جن هان كيم، الرئيس التنفيذي لشركة Standigm – سلسلة المقابلات

جن هان كيم هو الرئيس التنفيذي لشركة Standigm، وهي شركة اكتشاف أدوية تعتمد على الذكاء الاصطناعي في سير العمل.

من تحديد الأهداف المخصصة إلى توليد الرصاص، منصة Standigm للذكاء الاصطناعي في سير العمل تولد Thông tin حول كل خطوة لتطوير أدوية ذات قيمة تجارية من المشاريع الداخلية والشراكات.

بدأت بكتابة الشفرات عندما كنت في الصف السادس، هل يمكنك مشاركة كيف أصبحت مهتمًا وما كنت تعمل عليه في البداية؟

نعم – على جهاز Apple II Plus. ذلك كان المحفز لتحولي من شخص يقرأ الكتب إلى شخص يخلق. بدأت في البرمجة، بدءًا من لغة سي، من فضول. أصبحت مهتمًا بمبادئ و جوانب نظرية جهازي الحاسوب. من هناك، أصبحت متعلمًا مدى الحياة في مجال التكنولوجيا.

ما الذي جذبك في البداية إلى تعلم الآلة؟

حصلت على شهاداتي في الكيمياء التطبيقية والذكاء الاصطناعي في جامعة إدنبرة تحت إشراف جيفري هينتون. وهو عالم الأعصاب وعالم الحاسوب الذي خلق في الأساس التعلم العميق. عمل هينتون على الشبكات العصبونية الاصطناعية وتصميم الآلات الذكية المستقلة، ومن ثم خوارزميات تعلم الآلة. وظفته جوجل قبل عشر سنوات لإنشاء الذكاء الاصطناعي الخاص بهم، والباقي هو التاريخ.

متى أصبحت متورطًا لأول مرة في تقاطع البيولوجيا وتعلم الآلة؟

كنت أعمل في معهد سامسونج المتقدم للتكنولوجيا، حيث كنت أطور خوارزميات. واحدة من الخوارزميات التي طورها كانت آلية ل修复 تلف الحمض النووي. كنت أريد متابعة العمل في مجال الأحياء لحل أكثر المشاكل صعوبة لتحديد الأهداف. كلا الجسم البشري والحواسيب التي تفكر مثل البشر معقدان للغاية، ويجب عليك العمل لفهم أحدهما لاستيعاب الآخر. يمكن أن تحفر أنظمة الذكاء الاصطناعي ليس فقط في البيانات العلمية الشاملة المنشورة على مدى عقود من جميع أنحاء العالم، ولكنها يمكن أيضًا معالجة تعقيدات الجسم البشري والقبض بسرعة ووضوح على أنماط الآليات البيولوجية. كان من السهل رؤية البيولوجيا وتعلم الآلة يدا بيد.

هل يمكنك مشاركة قصة ولادة Standigm؟

كشفت أعمالي في الصحة والعلوم عن ما اعتبره مشكلة كبيرة في اكتشاف الأدوية التقليدية: الوقت والمال اللازمين لفحص الأوراق البحثية العلمية واختبارات الفحص أو الدلائل التي توفر نقطة الانطلاق لإنشاء أدوية جديدة محتملة. كان علماء بشريون يقومون بهذه الأبحاث الشاملة. رأيت أنا واثنان من زملائي في سامسونج، سانغ أوك سونغ وسي جونغ يون، فرصة لتحويل العمل من البشر إلى آلة ذكية وتصميم سير عمل جديد. كما أنني لم أرد العمل من أجل الراتب؛ أردت العمل من أجلي، لجلب أساليب اكتشاف الأدوية إلى معيار جديد، وهو ميلاد العمل واسم “Standigm”، الشركة التي أسسها الثلاثة منا. يصل نموذجنا للتعلم الآلي الآن إلى دقة تنبؤ عالية وتكنولوجيا الذكاء الاصطناعي تحقق أقصى عائد على الاستثمار.

ما هو مشكلات الوصول التركيبي و كيف تعمل Standigm لحلها؟

يمكن للنماذج التوليدية تصميم هياكل جزيئية جديدة دون مساعدة كيميائيين دوائيين مدربين جيدًا، وهو أحد الأسباب الأكثر أهمية لاعتماد هذه التكنولوجيا ب热情 من مجتمعات اكتشاف الأدوية. أعلى حواجز هنا هي الفرق في السرعة بين تصميم الجزيئات وتحليلها التجريبي، حيث يأخذ تصميم ملايين المركبات ساعات فقط ويأخذ合نها عشر جزيئات أسابيع أو أشهر. كما أن جزءًا صغيرًا فقط من المركبات المصممة سيتم合نها بواسطة خبراء بشريين، لذلك من المهم وجود مقاييس جيدة للمواد الجزيئية.

كانت نماذج الذكاء الاصطناعي من الجيل الأول خشنة، ورفض الكيميائيون التركيبي معظم الجزيئات المصممة بسبب صعوبة الخطة التركيبية. حتى أن بعض الشركات المتعاقدة رفضت تقديم مقترح لتحليل الحملة التركيبية.

تعمل Standigm على هذه القضية من خلال توظيف كيميائيين دوائيين محترفين وإضافة خبرتهم إلى نماذج التوليد حتى يتمكنوا من تصميم مركبات لا يمكن تمييزها عن تلك التي صممها خبراء بشريون. تمتلك Standigm الآن عدة نماذج توليدية يمكنها إدارة مراحل اكتشاف أدوية مختلفة: تحديد الإصابة وتحويل الإصابة إلى رصاص وتحسين الرصاص. هذا يظهر أهمية وجود خبراء متنوعين لأي شركة اكتشاف أدوية بالذكاء الاصطناعي حيث يتم استخدام الخبرة البشرية والخبرة بشكل رئيسي لتحسين نماذج الذكاء الاصطناعي وضمان أفضل سير العمل بدلاً من كل مشروع.

هل يمكنك مناقشة أنواع الخوارزميات المستخدمة من قبل Standigm لتسهيل اكتشاف الأدوية؟

نبدأ عادةً أي مشاريع استكشافية bằng ترتيب البروتينات المستهدفة الواعدة والجديدة باستخدام Standigm ASK؛ يتكون منصة البيولوجيا لدينا من خوارزميات منفصلة لتدريب شبكات بيولوجية ضخمة، واستخدام أنواع مختلفة من بيانات أوميكس غير متحيزة، وإدخال سياقات أنظمة بيولوجية وما إلى ذلك. اختيار البروتين المستهدف الصحيح هو واحد من أكثر القضايا حرجة في اكتشاف الأدوية. تساعد Standigm ASK خبراء الأمراض بتقديم فرضيات متعددة لآلية العمل.

لضمان الحصول على براءات اختراع ذات نطاقات حماية عالية، تقوم Standigm BEST بأداء مهام مختلفة، بما في ذلك اقتراح مركبات الإصابة (استكشاف فعال) وتبديل الهيكل (أخذ التركيب التركيبي والجديد في الاعتبار) ونمذجة تنبؤية مختلفة للدوائية (النشاط والسمية والخواص الفيزيائية والكيميائية). هناك العديد من المهام الصغيرة المرتبطة بهذه المهام الكبيرة، مثل DTI (تفاعل دواء-مستهدَف) ومحاكاة جزيئية مساعدة بالذكاء الاصطناعي وتنبؤ الانتقائية وتحسين متعدد المعاملات.

كم هو الوقت الذي يتم توفيره في المتوسط عند توليد مركبات جديدة مقارنة بطرق اكتشاف الأدوية التقليدية؟

لقد قام باحثو Standigm بتركيب مئات من الجزيئات الجديدة للمشاريع، والتي تم تعيين العديد منها كجزيئات إصابة ورصاص في سياقات مختلفة. من خلال اعتماد نماذج قائمة على الذكاء الاصطناعي والموارد التجارية، قامت Standigm بتقليل الوقت اللازم للجولة الأولى من توليد المركبات الجديدة من ستة أشهر إلى متوسط شهرين لمعظم المشاريع. الآن، يمكن اتخاذ قرارات الذهاب / لا تذهب في متوسط سبعة أشهر بدلاً من ثلاث إلى أربع سنوات.

ما هي بعض قصص نجاح Standigm لتحويل الأدوية المحتملة إلى أدوية تجارية؟

باستخدام Standigm Insight، الذي يشارك نفس الخلفية الفنية مثل Standigm ASK، وجدنا جزيء دواء يمكن استخدامه لمرض نادر للأطفال، تم التحقق منه من قبل عالم من أفضل مستشفيات الأطفال في الولايات المتحدة. هذا الحالة تظهر أن تكنولوجيا الذكاء الاصطناعي يمكن أن تساعد في اكتشاف أدوية الأمراض النادرة، وهو مهمة صعبة للشركات من أي حجم بسبب الحاجة إلى قيمة تجارية أكبر. خاصة في هذه الاكتئاب، 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؟

يعتمد 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، البيانات الكيميائية والبيولوجية باهظة الثمن وتتطلب وقتًا طويلاً لتحقيق حالة جودة عالية. لذلك، سيكون المختبر الآلي مستقبلًا لمجال اكتشاف الأدوية بالذكاء الاصطناعي، حيث يمكنه تقليل تكلفة البيانات عالية الجودة – الوقود لتكنولوجيا الذكاء الاصطناعي. نحن ندفع منصاتنا التكنولوجية إلى المستوى التالي حتى تتمكن Standigm ASK من تقديم أدلة أكثر وضوحًا، من بيانات المرضى إلى البيولوجيا الجزيئية؛ ويمكن أن تكون نماذج Standigm BEST للذكاء الاصطناعي على أحدث ما توصلت إليه التكنولوجيا من خلال تغذيتها ببيانات عالية الجودة من مختبراتنا الآلية الداخلية والشركاء.

هل هناك أي شيء آخر تود مشاركته حول Standigm؟

كما أن توازن الخبراء المتميزين مهم لشركة Standigm، 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 Standigm إلى شركة أكثر عالمية.

شكرًا على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا Standigm.