網站更新隱私權聲明
本網站使用 cookie 及其他相關技術分析以確保使用者獲得最佳體驗,通過我們的網站,您確認並同意本網站的隱私權政策更新,了解最新隱私權政策

2

6
2

文字

分享

2
6
2

新藥開發遙遙無期?讓 AI 來助你一臂之力——《AI 醫療》

PanSci_96
・2021/01/07 ・2457字 ・閱讀時間約 5 分鐘 ・SR值 573 ・九年級
  • 作者/Eric Topol,本文摘自《AI 醫療》,旗標出版,2020 年 11 月 20 日

成功辨識並驗證新的候選藥物 (drug candidate),是生物醫學最大、絕對也是最昂貴的挑戰。由於耗資甚鉅,失敗風險也高,因此任何有望減少藥物研發費用或難度的技術,業界都樂於迅速採用。十年前,他們將大量資源投入硬體,採用自動化機器來執行分子的高通量 (high-throughput)1 大規模篩選。現在,他們則將重點轉移到能自動化的演算法上。2018 年時,就已經有超過 60 家的新創公司與 16 家製藥公司使用 AI 進行藥物開發。這些團隊同樣運用了許多 AI 工具來協助這項如同大海撈針的任務,包含搜尋生物醫學文獻、以電腦挖掘數百萬個分子結構、預測脫靶效應與毒性,以及大規模的細胞檢測分析等。而其他能夠更快研發出更多有效分子的方法(自動化分子設計)也正在開發當中。甚至有初步資料顯示,AI 的化學篩檢有望大幅減少臨床前動物試驗 (preclinical animal testing) 的需求。這些公司在運用 AI 時採用的策略差異很大,因此我將簡單扼要地介紹一些案例,讓各位能夠了解 AI 可能帶來的影響(見表 10.1)。

表 10.1:從事 AI 開發藥物的部分公司名單。資料來源:改自 E. Smalley 的 AI-Powered Drug Discovery Captures Pharma Interest,Nat Biotechnol (2017):35(7),604–605.
*註:配體 (ligand) 在生物化學和藥理學中,指一種能與傳導細胞外信號,並在細胞內產生特定效應的分子(也就是受體)結合以產生某種生理效果的物質。

利用自然語言處理擷取生醫文獻和化學物質資料庫中的藥物及分子資訊

首先要介紹的類型是利用自然語言處理,從生物醫學文獻和化學物質資料庫 (chemical database) 中擷取目前所有關於藥物及分子的資訊。這樣做的另一個好處是可以不受既有理論及偏見束縛,以無特定假設的方式分析完所有資料。

小分子的世界,其實就如銀河般地浩瀚,這些小分子的數量遠遠超越了太陽系所有原子數量的總和(圖 10.1),其中具類藥性且可被製備的化合物約有 1060 種。這對 AI 而言,簡直就是完美的發揮空間。因此,目前 Exscientia 公司正在為這些化合物建立完整目錄,而 Epiodyne 公司則已整理出 1 億種尚未製備但易於合成的化合物。不過並不是只有新創公司在做這些工作。加州大學舊金山分校的 Brian Shoichet 便曾主導一個止痛藥物開發計畫,將 300 萬種化合物篩選到僅剩 23 種。德國明斯特大學 (University of Münster) 的有機化學家們則一直在運用深度學習,使化合物的合成更具預測性、更快速與簡便。劍橋大學的夏娃 (Eve) 機器人,具有 AI 資料庫篩選的功能,能夠為一款抗瘧疾藥物找到多種藥效證據。瑞士伯恩大學 (University of Bern) 的 Jean-Louis Reymond 則建構了一個名為 GDB-17 的資料庫,包含了 1,660 億種化合物,呈現出所有由 17 個以下的原子構成,且從化學角度來看是合理的分子。只要利用近鄰分析演算法,便能在短短幾分鐘內篩選過整個資料庫,找出與已知藥物具有相似作用的新分子。不過事實上,Reymond 的資料庫中有許多化合物都難以合成,因此他又將其精選成一份只有 1,000 萬個易於合成的化合物「候選名單」。沒錯,「只有」1,000 萬個而已!

圖 10.1:以對數尺度比較化學物質資料庫與其他度量標準。資料來源:改自 A. Mullard 的The Drug-Maker’s Guide to the Galaxy,Nature (2017):549(7673):445-447

藉由機器學習進行化學反應預測

藉由機器學習進行的化學反應預測也有了一些進展,普林斯頓大學的 Abigail Doyle 與其同事於 2018 年發表的研究就是其中一例。他們讓事情變得好像很簡單:「你只需要描述結構,輸入起始材料、催化劑與鹼基2,軟體就能找出它們之間的相關化學特徵,並輸出化學反應的產率 (yield)。機器學習會將所有的化學特徵與產率配對,目標是做到無論你放入任何結構,它都能告訴你反應的結果!」

使用對抗式生成網路 (GAN)3 協助開發藥物

英科智能公司 (Insilico Medicine) 目前致力於癌症藥物開發,已從公共資料庫中篩選出超過 7,200 萬種化合物。他們的做法很有創意,使用了一對對抗式生成網路 (GAN)。第一套用來辨識潛在的治療分子 (therapeutic molecule),第二套則刪除那些使用到已有專利化合物的分子。

BenevolentAI 為歐洲最大私人 AI 司之一,他們建立了可篩選生物醫學文獻與化學物質資料庫的自然語言處理。目前為止,在 AI 藥物開發方面令人印象最深刻的論文之一,便是來自 BenevolentAI 的有機化學家 Marwin Segler。他和明斯特大學的同事設計了一套深度學習演算法,可以自行從數百萬個例子當中學習反應的進行方式。該演算法已根據超過 1,200 萬個已知的單步 (single-step) 有機化學反應,製造出了一些有機小分子。研究人員甚至從兩間享有盛譽的研究所請來一群化學家進行雙盲測試,看看是否能夠辨別出 AI 與人類設計的合成反應路徑,結果他們無法分辨。同樣地,格拉斯哥大學 (University of Glasgow) 的 Leroy Cronin 與他的團隊設計了一個有機合成機器人,可利用機器學習搜尋新的化學反應。該機器人每天能夠進行 36 次反應,而化學家每天只能進行 3 到 4 次。除此之外,機器人也進行了一些無法事先預測結果的反應。Derek Lowe 對這樣的進展提出了反思:「當我們談到智能性任務 (intellectual task) 其實可以被歸類為能夠自動化完成的乏味苦差事時,許多化學家可能會覺得受到侮辱,甚至覺得這是一種威脅。但事實上,使用 AI 反而將讓他們有更多的時間去思考更多高層次的問題,像是該合成哪些分子以及為什麼,而不是將重心都擺在該如何製備出分子的方法及細節上!」

註解

  1. 高通量篩選技術 (high-throughput screening) 可以在短時間內對大量候選化合物完成篩選,找出有效的先導藥物 (lead compoud)。以分生或細胞實驗方法為基礎、微孔盤為載體,自動化系統操作、高靈敏快速判讀儀測量實驗數據,最後針對數據分析處理,達到大量快速篩選出有效先導藥物之目的。此技術結合了分子生物學、醫學、藥學、計算科學以及自動化技術等學科知識和先進技術,成為藥物開發的主要方式。
  2. 核鹼基 (Nucleobase) 是指一類含氮鹼基 (nitrogenous base),在生物學上通常簡單地稱為鹼基 (base)。鹼基在 DNA 和 RNA 中負責配對作用。
  3. 關於對抗式生成網路 (GAN),請參考旗標出版之《GAN 對抗式生成網路》一書。
——本文摘自《AI 醫療 DEEP MEDICINE》,旗標出版,2020 年 11 月 20 日

文章難易度
所有討論 2
PanSci_96
975 篇文章 ・ 453 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。


2

1
0

文字

分享

2
1
0

從族群耆老的死亡,看見黑猩猩的「同理心」——《我們與動物的距離》

馬可孛羅_96
・2022/01/16 ・2063字 ・閱讀時間約 4 分鐘
  • 作者:法蘭斯・德瓦爾(Frans De Waal)
  • 譯者:陳信宏

人類為何會發展出宗教,其中一個最常被提及的原因便是我們對死亡的體認。我們對生命有限的理解,經常和「人類有沒有可能是唯一擁有宗教的生物」這個問題一起提出。我對這個問題沒有明確的答案,只能說我們沒有理由假設別的靈長類動物對其他個體的死亡一無所知。

如同巴諾布猿天堂裡的巴諾布猿,其他猿類也相當熟悉死亡與失去親友的現象。有時候牠們自己就是凶手,例如有一天那群巴諾布猿打死了一條劇毒的加彭膨蝰。那條蛇令牠們深感恐懼,只要一動就嚇得所有巴諾布猿往後跳開。牠們用樹枝小心戳牠,最後瑪雅才把牠高高拋起並且重重甩在地上。值得注意的是,那條蛇死了之後,牠們的表現就完全顯示牠們並不認為牠會再起死回生。死了就是死了。幼猿開開心心地拖著沒有性命的蛇屍當成玩具,掛在脖子上,甚至撬開牠的嘴巴檢視牠巨大的毒牙。

加彭膨蝰,是一種毒性極強的噝蝰屬毒蛇,分布在非洲撒哈拉沙漠以南的熱帶雨林地區,它是世界上毒性最強的蛇類動物之一,擁有世界上最長的毒牙。圖/Wikipedia

那幕情景令我想起以前目睹過的一場黑猩猩狩獵行動。我們在坦尚尼亞的馬哈勒山脈(Mahale Mountains)跟隨一群黑猩猩,突然聽到樹上高處傳來一陣騷動。黑猩猩抓到獵物的時候會發出一種特殊的尖叫聲,單是這麼一種特殊聲響的存在,就顯示了牠們想要分一杯羹的意願。若不是這樣,保持安靜顯然才是聰明的做法。那陣尖叫聲吸引了其他許多黑猩猩聚集過來。有幾頭公黑猩猩抓到了一隻紅疣猴,這是黑猩猩難以自行捕捉的一種獵物,通常要團體合作才抓得到。

我抬頭透過枝葉的縫隙觀察,看見那幾頭黑猩猩在那隻猴子還活著的情況下就開始吃起牠的肉。由於黑猩猩不是「專業」掠食者,所以沒有演化出貓科動物那種有效的獵殺技巧,而牠們對待獵物的方式也反映了牠們的同理心有時而窮,就和人類一樣。許多黑猩猩都聚集過來形成一種進食集合,包括生殖器腫脹的母黑猩猩,她們通常享有進食的優先權。那整個場景非常吵雜混亂,但所有成員終究都分到了一塊猴肉。第二天,我注意到一頭母黑猩猩經過,背上騎著一頭幼黑猩猩。牠的女兒開開心心地高高揮舞著一根毛茸茸的東西,我才發現那個東西屬於那隻可憐的猴子所有:一頭靈長類動物的尾巴成了另一頭靈長類動物的玩具。

黑猩猩對「死亡」的體悟

某天早上,蓋扎.泰萊基(Geza Teleki)跟隨一群黑猩猩行動,聽到遠處傳來刺耳的尖叫聲。六頭公黑猩猩狂野地來回猛衝,一面發出「喇啊」的叫聲,迴盪在山谷之中。在一條小沖溝裡,只見瑞克斯(一頭公黑猩猩)的身軀一動也不動地癱倒在亂石之間。泰萊基雖然沒有看到他跌落的過程,但覺得自己目睹的乃是這頭公黑猩猩從樹上跌落而摔斷脖子所引發的最初反應。

幾頭黑猩猩停下來看了看瑞克斯的屍體,然後猛力向外衝,並且朝四面八方丟擲大石塊。在那樣的喧鬧狀況下,黑猩猩紛紛互相擁抱、交合、撫摸以及輕拍,臉上則是咧開嘴露出緊張的表情。接著,牠們又花了不少時間盯著屍體看。一頭公黑猩猩在一根樹枝上俯身看著屍體,發出嗚咽的聲音。其他黑猩猩則是觸摸或者嗅聞瑞克斯的屍身。一頭青年母黑猩猩更是一動也不動地靜靜盯著他的屍體看了整整一個小時以上。經過三個小時的擾攘之後,其中一頭年紀較大的公黑猩猩終於離開那片林中空地,朝下游走去。其他黑猩猩一一跟上,慢慢離開,同時不斷回頭望向那具屍體。

猿類面對死亡的反應已有愈來愈多的報導敘述。二○○九年,桃樂絲死後的一張照片在網路上爆紅,因為她的遺體引來保護區內黑猩猩群的圍觀,猩群們相當專注(但靜默得令人發毛)。這在蘇格蘭的布萊爾德拉蒙野生動物園(Blair Drummond Safari Park),一頭名叫潘希的年老母黑猩猩死亡了,其過程透過影片仔細分析,原來在她死前的十分鐘,其他黑猩猩為潘希理毛或者撫摸了十幾次,潘希的成年女兒也整夜陪在她身旁。潘希死後引起的反應從猩群成員觸碰她的嘴巴與四肢(也許是想要檢視她是否還在呼吸或者是否還能動)到某頭公黑猩猩猛擊她的遺體,這種行為也曾經在其他黑猩猩死亡之後被人觀察過。

這種表現看起來雖然像是麻木不仁,卻有可能是一種想要喚醒死者的行為。猿類面對死亡的反應通常綜合了兩件事,一是對死者的毫無回應感到挫折,二是繼續測試看看還有沒有辦法引起死者的回應。不過,圍聚在死者身旁的大多數個體都會默不作聲,彷彿意識到發生了什麼可怕的事情。研究人員觀察潘希臨終前的狀況之後,得出的結論指出:「黑猩猩對死亡的體認受到了低估。」

——本文摘自《我們與動物的距離:在動物身上發現無私的人性》,2021 年 12 月,馬可孛羅

所有討論 2
馬可孛羅_96
141 篇文章 ・ 21 位粉絲
馬可孛羅文化為台灣「城邦文化出版集團」的一個品牌,成立於1998年,經營的書系多元,包含旅行文學、探險經典、文史、社科、文學小說,以及本土華文作品,期望為全球中文讀者提供一個更開闊、可以縱橫古今、和全世界對話的新閱讀空間。