关于抗病毒药物研发中的人工智能应用:ICAR 39会议后的思考

《Antiviral Research》:About artificial intelligence adoption in antiviral drug discovery: Thoughts after ICAR 39

【字体: 大 中 小 】 时间:2026年10月13日 来源:Antiviral Research 4.3

编辑推荐:

   摘要人工智能(AI)在生物医学研究中的讨论日益增多,但其在抗病毒药物发现中的采用率仍然有限。这是矛盾的,因为抗病毒研究迫切需要的正是人工智能所能提供的:更快的靶点优先级排序、对碎片化数据集更有效的再利用、快速的药物重定位、从头分子设计以及早期耐药性预测。然而,采用率有限并不仅

  

摘要

人工智能(AI)在生物医学研究中的讨论日益增多,但其在抗病毒药物发现中的采用率仍然有限。这是矛盾的,因为抗病毒研究迫切需要的正是人工智能所能提供的:更快的靶点优先级排序、对碎片化数据集更有效的再利用、快速的药物重定位、从头分子设计以及早期耐药性预测。然而,采用率有限并不仅仅反映保守主义。抗病毒数据集通常规模小、异质性强且依赖于实验测定;许多模型难以解释;且大量文献仍依赖于对接分数或回顾性基准,而非前瞻性生物学验证。因此,病毒学家、药物化学家和药理学家的怀疑态度是可以理解的,但应针对设计不良的工作流程,而不是人工智能方法本身。这些局限性在不同方法中并不均匀:监督活性模型主要受数据限制,生成模型受其目标指定方式的影响,通用基础模型受领域不匹配和评估设计的影响,因此每种方法都需要不同的补救措施。该领域可以通过构建带有标准化元数据的精选抗病毒数据集来取得进步,部署可解释且感知不确定性的模型,根据药理学可行性筛选预测结果,并将人工智能嵌入迭代计算–实验循环中。持续投资培训学校、实操研讨会和共享基准挑战赛将是必不可少的,如果人工智能要成为抗病毒发现中常规且值得信赖的组成部分。

引言

人工智能(AI)具有重塑抗病毒研究的巨大潜力,应用范围涵盖靶点发现与验证、分子设计、药物重定位、耐药性预测以及实验工作流程优化(Schneider, 2018; Song 等人,2026;Tirosyan 等人,2026)。然而,尽管自 2020 年以来抗病毒研究中人工智能和机器学习的使用有所增加,正如 PubMed 索引出版物数量的增长所反映的那样,但这些方法在更广泛的抗病毒研究领域中的采用率仍然有限(2020 年 1 月 1 日至 2026 年 9 月 16 日期间查询的 PubMed 抗病毒研究出版物总数约为 1.5%)。这一差距在第 39 届国际抗病毒研究大会(ICAR 39)上尤为明显,该会议由国际抗病毒研究学会(ISAR)于 2026 年 4 月 27 日至 5 月 1 日在布拉格组织。只有很小一部分海报和口头报告(285 份中的 2 份)主要聚焦于人工智能驱动的方法。
虽然这一观察基于单次科学会议,不能被视为代表整个抗病毒研究领域,但在 ICAR 39 上人工智能研究存在的有限性提供了一个信号,鼓励人们更仔细地检查限制人工智能在抗病毒研究中更广泛采用的因素。这提出了关于可能减缓人工智能融入该领域的科学、技术和社会文化障碍的重要问题。在这篇简短综述中,我们审视了这些局限性,并考虑了克服它们的实际机会,旨在确定如何将人工智能更有效地整合到抗病毒研究和药物发现中。

章节片段

采用率为何仍然有限

抗病毒研究中人工智能采用的障碍分为两大类。技术障碍包括与数据、模型性能、验证和基础设施相关的挑战。社会障碍涉及信任、激励、培训和科学文化。这些类别存在重叠:一个无法解释其预测的模型会产生技术问题,但也会为被要求测试这些预测的实验团队造成信任问题。它们在不同方面权重也不均等。

克服技术障碍

建立跨学科专业知识: 应在项目设计层面解决专业知识差距。人工智能专家应在数据收集和终点选择之前介入,而病毒学家和药物化学家应帮助定义模型预期回答的生物学问题。实验科学家不需要成为机器学习专家,但他们应该理解训练数据、过拟合、模型不确定性、偏差和验证。

结语

几项抗病毒研究现已将人工智能预测推进至实验确认阶段。基于活性的机器学习利用活病毒筛选数据进行训练,产生了经确认的 SARS-CoV-2 活性物质,而对大型化合物库的深度学习优先级排序产生了在 Caco-2 实验中得到确认的抑制剂,包括一种能降低小鼠肺部病毒载量的抑制剂(Huang 等人,2021a;Ali 等人,2023)。生成方法也遵循了类似路径,产生了主蛋白酶抑制剂

CRediT 作者贡献声明

Vardan Harutyunyan: 撰写 – 审阅与编辑,撰写 – 原稿。Mher Matevosyan: 撰写 – 审阅与编辑,撰写 – 原稿。Andrea Brancale: 撰写 – 审阅与编辑,撰写 – 原稿。Hovakim Zakaryan: 撰写 – 审阅与编辑,撰写 – 原稿,可视化,概念化。

资金支持

Hovakim Zakaryan 的研究由亚美尼亚共和国高等教育部与科学委员会(MESCS)提供的 #23LCG-1F014 资助。

利益冲突声明

作者声明,他们没有已知的竞争性经济利益或个人关系,这些利益或关系可能被视为影响本报告中所述的工作。
Vardan Harutyunyan|Mher Matevosyan|Andrea Brancale|Hovakim Zakaryan
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号