颠覆传统医疗科研:借助人工智能研发抗癌药物
八个月后,这个孩子已没有了癌症的迹象。"他今天还活着而且活得很好,"Narain 说,"我们不知道到底发生了什么。这件事情真的带给了我们一个观点,即这可能真的是一种非常特殊的分子。当我听到这个消息时,我哭了。没有科学家预料到这个结果。"
2008 年年底,Narain 搬到了马萨诸塞州的剑桥,这家公司也更名为 Berg Pharma。Narain 为他在临床中看到的一切感到沮丧。"病人被治疗的方式常常与生物学以及他们的疾病无关,"他说,"我知道我必须重新开始,将生物学放在最前面。"之后 Narain 鼓动 Berg 偏向开发数据驱动的使用高通量分子筛选和人工智能寻找药物的方法。Berg 表示有兴趣。他已经厌倦了房地产业务并决定投资有潜力改变这个世界的公司。Narain 的想法说服了他。
"在过去 50 多年里,我一直避开生物技术,因为我觉得 FDA 只是另一个我不想承担的额外风险,"Berg 说,"但我认为这是如此的具有革命性,我愿意承担这种风险。"
2010 年初,该团队完成了其癌症模型的第一次迭代:一份以前所未有的细节描绘的从身体健康导向癌症的生物事件的级联反应的测绘图。"机器的输出就像是航空公司的地图,包含了纽约和伦敦等占大部分流量的大型枢纽和进出它们的航线,"Narain 说,"地图中的枢纽代表了癌组织中相对于健康组织多余或有缺陷的分子。这些枢纽中分子变成了我们的药。这就是人工智能告诉我们的健康和疾病之间的不同点。该平台会标记病变细胞中多余的或有缺陷的分子,所以我们将这些蛋白质或酶填补回系统,或者我们减少或抑制它们以将系统恢复正常。"
得到的癌症测绘图有 5 个枢纽。其中最大的枢纽由线粒体中的一组酶构成。CoQ10 就是其中之一。"当我看到那个枢纽时,那是一个让我茅塞顿开的时刻。"Narain 说,"那是一个验证的时刻。记得吗,这么多年来我一直怀着它和基因组学无关的想法,而现在人工智能告诉我癌症的支点是线粒体。当然,在我的想法里,根据我之前所有的实验,这完全说得通。"
当 Narain 将 CoQ10 添加回体外培养的癌组织时,大部分癌细胞都开始死亡。使用 Berg 的密集的分子数据追踪(molecular data-tracking),Narain 最终理解了其中的原因。线粒体——CoQ10 在其中具有活性并帮助在细胞中产生能量——不仅为细胞提供能量,也控制着细胞的死亡能力。
"癌细胞能够关闭线粒体并从乳酸而非氧气中产生能量,"Narain 说,"因此,癌细胞也会失去死亡的能力。"将 CoQ10 送回线粒体逆转了这种效果,将癌细胞变成了普通细胞。"我们重新教会它们怎么进行细胞死亡。"
2015 年 12 月一个多云的下午,Niven R Narain 让 WIRED 参观了 Berg Pharma 位于波士顿以西 30 公里的弗雷明汉的实验室。这个用白色围墙围起来的地方看起来不像是一家已有八年历史的制药公司,倒更像是一个大型生物医学研究机构,拥有超过 200 名员工——包括医生、物理学家和计算机科学家——在安放着质谱仪和大型服务器的大房间里工作。"你在这里看到的是全国最严格的、高产能的和高容量的实验室。"Narain 解释说,"我们在这里处理的样本比任何学术界或业界的实验室都多。"
Berg 还研究治疗帕金森氏病的药物。这台冰箱装满了病人的样本
Narain 出生于圭亚那,成长于巴哈马,但他温柔而平静的声音并没有掩盖他的加勒比风情。他身穿深色系扣衬衫和条纹外套。他的深色头发梳成整齐的偏分,他的脸上点缀着山羊胡。当他顺着长长的走廊缓缓行走时,他会停下来和他的同事聊天,他的行为举止欢快又富感染力。
Berg Pharma 目前正在研究的药物有 200 多种,其中许多都还处于临床前的研究,大部分都针对癌症、糖尿病和神经疾病。Narain 预计在未来的几年中该公司将至少有一种用于多种类型癌症的药物会得到批准,并还将实现一种新的前列腺癌诊断方法的商业化。Berg 还有针对神经疾病的药物研究项目,例如阿尔茨海默氏病和帕金森氏病。"我认为神经病学是下一个难以治愈的『癌症』。"Narain 说,"很多制药公司们已经关闭了它们的神经项目,因为大部分试验都已经失败了。我们对这种疾病的生物学机制毫无头绪。"
Narain 走进一个满是冷藏柜的房间,其中存储了超过 60,000 个来自医学院病人的细胞样本。这里面的样本都被存储在 Eppendorf 管中。它们上面都标注着:帕金森氏并阿尔茨海默氏并糖尿并癌症、狼疮、炎症。"我们有细胞样本,也有细胞的分泌物。"Narain 说,"有很多我们可以提取的信息。基因组是人体的模板,但基因产生 RNA
- 解密英伟达Tesla P100、GP100、DRIVE PX2平台(04-26)
- 人工智能处理器三强Intel/NVIDIA/AMD谁称霸?(07-23)
- 2016年人工智能与深度学习领域的十大收购(07-26)
- 人工智能实现的流派 FPGA vs. ASIC看好谁?(08-27)
- IBM沃森能否在人工智能领域突破重围?(09-19)
- 英特尔与高通将在汽车芯片市场再次对决(上)(10-03)
