众所周知，人工智能已经对药物发现和开发产生了难以置信的影响，越来越多的生物制药公司采用该技术来加速和简化其开发流程。

事实证明，人工智能也非常擅长让公司将药物重新用于相关药物可能具有高成功率的适应症，因为该技术非常有效地快速筛选大量生物医学数据，以发现隐藏的药物与疾病联系，并预测哪些现有药物可能对新的治疗用途有效。

在此过程中可以使用不同的 AI 方法。例如，公司可以应用机器学习来预测药物与潜在新靶点的相互作用强度，而深度学习可以应用于生成针对特定疾病优化的新型分子结构。

现在，将 AI 整合到药物再利用过程中，使更多公司能够专注于尝试挽救失败的药物，而以前他们可能觉得无法尝试这样做。“如果没有人工智能的帮助，基本上就是现状，简单地扔掉失败的药物比修复它更容易，”Ignota Labs 的首席科学官 (CSO) 兼联合创始人 Jordan Lane 说。“解决毒性问题可能需要对数量深不可测的机制和终点进行湿实验室测试。标准安全测试之前已经过测试，但达不到要求，因此它是在黑暗中钓鱼，每次都要花费非常漫长且昂贵的时间。

Ignota Labs：使用 AI 平台解决毒性问题以挽救失败的药物

Lane 特别指出解决药物安全问题的能力的原因是，这正是他的公司 Ignota Labs 正在做的事情;它选择失败的药物进行治疗，解决其毒性问题，并将其重新纳入临床试验，以便它们可以获得批准并交付给需要它们的患者。

药物安全失败是临床试验失败的主要原因之一。根据 Lane 的说法，通过成立公司，他和他的联合创始人希望解决这个问题。最初，他们试图鼓励客户使用 AI 来主动降低药物开发的风险，但很难让生物技术公司付钱给他们，让他们被告知他们的药物将具有毒性。

现在，该公司积极收购不良资产以添加到自己的开发管道中，以便能够使用其 AI 技术来解决药物毒性的根本原因，并开发可以使其第二次成功进入临床的解决方案。

“故障通常发生在复杂的系统中，例如人类，”Lane 解释说。“找到失败的机制使我们能够在更基本的实验室测试中重现毒性。这意味着我们可以证明我们的新化学品在重新进入临床时是安全的。我们的预测工具技术堆栈也开始发挥作用，以确保我们没有解决一个问题，而是创造了另一个问题。

IGNOTA 的 AI 技术称为 SAFEPATH。它使用深度学习，通过平衡化学信息学和生物信息学来解释安全问题发生的原因和方式，提供可作的见解来改进或重新利用候选药物。Lane 说，从历史上看，许多 AI 公司只专注于化学信息学或生物信息学，但 Ignota 认为，“正是这两种技术的交集，才能真正了解遇到问题的药物。

他继续解释了这项技术的工作原理：“我们的化学信息学平台尽可能多地涵盖了来自蛋白质组的机器学习模型。我们在不同的药物浓度和不同的物种下进行研究，最终创建了超过 15,000 个模型。当我们有一种新的化合物时，我们可以概括药物的脱靶和(更重要的是)脱靶结合伴侣。

然后将这些信息用作 IGNOTA 生物信息学技术堆栈的输入，该堆栈映射了该靶点所涉及的不同途径，并组织在因果知识图谱中，以促进在大量不同的组学数据库中遍历不同的数据集。

“当专门将生物学限制在一个已知问题上时，目标是将化合物结构与终点联系起来。化学信息学、生物信息学和湿实验室验证的结合使我们能够建立一个令人信服的假设，让我们相信问题是可以解决的，从而使我们能够获得项目的许可，开发化学方法，并尽快将药物带到临床(或返回临床)，“Lane 补充道。

Ignota租金筹集了690 万美元的种子资金，这笔资金将用于扩大其产品线，并帮助其第一个资产 PDE9A 抑制剂进入早期临床试验。Lane 还告诉 Labiotech，该公司正在对一些“令人难以置信的令人兴奋”的药物进行后期尽职调查，Ignota 认为，如果能够克服这些药物的安全问题，这些药物可能会带来变革。“并非所有药物都能通过我们严格的流程，但我们有信心很快将药物清单添加到我们的管道中，我们正在积极收购资产。”

BioXcel Therapeutics：人工智能驱动的药物再创新任务，包括重新利用搁置的药物

另一家参与使用 AI 重新利用失败药物以及已获批准的药物的公司是 BioXcel Therapeutics。然而，与 IGNOTA 不同的是，该公司专注于已在之前的临床试验中证明安全性但由于各种其他原因而被其开发人员停止使用的化合物。

该公司特别专注于将药物重新用于神经科学。由于大脑的复杂性、靶点识别的困难以及将研究转化为有效治疗的挑战，开发针对中枢神经系统 (CNS) 适应症的药物通常需要更长的时间，并且历史上的成功率低于其他治疗领域。

BioXcel 认为，解决方案之一是重新利用现有的药物，这些药物有望治疗 CNS 疾病，因为货架上有很多化合物可以针对另一个适应症进行重新检查和重新设计。在这种情况下，开发过程不会像从头开始创造一种全新的药物那样花费很长时间。由于速度在这里至关重要，该公司应用了名为 NovareAI 的 AI 平台技术，该技术使其能够降低治疗开发成本并可能加快时间，同时提高为患者带来新治疗选择的成功率。

BioXcel Therapeutics 人工智能药物研发副总裁 (VP)Friso Postma 告诉 Inside Precision Medicine，他更愿意将公司的平台称为增强智能而不是人工智能，因为他坚持认为它不是一个黑匣子，而是需要大量人工监督的人工智能工具的组合。

NovareAI 每天每小时都在工作，试图检测失败的第二阶段和第三阶段资产，以改进并重新创新 CNS 适应症。该平台对所有可用文献进行分类，以提取连接化合物、神经回路、行为和适应症的信息。为了实现这一目标，它使用“知识图谱”来挖掘文献，组织来自各种来源的数据并捕获有关可以连接所有这些因素的实体的信息。知识图谱包括 AI 系统可用于各种功能的结构化信息，包括信息检索、推荐系统和问答。

Postma 向 Inside Precision Medicine 解释说，尽管输入知识图谱的一些信息结构良好，但也有很多非结构化数据，这需要自然语言流程和大型语言模型等一整层工具来理解这一切。

BioXcel 目前正在开发一种名为 BXCL502 的新型抗压力药物，它正在研究将其作为治疗 痴呆 慢性躁动的可行方法，以及另一种名为 BXCL503 的新药，它可能会治疗与痴呆相关的冷漠。

BioXcel 还已经获得了非阿片类止痛药右美托咪定的舌下含服电影版本的批准，它将其重新用于治疗与精神分裂症或双相情感障碍相关的激越。这要归功于发现该药物具有交感神经溶解的特性(意味着它阻断了与“战斗或逃跑”反应相关的交感神经系统的神经)，可以治疗焦虑症，例如广泛性焦虑症、恐慌症和创伤后应激障碍 (PTSD)。

“有了 IGALMI，我们在不到四年的时间里从首次人体到获得批准——这与你看到的 [新化学实体] 截然不同，”Postma 在 Inside Precision Medical 文章中说。“你必须完成每个选择，这需要 10-12 年，平均成本为 12 亿美元。这里有一个巨大的优势。

谨慎之举：挽救失败药物的好处

当药物未能到达其旅程的终点时，患者最终会错过。

“患者等待的许多药物在临床前和临床试验过程中失败了，这对他们来说是毁灭性的，并延迟了患者获得他们需要的治疗方案，”Lane 表示。“将药物带回临床意味着我们重新获得了原本会失去的希望。”

此外，对于开发新药的公司来说，从发现到上市的过程通常需要 10 到 15 年，平均成本约为11亿美元。如果药物随后失效，那可能是 10 到 15 年的浪费时间和 11 亿美元的金钱浪费。

但重新利用失败的药物至少可以提供一些缓和。“我们的方法意味着我们还能够收回花费在药物上的投资、多年的研究和人们的时间，以及用于达到失败点的水、碳、塑料和动物。对我们来说，它有助于构建一个后期流程，否则需要十年的工作才能构建。

最终，使用 AI 来挽救失败的药物有可能帮助患者比以往任何时候都更快、更经济地获得更好的治疗。

For fuure

本文译制来源：https://www.labiotech.eu/in-depth/ai-rescuing-failed-drugs/