6月10日，美国食品和药物管理局（FDA）特殊委员会以11比0全票同意礼来β淀粉样蛋白（Aβ）抗体Donanemab用于治疗早期阿尔茨海默病（AD）患者。
这也是继2023年重磅药物卫材Leqembi获批后，AD新药再次轰动医药圈。
根据世界卫生组织《2023年世界社会报告》数据显示，截至2018年全球约3310万人患有阿尔茨海默症，2050年这一数字将增至2.42亿。
但由于发病机制尚无定论，AD 药物开发难度较大，1998-2017 年，AD 药物的研发成功率仅有 2.7%。
尽管近年来医学界在靶向Aβ抗体的生产和药物开发取得了进步，但现有的AD疗法仍然存在诸多问题。
如胆碱酯酶抑制剂等传统药物的疗效普遍不足，只能短期控制症状，多数仅能延缓进程；而Aβ抗体药物则存在脑水肿（ARIA-E）及脑出血（ARIA-H）风险。
越是复杂的疾病，能帮助确定治疗靶点并优化先导化合物的工具价值越高。
无论诊断筛查、药物再利用还是新靶点发现，人工智能和机器学习已经为在神经退行性疾病药物研发中大展身手做好了准备。
AI靶点发现 中国企业一马当先
通过分析大量的分子、结构和临床数据，AI药企在积极地寻找神经退行性疾病的新治疗方案和联合疗法。
而中国AI药企英矽智能是其中的佼佼者。
2023年，英矽智能与剑桥大学合作在《美国国家科学院院刊》（PNAS）上发表了题为：Multiomic prediction of therapeutic targets for human diseases associated with protein phase separation的论文。
二者运用英矽智能自主研发的靶点识别引擎PandaOmics工具和剑桥大学开发的FuzDrop方法，确定神经退行性疾病（特别是AD）的新药物靶点。
用于多组学预测与PPS相关的人类疾病治疗靶点的工作流程
该研究对人类样本数据进行了大规模的多组学研究，量化了蛋白质相分离在调控与疾病相关的各种病理过程中的影响。
对具有较高 PandaOmics 和 FuzDrop 评分的候选蛋白进行优先排序，并生成了与蛋白质相分离过程失调相关的潜在疾病靶点列表。
其中AD细胞模型的实验最终证实了三个预测靶点：MARCKS、CAMKK2和p62，该实验还发现了与相分离失调有关的蛋白质，这对疾病病理学至关重要。
药物再利用：AI发现了15款潜力药物
另一个AI制药在AD领域的关键应用，是药物再利用。
早在2021年，美国麻省总医院和哈佛医学院的研究组就开发了一种基于人工智能的方法，以筛选目前可用的药物作为阿尔茨海默氏病的可能治疗药物。
该框架被称为DRIAD， 工作原理是测量用药物治疗时人脑神经细胞的变化，然后确定药物引起的变化是否与疾病严重程度的分子标志物相关。
DRIAD框架的定义和验证
该团队将这种筛选方法应用于80种经 FDA 批准并经过临床测试的药物，并 分析产生了一个候选药物的排名列表。
最终研究发现了发现了15种已经获得FDA批准的药物具有治疗AD的潜力，其中有5款药物属于JAK激酶抑制剂。
研究发现的15种潜力药物
而近年来，随着基因组学、生物信息学和临床数据等各种数据源的丰富，AI模型在药物再利用方面的能力得到了进一步提升。
2023年，亚利桑那大学与哈佛大学的研究人员 在Nature子刊 上， 开发了一种全新的人工智能和大数据驱动方法。
该方法通过深入研究人脑来识别阿尔茨海默病的原因和潜在的药物靶点，以绘制健康神经元随着疾病进展而经历的分子变化。
该团队使用AI识别了AD众多通路上19个特别的神经元特异性遗传点，并通过使用干细胞在培养皿中产生神经元。
然后使基因失活，从而验证这些基因在阿尔茨海默氏症发展中的作用。
他们发现，这些基因中有10个影响了斑块和缠结的产生，可以作为治疗阿尔茨海默氏症的药物靶点进行研究。
敲低人类 iPSC 衍生神经元中 10 个验证靶标后的基因表达变化
一旦确定了基因靶点，下一步就是找到能够击中这些靶点的药物。
该团队针对6,000多个靶点虚拟筛选了数百万种美国食品和药物管理局批准的天然产物和小分子化合物，将该领域缩小到约3,000种感兴趣的候选药物。
目前已经获得了美国国立卫生研究院的资助，可以对其中三种化合物进行临床试验， 预计人体试验将很快开始。
说在最后
在极度复杂的机制与 尚不清晰的病因之下， 寻求AI的帮助是一种结果导向的选择。
AI本身对基因图谱等海量数据的优秀处理能力为AD药物开发提供了一种更清晰且直观的途径。
但在积极之外，我们也能认知到目前药物递送机制仍然是AD药物开发的关键挑战，而AI技术在药物递送领域的应用是相当有限的。
在获得全票通过后，礼来Donanemab的获批指日可待，但 人类对阿尔兹海默症的挑战才只是开始。
未来突破阿尔兹海默症这一难题，仍需要人工智能与生命科学技术的共同努力。
—The End—