斯坦福多智能体AI平台加速药物发现
斯坦福大学(Stanford University)的研究人员开发出一种多智能体人工智能研究平台Virtual Biotech,通过模拟传统药物研发公司的组织架构,协调多个“科学家”智能体在虚拟首席科学官(chief scientific officer)的指挥下协同工作,有望加快新治疗药物的发现进程。相关研究发表在《科学》(Science)杂志上。
模拟药企架构的智能体协作
该AI系统由多个专业化智能体组成,覆盖靶点发现、安全性评估、模态选择和临床开发等环节。虚拟首席科学官负责将查询拆解为可管理的任务,再分配给各专业AI科学家智能体,并分析返回的结果。研究人员指出,这种结构化协作鼓励对原始证据进行深度数据驱动分析,并允许对不同来源的证据进行加权,从而得出更细致的结论。
论文作者、博士生Harrison Zhang及其同事表示,目前进入临床试验的药物候选物中约九成最终无法获得监管批准,通常源于安全性或有效性不足。通过整合遗传学、基因组学、分子和临床等多维度证据,新系统能够跨多个生物学学科整合和解读碎片化数据,改善药物选择,进而提高成功率。
三项案例验证平台能力
研究团队在三个场景中测试了该AI方法,以评估其能否在治疗发现与开发的早期关键决策点生成证据。第一项案例研究聚焦大规模靶点优先级排序,将靶点层面的分子特征与临床试验结果关联。在分析55,984项临床试验时,超过37,000个AI智能体发现,靶向特定细胞类型特异基因的药物进入市场的可能性高出48%,且不良事件相关减少32%。
第二项研究中,Virtual Biotech整合多模态证据,为肺癌药物靶点B7-H3提出了治疗策略。第三项研究则分析了一项已终止的溃疡性结肠炎试验,从中确定了可能的失败机制。
未来扩展方向
研究人员总结称,实验表明Virtual Biotech能够对临床试验进行大规模分析,并识别出与临床试验成功相关的药物靶点转录组特征。此外,两个真实世界药物开发场景的案例研究表明,该平台能够产生有价值的假设,补充现代生物制药公司所获得的证据和结论。
他们补充道:“未来,我们设想将Virtual Biotech扩展到药物发现流程的更多环节,例如分子设计、虚拟筛选、毒性预测和临床决策智能体,将跨学科协作、速度和客观性的优势带入整个端到端过程。”
来源:Inside Precision Medicine(英文原文,生物航编译,内容以原文为准)