هوش مصنوعی و نسل نوین داروها: انقلابی در کشف و توسعه دارو

هوش مصنوعی: شتابدهنده طراحی داروهای بیولوژیکی
توسعه و طراحی یک داروی جدید، فرآیندی پرهزینه، زمانبر و با ریسک بالای شکست است. ساخت یک دارو ممکن است سالها به طول انجامد و سرمایهگذاری قابل توجهی را طلب کند. حتی پس از این تلاشها، اکثر ترکیبات کاندید هرگز به مرحله درمان بیماران نمیرسند. این پیچیدگی در مورد داروهای بیولوژیکی (درمانهایی که از پروتئینهای مهندسیشده به جای ترکیبات شیمیایی سنتتیک ساخته میشوند و برای طیف وسیعی از بیماریهای حاد و مزمن استفاده میشوند) به مراتب بیشتر است.
دانشمندان برای یافتن تعداد اندکی از مولکولها که میتوانند به هدف درمانی صحیح متصل شوند، در بدن انسان پایدار بمانند و در مقیاس وسیع تولید شوند، حجم عظیمی از مولکولهای ممکن را بررسی میکنند. امروزه، هوش مصنوعی این فرآیندها را تسریع بخشیده و به سرعت به بخش جداییناپذیری از زیرساختهای تحقیق و توسعه داروسازی تبدیل شده است.
طراحی به کمک هوش مصنوعی، بخش فزایندهای از فرآیند توسعه کاندیداهای دارویی بیولوژیکی را تشکیل میدهد و شرکتهایی مانند آسترازنکا به طور فعال در حال تقویت تیمهای مهندسی خود برای پیشبرد این رویکرد هستند. پوجا ساپرا، معاون ارشد رئیس و مدیر مهندسی بیولوژیکی تحقیق و توسعه و کشف هدفمند سرطان در آسترازنکا، میگوید: «هر کاری که انجام میدهیم، خواه طراحی، ساخت، آزمایش یا تحلیل باشد، اکنون به واسطه محاسبات تقویت میشود. چرخههای زمانی کوتاهتر میشوند در حالی که بهرهوری و نوآوری افزایش مییابد.»
ساپرا توضیح میدهد که رویکرد آسترازنکا از یک چرخه «ساخت، اندازهگیری، یادگیری» پیروی میکند. هوش مصنوعی به صورت محاسباتی مولکولهای کاندید را تولید یا اولویتبندی میکند و پیشبینی میکند که کدام طرحها با احتمال بیشتری موفق خواهند شد. سپس دانشمندان منابع آزمایشگاهی را تنها بر روی کاندیداهای با رتبه بالا متمرکز میکنند. این امر منجر به یک چرخه بازخورد فشردهتر با بنبستهای کمتر، تکرارهای سریعتر، و توانایی پیگیری اهداف بیماری میشود که قبلاً درمانناپذیر تلقی میشدند. از آنجایی که تعداد ترکیبهای مولکولی ممکن بسیار فراتر از آن چیزی است که هر تیم انسانی میتواند به صورت سیستماتیک بررسی کند، استفاده از هوش مصنوعی برای محدود کردن و پالایش گزینههای آزمایش به یک نقطه عطف اصلی در طراحی داروهای بیولوژیکی تبدیل شده است.
حل مشکلات پیچیده طراحی دارو
فراتر از تسریع زمانبندیها، هوش مصنوعی در کشف دستههای کاملاً جدیدی از داروها نیز به کار گرفته میشود. داروهای بیولوژیکی سنتی معمولاً یک مسیر بیماری را هدف قرار میدهند. نسل بعدی داروها میتواند به طور همزمان چندین هدف را مورد اصابت قرار دهد یا به طور دقیق محمولههای درمانی را به سلولهای خاصی برساند. دستیابی به این امر مستلزم بهینهسازی چندین متغیر به طور همزمان است. پوجا ساپرا توضیح میدهد که مدلهای مبتنی بر هوش مصنوعی میتوانند در طراحی این داروهای بیولوژیکی چندعملکردی که به طور فزایندهای پیچیده هستند، کمک کنند. او ادامه میدهد: «به عنوان مثال، چنین مدلهایی میتوانند به شناسایی دو یا سه هدفی که باید بر اساس زیستشناسی زمینهای اولویتبندی شوند، کمک کنند، سپس پارامترهای متعدد را برای ایجاد تعادل بین قدرت، پایداری، قابلیت تولید و ایمنی یک مولکول بهینهسازی کنند.» ساپرا میگوید: «درمان بیماریهای “غیرقابل درمان” در حال تبدیل شدن به واقعیت است. این فناوریها در نهایت ما را قادر میسازند تا داروهایی را علیه اهدافی توسعه دهیم که زمانی رسیدن به آنها غیرممکن تصور میشد. پتانسیل فواید آن برای بیماران قابل توجه است.»

















دیدگاهها۰
برای ثبت نظر، پرسش یا رأی ابتدا وارد حساب کاربری شوید.