新知特寫

首頁> 新知特寫> 以機器學習加速藥物組合的發現
以機器學習加速藥物組合的發現 Accelerating Drug Combination Discovery with Machine Learning
許多疾病(尤其是癌症)的治療仰賴多種藥物的聯合使用,使藥物間產生協同作用(Synergistic Effects)以提升療效。然而,隨著新藥數量快速增加,潛在藥物組合數量亦隨之成長,使傳統實驗方法在藥物組合篩選上面臨耗時且成本高昂的挑戰。為克服上述問題,美國聖猶達兒童研究醫院(St. Jude Children's Research Hospital)計算生物學部(Department of Computational Biology)研究團隊開發出Combocat藥物組合篩選平台。該平台利用聲學液體處理技術(Acoustic Liquid Handling),透過聲波精準轉移微量藥液,與傳統微量吸管等技術相比,能大幅降低實驗材料需求,並提升可測試的藥物組合數量。同時,研究團隊以完整且高精準度的實驗資料訓練機器學習(Machine Learning)模型,並驗證其在僅需少量實驗數據的情況下,即能有效推估大規模藥物組合的反應趨勢,且預測結果與實際量測高度相符。在實驗驗證中,該平台被應用於神經母細胞瘤(Neuroblastoma) 的組合藥物測試,共測試超過9,000組藥物配對,並成功鑑別出多組具有顯著協同作用的藥物組合。研究團隊指出,該平台為免費且開放原始碼,未來不僅可用於癌症研究,也有助於加速其他疾病的新組合藥物開發。
2025/12/15
https://medicalxpress.com/news/2025-12-drug-combination-discovery-machine.html
Medical Xpress
陳靜怡