每年全球因毒蛇咬傷而死亡的人數高達 10 萬,而遭受永久性殘疾的受害者數量更是這一數字的三倍。
華盛頓大學的一組研究人員剛剛發表了一項突破性成果,他們利用深度學習“從零”設計蛋白質,以便與神經毒素結合,進而協助開發新型蛇抗毒血清。能看到人工智慧(AI)在現實中用於挖掘有前景的治療候選分子的例子,實在令人感到興奮。儘管 AI 在藥物設計領域蘊含巨大潛力,但迄今為止經過驗證的成功案例仍然寥寥無幾,這與其在醫學影像資料分析和疾病診斷等領域獲得的眾多成功應用形成了鮮明對比。在本次研究中,親和力最高的毒素結合蛋白在體內針對原本致命劑量的毒素提供了高達 100% 的防護。
值得注意的是,研究人員已就所創造的蛋白質的“設計與成分”提交了一項臨時專利申請。在前一期的《M&C 年度人工智慧報告》中,我們的分析顯示,與基於 AI 的藥物發現相關的已公開專利申請數量出人意料地少。我們推測,這可能是因為許多申請者選擇僅對化合物本身申請保護,以便將基礎發現平臺的詳細資訊保持機密。考慮到專利保護的有限期限以及這類平臺可能隨時間頻繁更迭,這種策略可能是有效的。
然而,在這一案例中,不同蛇毒的成分存在巨大差異,即便是同一物種內的不同成員也不例外。例如,在美國,莫哈威響尾蛇攜帶的毒素其致死性可能相差十倍之多。在交叉實驗中,研究顯示論文中最佳候選分子的中和效果完全針對設計階段所選定的目標毒素,因此,對所有採用這種方法可能生成的潛在有效候選分子進行專利申請顯然不切實際。因此,新抗蛇毒血清的設計是一個很好的例子,說明對用於識別候選物的方法或平臺進行補充專利保護可能是唯一可行的方法。隨著醫學從“一刀切”的治療模式向更加個性化的定制治療轉變,每位患者可能獲得不同的治療藥物,這類專利保護在未來的重要性將愈發凸顯。
诺贝尔奖得主大卫·贝克和蒂莫西·帕特里克·詹金斯领导的一项开创性研究展示了创新的计算机设计蛋白,这些蛋白能够中和致命的蛇毒,带来了更安全、高效且成本低廉的治疗新可能。 A groundbreaking study led by Nobel Laureate David Baker and Timothy Patrick Jenkins introduces innovative, computationally designed proteins that can neutralize lethal snake venom toxins, offering potential for safer, more effective, and cost-efficient treatments.