استخدام الذكاء الاصطناعي لإنشاء جزيئة دوائية قد تقاوم التليف

إن إنشاء أدوية طبية جديدة هو عملية معقدة يمكن أن تستغرق سنوات من البحث وملايين الدولارات. ومع ذلك ، فهو استثمار مهم يجب القيام به من أجل صحة الناس. يمكن للذكاء الاصطناعي أن يجعل اكتشاف الأدوية الجديدة أسهل وأسرع إذا استمر العمل الحالي لشركة Insilico Medicine في التقدم. كما ذكر موقع SingularityHub ، استخدمت شركة Insilico Medicine مؤخرًا الذكاء الاصطناعي لتصميم جزيئة قد تقاوم التليف.

نظرًا لتعقيد عملية اكتشاف الجزيئات الجديدة للأدوية وتأثيرها البطيء ، يبحث العلماء والمهندسون دائمًا عن طرق لتسريعها. فكرة استخدام الحواسيب لمساعدة اكتشاف الأدوية الجديدة ليست جديدة ، حيث تم التحدث عنها منذ عقود. ومع ذلك ، كان التقدم في هذا الصدد بطيئًا ، حيث يجد المهندسون صعوبة في العثور على الخوارزميات الصحيحة لإنشاء الأدوية.

بدأت التعلم العميق في جعل اكتشاف الأدوية بواسطة الذكاء الاصطناعي أكثر جدوى ، حيث استثمرت شركات الأدوية الكبيرة في شركات الذكاء الاصطناعي خلال السنوات القليلة الماضية. تمكنت إحدى الشركات من استخدام الذكاء الاصطناعي لتصميم جزيئة قد تقاوم التليف ، حيث استغرق الأمر 46 يومًا فقط لتصميم جزيئة تشبه الأدوية العلاجية. قامت شركة Insilico Medicine بدمج تقنيتين تعلم عميقتين لتحقيق هذا النتيجة: التعلم بالتعزيز والشبكات المتعادية الجينية (GANs).

التعلم بالتعزيز هو طريقة تعلم الآلة التي تشجع نموذج التعلم الآلي على اتخاذ قرارات معينة من خلال تزويد الشبكة بالتعليقات التي تثير استجابات معينة. يمكن معاقبة النموذج على اتخاذ خيارات غير مرغوب فيها أو مكافأته على اتخاذ خيارات مرغوب فيها. من خلال استخدام مزيج من التعزيز السلبي والإيجابي ، يتم توجيه النموذج نحو اتخاذ قرارات مرغوب فيها ، وسيتم التوجه نحو اتخاذ قرارات تقلل من العقاب وتعظم المكافأة.

في غضون ذلك ، الشبكات المتعادية الجينية “متعادية” لأنها تتكون من شبكتين عصبويتين متعاديتين. يتم تزويد الشبكتين بنماذج من الكائنات لتدريبها ، غالبًا ما تكون الصور. مهمة إحدى الشبكات هي إنشاء كائن زائف ، شيء كافٍ ليكون مشابهًا للكائن الحقيقي بحيث يمكن الخلط بينهما. مهمة الشبكة الثانية هي اكتشاف الكائنات الزائفة. تحاول الشبكتان التفوق على الشبكة الأخرى ، و随着 تحسين أدائهما لتفوق الشبكة الأخرى ، يؤدي هذا الصراع الافتراضي إلى توليد نموذج زائف يولد كائنات شبه متطابقة مع الكائن الحقيقي.

من خلال دمج خوارزميات GANs والتعلم بالتعزيز ، تمكن الباحثون من جعل نماذجهم تنتج جزيئات دوائية جديدة非常 شبيهة بالأدوية العلاجية الحالية.

نشرت نتائج تجارب Insilico Medicine مع اكتشاف الأدوية بواسطة الذكاء الاصطناعي مؤخرًا في مجلة Nature Biotechnology. في الورقة ، يناقش الباحثون كيف تم تدريب نماذج التعلم العميق. أخذ الباحثون تمثيلات للجزيئات المستخدمة في الأدوية لمعالجة البروتينات المرتبطة بالتليف الرئوي مجهول السبب أو IPF. تم استخدام هذه الجزيئات كقاعدة لتدريب النماذج ، وتمكنت النماذج المدمجة من توليد حوالي 30,000 جزيئة دوائية محتملة.

ثم قام الباحثون بترشيح 30,000 جزيئة دوائية محتملة واختيار ست جزيئات واعدة للاختبار المختبري. تم合성 هذه الجزيئات الست في المختبر واستخدامها في سلسلة من الاختبارات التي تتبع khảية استهداف بروتين IPF.appeared جزيئة واحدة على أنها واعدة ، حيث قدمت النتائج المطلوبة في دواء طبي.

من المهم ملاحظة أن دواء التليف المستهدف في التجربة قد تم بحثه بالفعل على نطاق واسع ، مع وجود أدوية فعالة متعددة موجودة بالفعل له. يمكن للباحثين الرجوع إلى هذه الأدوية ، وهذا يعطي فريق البحث ميزة لأن لديهم كمية كبيرة من البيانات لتدريب نماذجهم عليها. هذا لا ينطبق على العديد من الأمراض الأخرى ، ونتيجة لذلك ، هناك فجوة أكبر لسد هذه العلاجات.

حقيقة مهمة أخرى هي أن نموذج شركة Insilico Medicine الحالي لتنمية الأدوية يتعامل فقط مع عملية الاكتشاف الأولية ، وأن الجزيئات التي تم توليدها بواسطة نموذجهم vẫn تتطلب العديد من التعديلات والتحسينات قبل أن يمكن استخدامها потенتيالًا في التجارب السريرية.

وفقًا لموقع Wired ، يعترف المدير التنفيذي لشركة Insilico Medicine ، أليكس زهاروفنوكوف ، بأن دواء الشركة الذي يتم تشغيله بواسطة الذكاء الاصطناعي ليس جاهزًا للاستخدام الميداني ، حيث إن الدراسة الحالية هي مجرد概念 إثبات. كان الهدف من هذه التجربة هو رؤية مدى سرعة تصميم دواء بمساعدة أنظمة الذكاء الاصطناعي. ومع ذلك ، يشير Zhavornokov إلى أن الباحثين تمكنوا من تصميم جزيئة محتملة الاستخدام بسرعة أكبر مما كانوا سيفعلون إذا استخدموا أساليب اكتشاف الأدوية العادية.

على الرغم من التحفظات ، لا تزال أبحاث Insilico Medicine تمثل تقدمًا ملحوظًا في استخدام الذكاء الاصطناعي لإنشاء أدوية جديدة. يمكن أن تؤدي تحسين التقنيات المستخدمة في الدراسة إلى تقليل الفترة الزمنية المطلوبة لتطوير دواء جديد بشكل كبير. يمكن أن يثبت هذا أنه مفيد بشكل خاص في عصر حيث تنتشر البكتيريا المقاومة للمضادات الحيوية ويفقد العديد من الأدوية الفعالة سابقًا قوته.