虽然近年来人工智能(AI) 驱动的药物设计取得了巨大进步，但目前的大部分技术仍然依赖于分子的二维结构表征。但二维结构无法提供有关原子在空间中如何排列(也称为构象)的关键信息。只有在三维结构中，研究人员才能充分了解分子的对接姿势和结合能，并设计出具有抑制特定蛋白质并作为药物发挥作用所需特定形状的分子。
现在，临床阶段 AI 驱动药物研发公司 Insilico Medicine 的研究人员开发了一种新的分子构象空间建模对抗生成框架，称为 COSMIC(内部坐标中的分子构象空间建模)，它可以提供有关分子 3D 定位和活动的重要见解，从而帮助推动有关药物设计的决策。COSMIC 刚刚发表在《化学信息与建模杂志》上，它比最近的最先进扩散模型更快地提供准确的构象空间建模。该框架依赖于一个两步过程，包括通过内部坐标构建构象，然后预测相邻原子之间的距离以快速细化初始构象。
COSMIC 还引入了一种新的基于能量的指标，称为 RED(相对能量差)，该指标通过考虑构象能量来评估生成构象的物理合理性。该指标允许对能量性能进行大规模定量比较。
“为了预测候选药物的作用方式，我们需要准确的构象生成，”首席研究员、Insilico Medicine 高级研究员 Maksim Kuznetsov 博士说道。“这反过来会进一步提高我们的 AI 药物发现平台的能力。”
Insilico Medicine 拥有端到端生成式 AI 药物发现平台 Pharma.AI，其中包括通过 Chemistry42 生成小分子。Chemistry42 是一个可定制的全自动软件平台，它将生成式 AI 算法与计算和药物化学方法相结合，以生成具有类似药物特性的新型分子。Chemistry42 使用 40 多种生成模型，包括生成式自动编码器和生成式对抗网络以及基于结构和基于配体的药物设计，以生成和优化从头小分子。
研究人员进行了大量实验，以验证 COSMIC 框架与其他基准(例如数据分割、采样速度和全面验证流程)之间的区别。他们发现，COSMIC 取得了与当前最先进方法相当的结果，速度更快，并且在分布覆盖率和构象合理性方面与 RDKit(化学信息学开源工具包)不相上下。
“我们对 COSMIC 在这些初步实验中的表现感到鼓舞，并相信它将被证明是加速和改进基于 AI 的分子建模的重要附加工具，”研究员、Insilico Medicine 高级技术总监 Daniil Polykovskiy 博士说。
Insilico Medicine 是利用生成式 AI 进行药物发现和开发的先驱，并在多个疾病领域取得了突破性进展，包括纤维化、癌症、免疫学和衰老相关疾病。自 2021 年以来，Insilico 已在其超过 30 种资产的综合投资组合中提名了 18 种临床前候选药物，并已将 6 个产品线推进到临床阶段。最近，该公司在《 Nature Biotechnology》上发表了其用于治疗特发性肺纤维化的 AI 发现和 AI 设计的主要药物的历史，该药物目前处于 II 期临床试验阶段。