结合药物重定向与药食同源天然化合物进行AI人工智能药物发现

新药研发对于提高人类的生活质量发挥着极其重要的作用。但是传统新药研发模式遭遇了瓶颈：一是化合物骨架接近饱和,近年来美国食品药品监督管理局（Food and Drug Administration,FDA）批准的新化学实体药物逐年降低；二是医药企业在新药研发上的投入产出比逐年升高,研发成功率却逐年降低。为了弥补传统新药研发模式的瓶颈，研究者开始将目光转向药物重定向以及药食同源天然化合物。

药物重定向（老药新用）或已被批准治疗药物的新适应症（如阿司匹林（Aspirin）原应用于解热镇痛药已有百余年，新用于心血管疾病预防和治疗，以及药食同源天然化合物发现用于治疗疾病（青蒿素用于治疗疟疾），已在学术界和制药界获得广泛的关注，这两种药物发现策略不仅缩短了研发时间和成本，更重要的是这些化合物已经具备完整的安全性和药代动力学数据,极大地降低了开发风险。

AI（Artificial Intelligence 人工智能）随着高性能计算的飞速发展，更好的算法以及大量药物数据的积累，AI人工智能药物发现技术以其高效率、低成本的优势，开始在药物发现领域发挥着越来越重要的作用。

因此，“药物重定向与药食同源天然化合物+AI”的模式用于药物发现存在良好的发展前景。

此前，盛普国际药物发现网络联盟IDDNU (International Drug Discovery Network Unite）研究员Jason Zhao曾在美国化学会期刊JCIM（Journal Of Chemical Information And Modeling）上发表一篇关于药物重定向数据库的论文“EK-DRD: A Comprehensive Database for Drug Repositioning Inspired by Experimental Knowledge”，该数据库收录了美国FDA批准上市（包含被撤市）的1963个药物的结构以及它们在靶标、细胞、动物、临床的重定向实验活性信息，此外盛普研究团队还收录了400838个天然化合物结构及其活性数据。

通过对这些数据的收集以及构建数据库，盛普IDDNU自建了基于AI的药物发现系统（Suntrap IDDNU AI Drug Discovery System），利用该系统开发出了一系列针对药物重定向和天然化合物的基于AI人工智能药物发现算法与模型，可快速计算这些化合物与靶标之间的亲和力，预测化合物-蛋白质的相互作用，并有发现多药理学（多靶标）化合物的能力，挖掘药物-靶标-疾病三者之间的对应关系，能实现药物的快速发现。

目前，盛普研究团队已利用盛普IDDNU基于AI的药物发现系统，进行针对多种疾病（如肿瘤、病毒感染、组织纤维化、衰老相关慢性疾病等）药物的发现，并对发现的化合物进行了活性测试，大量的测试结果与预测结果相近，证明该算法与模型有较好的准确性，通过该系统实现了AI加持药物重定向与药食同源天然化合物的药物发现。