可以成为一种快速发现抗病毒药物的通用模板。无论是面对新的肠道病毒、新兴的呼吸道病原体还是像脊髓灰质炎这样的再流行病毒，这种方法都显示出了巨大潜力。 业内专家认为，这一研究不仅在技术上具有创新性，而且在实际应用中也具有重要意义。它展示了AI与传统实验室技术的结合如何加速药物研发过程，尤其是在资源有限的情况下。宾夕法尼亚大学佩雷尔曼医学院在生物医学研究领域享有盛誉，此次与行业巨头普罗克特与甘布尔公司的合作，也为未来抗病毒药物的开发开辟了新的途径。