DockCoV2:针对新冠病毒的药物数据库

台湾大学、阳明大学及中研院等国内学研单位与台湾人工智能实验室(Taiwan AI Labs) 的COVID-19合作平台,在台湾科技部的经费支持下,决定从「老药新用」角度着手。此方法是从已知临床安全性的药物出发,以生物资讯技术,进行作用目标蛋白及药物化合物亲和力模拟预测。团队将COVID-19病毒与药物接合模拟预测结果建立成「DockCoV2」资料库,公开给全球的医学研究团队做为未来实验设计参考。研究人员将精力投入在较可能有效用的化合物上,加速研究进度。DockCoV2目前已累积两万多条模拟结果,并于2020年10月刊登于Google Scholar生物化学研究领域排名第一的期刊Nucleic Acids Research《核酸研究》。

DockCoV2:针对新冠病毒的药物数据库

根据世界卫生组织(WHO) 公布数据,截至本月19日止,全球COVID-19感染人数逼近4,000万,死亡人数超过100万人,阻止疫情蔓延成为各国当务之急。此资料库的建立有效解决过往药物研发从化合物选定到安全性、效用性的评估,大约需历时10至12年不等,面对迅速扩张的流行疾病时,往往缓不济急的问题;且秉持开放科学精神供世人使用,联手合作对抗疫情。

以计算机模拟药物作用情形降低实验室试错成本

上述研究计划由台湾大学生命科学系暨生医电子与资讯研究所阮雪芬特聘教授与生物机电工程学系陈倩瑜教授共同指导,Taiwan AI Labs的生物资讯算法团队早在美国提出老药新用的想法前,便于2020年2月,以短短两周的时间将「化合物与标靶蛋白结合性预测」的分析服务建立于TAIGenomics基因分析平台上。不仅是提供自动化、快速的模拟预测工具之外,也在研究团队的协助下挑选了3000多条于FDA及台湾健保资料库中登记核准的药物进行模拟运算,搭配五种COVID-19病毒蛋白:棘突蛋白(Spike Protein)、3CL蛋白(3CL-Protease)、RdRp蛋白、PL蛋白(Papain-like Protease) 和N蛋白(Nucleocapsid Protein),和两种与病毒棘蛋白有交互作用的人类蛋白(TMPRSS2蛋白和ACE2蛋白),进行结合性预测并开放给世界专家学者使用。

资料库内的预测结果包含每种药物与不同标靶蛋白的结合分数,将模拟结果可视化方式呈现于蛋白质结构上,并连结该药物结构及实验数据资料库,提供研究评估之用。通过这些整合信息,可在酵素活性研究与临床实验前有效加速候选药物选择所需时间。台大、清大和中研院团队已针对候选名单中的药物进行后续药物标靶活性测试,其中有多种药物具有潜力,抗病毒细胞实验正在进行中。

秉持开放科学精神

Taiwan AI Labs从创立之初就秉持开放原则,希望推动不同应用领域的技术团队打国际战,而这次COVID-19的危机就是一个很好的战场。AI Labs杜奕瑾创办人表示,从2020年初Taiwan AI Labs团队就开始思考不同防疫工具的应用情境,从病历溯源、影像辅助诊断到治疗方法研发。过去在做病毒抑制剂分析时,多从生物实验着手,不仅成本高,等待的时间也长。为了加速药物开发,现在常通过生物信息和计算机模拟,把预测结果给实验室进行筛选,这样就可以降低试错成本,缩短临床测试验证前的时间。团队十分认同这次中研院的开放科学精神,唯有这种跨领域的协作才能让系统不停优化,并将这些成果结合生物学研究或医疗临床应用情境,才能让系统的价值显现出来。获取更多前沿科技信息访问:https://byteclicks.com

为了对抗这个疾病,最好的方式就是阻碍病毒的复制。研究团队建立一个资料库DockCoV2,着重在计算FDA和健保药物与蛋白质之间的亲合力,提供最先进的预测结果。使用者可以直接下载有兴趣的药物和蛋白接合资料,并检查一些药物相关的资讯。非常欢迎对于任何药物或是蛋白质有兴趣的研究团队利用这些资料进行后续研究,目前所有的程序源码公开在GitHub

利用AI技术推动精准健康

AI可应用的领域十分多元,但其发展必须架构在完整的资料收集上。台湾在过往多年的保健资料库、台湾精准健康计划和亚太生医硅谷精准医疗旗舰计划等等计划的铺垫下,已建立许多大型的数据资料库,因此在精准医疗、精准健康的AI发展上有其相对的优势。从这次COVID-19的战役中,Taiwan AI Labs已展现多类型生物资讯搭配临床数据的分析成果,并将其推向研发、临床场域进行概念验证;未来将持续推动群体的精准健康,以数位孪生(Digital Twin) 为核心,整合多元生理资料,并应用AI及5G技术,在后疫情时代实现精准健康与精准医疗。

上一篇:

下一篇:


标签