مقابلات
جن هان كيم، الرئيس التنفيذي لشركة ستاندجيم – سلسلة المقابلات
أضف Unite.AI إلى مصادرك المفضلة على Google
جن هان كيم هو الرئيس التنفيذي لشركة ستاندجيم، وهي شركة اكتشاف دواء بالذكاء الاصطناعي.
من تحديد الأهداف المخصصة إلى توليد الرصاص، منصة ستاندجيم للذكاء الاصطناعي تولد الأفكار لجميع الخطوات لتطوير أدوية ذات قيمة تجارية من المشاريع الداخلية والشراكات.
بدأت بكتابة الشفرات عندما كنت في الصف السادس، هل يمكنك مشاركة كيف أصبحت مهتمًا وماذا كنت تعمل عليه في البداية؟
نعم، على جهاز آبل الثاني. ذلك كان المحفز لتحولي من قارئ كتب إلى مبتكر. بدأت في البرمجة، بدءًا من لغة سي، من فضول. أصبحت مهتمًا بمبادئ و جوانب نظرية جهازي. من هناك، أصبحت متعلمًا مدى الحياة في مجال التكنولوجيا.
ما الذي جذبك في البداية إلى التعلم الالي؟
حصلت على شهاداتي في الكيمياء التطبيقية والذكاء الاصطناعي في جامعة إدنبرة تحت إشراف جيفري هينتون. وهو عالم الأعصاب وعالم الحاسوب الذي أنشأ في الأساس التعلم العميق. عمل هينتون على الشبكات العصبونية الاصطناعية وتصميم الآلات الذكية المستقلة، وفيما بعد خوارزميات التعلم الالي. استأجرت جوجل له قبل عشر سنوات لإنشاء الذكاء الاصطناعي الخاص بهم، والباقي هو التاريخ.
(AAPL )متى أصبحت متورطًا لأول مرة في تقاطع الأحياء والتعلم الالي؟
كنت أعمل في معهد سامسونج المتقدم للتكنولوجيا، حيث كنت أطور خوارزميات. واحدة من الخوارزميات التي طوّرتها كانت آلية ل修復 تلف الحمض النووي. أردت متابعة العمل في مجال الأحياء لحل أكثر المشاكل صعوبة في الاستهداف. كلا الجسم البشري والحواسيب التي تفكر مثل البشر معقدان للغاية، ويجب عليك العمل لفهم أحدهما لاستيعاب الآخر. أنظمة الذكاء الاصطناعي لا تستطيع فقط التنقيب في البيانات العلمية الشاملة المنشورة على مدار عقود من جميع أنحاء العالم، بل يمكنها أيضًا معالجة تعقيدات الجسم البشري واكتشاف أنماط آليات الأحياء بسرعة ووضوح. كان من السهل رؤية الأحياء والتعلم الالي يذهبان معًا.
(GOOGL )يمكنك مشاركة قصة ولادة ستاندجيم؟
أظهر لي عملي في الصحة والعلوم ما اعتبره مشكلة كبيرة في اكتشاف الأدوية التقليدية: الوقت والمال اللازمين لمراجعة الأوراق البحثية العلمية واختبارات الفحص أو الاقتراحات التي توفر نقطة الانطلاق لإنشاء دواء جديد محتمل. كان العلماء البشر يقومون بهذه الأبحاث الشاملة. رأيت أنا وزميلاي في سامسونج، سانغ أوك سونغ وسو جيونغ يون، فرصة لتحويل العمل من البشر إلى آلة ذكية وتصميم سير عمل جديد. بالإضافة إلى ذلك، لم أرد العمل من أجل راتب؛ أردت العمل من أجل نفسي، لجلب أساليب اكتشاف الأدوية إلى معيار جديد، وهو ميلاد العمل واسم “ستاندجيم”، الشركة التي أسسها الثلاثة منا.现在، تحقق نموذج التعلم الالي الخاص بنا دقة تنبؤ عالية وتحقيق تقنية الذكاء الاصطناعي أقصى عائد استثماري.
ما هو مشكلة الوصول الاصطناعي و كيف تعمل ستاندجيم على حلها؟
النماذج التوليدية يمكنها تصميم هياكل جزيئية جديدة دون مساعدة كيميائيين دوائيين مدربين جيدًا، وهو أحد أهم أسباب تبني هذا التكنولوجيا ب热情 من مجتمعات اكتشاف الأدوية. أعلى عائق هنا هو الفرق في السرعة بين تصميم الجزيئات وتركيباتها التجريبية، حيث يأخذ تصميم ملايين المركبات ساعات فقط وتركيب عشرة جزيئات يأخذ أسابيع أو أشهر. نظرًا لأن جزءًا صغيرًا فقط من المركبات المصممة سوف يتم合ها بواسطة خبراء بشر، من المهم وجود مقاييس جيدة للخصائص الجزيئية.
كانت نماذج الذكاء الاصطناعي من الجيل الأول خشنة، ورفض الكيميائيون الاصطناعيين معظم الجزيئات المصممة بسبب صعوبة الخطة الاصطناعية. حتى أن بعض شركات البحث والتنمية رفضت تقديم مقترح ل この حملة اصطناعية.
تعمل ستاندجيم على هذا الأمر من خلال توظيف كيميائيين دوائيين مخضرمين وإضافة خبرتهم إلى النماذج التوليدية حتى يتمكنوا من تصميم مركبات لا يمكن تمييزها عن تلك التي صممها خبراء بشر. تمتلك ستاندجيم الآن عدة نماذج توليدية مختلفة يمكنها التعامل مع مراحل مختلفة من اكتشاف الأدوية: تحديد الهدف، وتحويل الهدف إلى رصاص، وتحسين الرصاص. هذا يظهر أهمية وجود خبرة متنوعة لأي شركة اكتشاف أدوية بالذكاء الاصطناعي حيث يتم استخدام الخبرة البشرية والخبرة بشكل رئيسي لتحسين نماذج الذكاء الاصطناعي وتأمين أفضل سير العمل بدلاً من كل مشروع.
يمكنك مناقشة أنواع الخوارزميات التي تستخدمها ستاندجيم لتسهيل اكتشاف الأدوية؟
نبدأ عادةً أي مشاريع استكشافية bằng ترتيب البروتينات المستهدفة الواعدة والجديدة باستخدام ستاندجيم ASK؛ يتكون منصة البيولوجيا لدينا من خوارزميات متميزة لتدريب الشبكات البيولوجية الكبيرة، واستخدام أنواع مختلفة من بيانات أوميكس غير متحيزة، وإدخال سياقات أنظمة بيولوجية محددة، إلخ. اختيار البروتين المستهدف الصحيح هو واحد من أكثر القضايا حرجة في اكتشاف الأدوية. تساعد ستاندجيم ASK خبراء الأمراض bằng تقديم فرضيات متعددة لآلية العمل.
لضمان الحصول على براءات اختراع ذات نطاقات حماية عالية، تقوم ستاندجيم BEST بأداء مهام مختلفة، بما في ذلك اقتراح مركبات رصاص (استكشاف فعال)، والقفز على الهيكل (مع مراعاة القابلية الاصطناعية والجدة) ونمذجة تنبؤية مختلفة للدوائية (النشاط، والخصائص ADME/Tox والخصائص الفيزيائية الكيميائية). هناك العديد من المهام الصغيرة المرتبطة بهذه المهام الكبيرة، مثل DTI (تفاعل دواء-هدف)، ومحاكاة جزيئية مدعومة بالذكاء الاصطناعي، وتوقعات الانتقائية، وتحسين متعدد المعايير.
كم من الوقت يتم توفيره بشكل متوسط عند توليد مركبات جديدة مقارنة بطرق اكتشاف الأدوية التقليدية؟
تم合 باحثو ستاندجيم مئات من الجزيئات الجديدة للمشاريع، العديد منها تم تعيينه كجزيئات رصاص ومركبات رصاص في سياقات مختلفة. من خلال اعتماد نماذج و موارد تجارية بالذكاء الاصطناعي، قامت ستاندجيم بتقليل الوقت اللازم لجولة أولى من توليد المركبات الجديدة من ستة أشهر إلى متوسط شهرين لمعظم المشاريع. الآن، يمكن اتخاذ قرارات الذهاب / لا الذهاب في متوسط سبعة أشهر بدلاً من ثلاثة إلى أربع سنوات.
ما هي بعض قصص نجاح ستاندجيم لتحويل الأدوية المحتملة إلى تجارية؟
باستخدام ستاندجيم Insight، الذي يشارك نفس الخلفية التقنية مع ستاندجيم ASK، وجدنا جزيء دواء يمكن استخدامه لمرض نادر في الأطفال، تم التحقق منه بواسطة عالم من أحد أفضل مستشفيات الأطفال في الولايات المتحدة. هذا الحالة تظهر أن تكنولوجيا الذكاء الاصطناعي يمكن أن تساعد في اكتشاف الأدوية لمرض نادر، وهو مهمة صعبة للشركات من أي حجم بسبب الحاجة إلى قيمة تجارية أكبر. خاصة في هذا الركود، عندما تحاول الشركات الصيدلانية أن تكون أكثر تحفظًا، يمكن للذكاء الاصطناعي تعزيز البحث والتطوير في الأمراض النادرة والمهملة.
ما هو رؤيتك لمستقبل التعلم العميق والذكاء الاصطناعي التوليدي في مجال الرعاية الصحية؟
ينتظر نجاح تكنولوجيا الذكاء الاصطناعي على توافر بيانات عالية الجودة. سيكون هناك بالتأكيد منافسة كبيرة حول تأمين كمية كبيرة من البيانات عالية الجودة في قطاع الرعاية الصحية. من منظور أضيق لاكتشاف الأدوية المبكر، فإن بيانات الكيمياء والأحياء مكلفة وتتطلب وقتًا طويلاً لتحقيق حالة عالية الجودة. لذلك، سيكون المختبر الآلي مستقبلًا لمجال اكتشاف الأدوية بالذكاء الاصطناعي، لأنه يمكن أن يقلل من تكلفة البيانات عالية الجودة – الوقود لتكنولوجيا الذكاء الاصطناعي. نحن ندفع منصاتنا التكنولوجية إلى المستوى التالي حتى تتمكن ستاندجيم ASK من تقديم أدلة أكثر وضوحًا، من بيانات المرضى إلى البيولوجيا الجزيئية؛ ويمكن أن تكون نماذج ستاندجيم BEST.state-of-the-art من خلال تغذيتها ببيانات عالية الجودة من مختبراتنا الآلية الداخلية والشركاء.
هل هناك أي شيء آخر تود مشاركته حول ستاندجيم؟
كما أن توازن الخبرات المتميزة مهم لستاندجيم، فإن توازن الأعراق أيضًا حرج. لقد كنا نوسع وجودنا في البيئة العالمية من خلال تأسيس مكاتبنا في المملكة المتحدة (كامبريدج) والولايات المتحدة (كامبريدج، ماساتشوستس) لتشمل وجود الشبكات وتحويل ستاندجيم إلى شركة أكثر عالمية.
شكرًا على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا ستاندجيم.
