數(shù)位德睿智藥團隊成員負責(zé)該研究AI模型的開發(fā)與驗證，為該論文的共同第一以及第二作者。

作者：涂鴉君

編輯：tuya

出品：財經(jīng)涂鴉

據(jù)《財經(jīng)涂鴉》消息，近日，AI驅(qū)動的藥物研發(fā)公司德睿智藥與奧斯陸大學(xué)、澳門大學(xué)、帝國理工等團隊在影響因子25.6分的頂級期刊《Nature Biomedical Engineering》發(fā)表研究“Amelioration of Alzheimer’s disease pathology by mitophagy inducers identified via machine learning and a cross-species workflow”。其中，數(shù)位德睿智藥團隊成員負責(zé)該研究AI模型的開發(fā)與驗證，并且為該論文的共同第一以及第二作者，挪威奧斯陸大學(xué)Evandro Fei Fang教授團隊和澳門大學(xué)路嘉宏教授團隊負責(zé)了該研究的研究設(shè)計與生物學(xué)實驗驗證。該研究建立了一種基于人工智能（AI）融合多維分子信息的虛擬篩選算法，并結(jié)合細胞、線蟲、小鼠多物種阿爾茲海默病（AD）模型驗證，成功快速篩選獲得具有AD治療潛力的中藥小分子化合物。該研究針對AD治療，提出了一種高效可行的基于AI的藥物發(fā)現(xiàn)方案，為快速開發(fā)抗AD藥物提供全新策略。

該研究獲得了國際同行正面評價。國際阿爾茲海默癥研究權(quán)威、美國麻省理工學(xué)院大腦與認知科學(xué)系教授蔡立慧(Li-Huei Tsai, MIT)指出:“此研究使用前沿的機器學(xué)習(xí)算法成功發(fā)現(xiàn)新神經(jīng)元線粒體自噬誘導(dǎo)劑，應(yīng)用計算機篩選候選藥物，再使用細胞、秀麗隱桿線蟲和表達人類 P301L Tau 蛋白的小鼠模型的多個系統(tǒng)中驗證，最終發(fā)現(xiàn)2種小分子化合物山奈酚和丹葉大黃素。值得注意的是，這些線粒體自噬誘導(dǎo)劑能有效改善神經(jīng)元功能，減少了 AD 相關(guān)病理變化，并在動物模型中增強了學(xué)習(xí)記憶能力。因此，該研究通過計算機藥物篩選，并通過多系統(tǒng)驗證，從而確定了有效的線粒體自噬誘導(dǎo)劑。此外，他們的研究說明了線粒體自噬在神經(jīng)元的保護作用和改善記憶功能方面的治療價值?！耙韵聻檠芯勘尘埃椒ㄅc結(jié)論。

研究背景-阿爾茨海默癥

全球阿爾茲海默癥疾病負擔(dān)持續(xù)加重

根據(jù)《柳葉刀》2020年發(fā)布的一項報告，全球約有5000萬人患有阿爾茲海默癥（AD），預(yù)計這一數(shù)字到2050年將增加到1.52億[1]。目前65歲以上老年人約11%患有AD，85歲以上的老年人患病比例更是達到42%[2]。然而，與攀升的發(fā)病率相對的，是AD藥物研發(fā)難的困境。2000年到2017年間，33家頂級制藥企業(yè)累計在AD領(lǐng)域投入超過6000億美金的研發(fā)費用[3]，由于疾病具體機制不明，這一領(lǐng)域的藥物研發(fā)失敗率超過99%。因此，目前亟需發(fā)現(xiàn)新的AD治療機制與更高效的AD藥物研發(fā)方案。

調(diào)控線粒體自噬為AD治療指明新方向

線粒體自噬是細胞進化過程中產(chǎn)生的一種通過自噬選擇性清除受損線粒體的機制, 及時清除損傷的線粒體對維持細胞正常生理功能具有重要作用。AD患者的神經(jīng)元中, 當(dāng)Aβ和Tau積累時, 線粒體發(fā)生損傷，輕微損傷的線粒體通過分裂融合, 保證部分子代線粒體內(nèi)部環(huán)境的穩(wěn)定,而嚴重損傷的子代線粒體則通過被自噬體包被, 選擇性線粒體自噬過程予以清除。當(dāng)此功能受阻時, 神經(jīng)元中出現(xiàn)顯著的線粒體運輸、動力學(xué)異常等功能障礙, 導(dǎo)致AD病理改變加重。因此, 線粒體自噬在AD中扮演著重要角色。項目組前期發(fā)表于《Nature Neuroscience》的一項研究中發(fā)現(xiàn)[4]：增強線粒體自噬可以抑制Aβ和Tau蛋白的聚集，并逆轉(zhuǎn)AD模型中的認知缺陷。該研究證明線粒體清除機制受損在AD發(fā)病過程中扮演關(guān)鍵角色，對線粒體自噬的調(diào)控可能為AD的治療提供新方法。但是目前線粒體自噬的激動劑較稀少，需要更高效的激動劑發(fā)現(xiàn)方案。

化合物的生物活性篩選是現(xiàn)代藥物研發(fā)中關(guān)鍵但耗資巨大的一環(huán)，在傳統(tǒng)的藥物研發(fā)過程中，往往使用高通量篩選發(fā)現(xiàn)具有生物活性的化合物，預(yù)算需耗費200-400萬美金 [5]。發(fā)現(xiàn)先導(dǎo)化合物后，藥物化學(xué)家依據(jù)經(jīng)驗進行藥物設(shè)計及化合物合成，分子生物學(xué)家測試化合物活性，反復(fù)優(yōu)化和篩選，最終發(fā)現(xiàn)臨床候選化合物。如今隨著各種相關(guān)數(shù)據(jù)的積累，通過 AI 技術(shù)進行藥物的虛擬篩選，可以加速中間步驟，而且大幅度降低研發(fā)成本，從而加速藥物發(fā)現(xiàn)過程。德睿智藥團隊在該方向持續(xù)深入研發(fā)，開發(fā)基于AI的虛擬篩選模型，證實AI加速藥物研發(fā)的能力。

方法與結(jié)果

AI模型一周內(nèi)虛擬篩選出18個具有誘導(dǎo)線粒體自噬潛力的小分子

在這項研究中，研究團隊引入了機器學(xué)習(xí)方案，為了獲得全面的分子表征，對每個分子的一維、二維與三維信息進行了表征學(xué)習(xí)（圖一）。預(yù)訓(xùn)練的數(shù)據(jù)來自ChEMBL和ZINC的共一千九百萬小分子數(shù)據(jù)，并且預(yù)訓(xùn)練表征模型創(chuàng)新性的考慮了分子的各個維度的信息：一維特征為分子SMILES序列特征，二維特征主要為分子交互特征，三維特征主要為3D Conformer分子指紋?；陬A(yù)訓(xùn)練模型所獲得向量，研究團隊對澳門大學(xué)天然分子數(shù)據(jù)庫和14個已知的線粒體自噬誘導(dǎo)劑進行了聚類與過濾，共篩選出18個天然小分子進入濕實驗驗證階段。整體模型構(gòu)建時間小于14天。

圖一：AI篩選小分子流程

小分子的誘導(dǎo)自噬效果的生物學(xué)驗證

研究團隊使用人類赫拉細胞模型和線蟲動物模型驗證了這些小分子的自噬誘導(dǎo)作用，發(fā)現(xiàn)其中8種小分子（槲皮素、槲皮素二水合物、他克莫司、子囊霉素、異鼠李素、松芪、山奈酚和丹葉大黃素）在10μM濃度時有明顯的誘導(dǎo)線粒體自噬作用。進一步研究表明，異鼠李素、松芪、山奈酚和丹葉大黃素這4種小分子能以劑量依賴性方式誘導(dǎo)線粒體自噬（圖二）。

圖二：AI篩選分子在細胞模型中的自噬誘導(dǎo)作用

隨后，研究團隊使用了一種神經(jīng)元中表達Rosella的轉(zhuǎn)基因線蟲來評估小分子的體內(nèi)自噬激活效果。通過向轉(zhuǎn)基因線蟲模型中分別補充0.2 mM 和 1.0 mM 的不同的天然小分子化合物并分析其線粒體自噬水平，研究人員發(fā)現(xiàn)，槲皮素（1 mM）、山奈酚（0.2 mM）和 丹葉大黃素（0.2 mM 和 1 mM）能夠在線蟲中誘導(dǎo)神經(jīng)元自噬。同時，免疫印跡表明，山奈酚和丹葉大黃素能降低MFN2（線粒體外膜蛋白）和Tim23（線粒體內(nèi)膜蛋白）的表達，并增強了線粒體與 LAMP1 抗體標記的溶酶體的共定位，表明線粒體的溶酶體降解增強。另外，研究人員也在野生型和AD模型小鼠腦組織海馬區(qū)域中觀察到了明顯的線粒體自噬增強。至此，研究團隊通過AI模型成功發(fā)現(xiàn)了兩種有明顯線粒體自噬誘導(dǎo)作用的天然小分子（圖三）。

圖三：AI篩選分子在動物模型中的自噬誘導(dǎo)作用

山奈酚和丹葉大黃素顯著改善AD動物模型認知能力

在進一步試驗中，研究人員繼續(xù)使用山奈酚和丹葉大黃素對過表達Aβ和Tau的線蟲動物模型進行治療，發(fā)現(xiàn)治療后線蟲的學(xué)習(xí)行為得到明顯改善（圖四），并且這兩個分子都調(diào)控了如pink-1、pdr-1、dct-1、sqst-1、bec-1等自噬關(guān)鍵調(diào)控基因的表達。

為了了解兩種小分子改善線蟲學(xué)習(xí)記憶能力的具體機制，研究人員建立了上述自噬關(guān)鍵調(diào)控基因敲低或敲除的細胞模型，發(fā)現(xiàn)山奈酚對自噬調(diào)通作用受到pdr-1和dct-1基因決定性影響，丹葉大黃素對自噬調(diào)控作用影響受到pink-1的影響。同時，研究人員通過線蟲模型驗證了山奈酚和丹葉大黃素在Aβ通路和Tau病理通路中的作用，證明了這兩種小分子均能顯著改善線蟲的學(xué)習(xí)記憶能力。

圖四：AI篩選分子在動物模型中的自噬誘導(dǎo)作用

除了線蟲模型外，研究人員還在3xTg AD小鼠模型中進行了持續(xù)兩個月的山奈酚和丹葉大黃素治療，發(fā)現(xiàn)治療后的AD小鼠空間學(xué)習(xí)和記憶能力、視覺識別記憶能力有了明顯的提升（圖五），并且經(jīng)過兩種小分子處理后，小鼠大腦中自噬標志物由降轉(zhuǎn)升，海馬區(qū)域的Aβ產(chǎn)生和Tau的聚集明顯降低。

圖五：AI篩選分子對AD動物模型的治療效果

機器學(xué)習(xí)虛擬篩選模型的進一步驗證與對比

值得注意的是，在這項研究中，研究人員也將該模型與其他方法進行了比較，以確定該模型在識別線粒體自噬誘導(dǎo)物方面的準確性。對比結(jié)果表明，研究中所使用的AI模型最為準確，且其他方法發(fā)現(xiàn)的化合物均無法在神經(jīng)元中誘導(dǎo)線粒體自噬。另外，該研究中使用的模型的命中率明顯高于高通量篩選，并且優(yōu)于其他機器學(xué)習(xí)、QSAR 和計算機輔助方法（圖六）。

圖六：AI虛擬篩選模型與其他篩選方法對比

結(jié)論

本文建立了一種基于AI融合多維分子信息的虛擬篩選算法。基于該算法成功篩選出多個自噬誘導(dǎo)劑和生物學(xué)實驗證明了篩選出的化合物具有治療阿爾茲海默癥的潛力。該研究證明了增強自噬機制在阿爾茲海默癥治療中的潛力，同時為快速開發(fā)阿爾茲海默癥藥物提出了一種基于AI的可行框架方案。