الشراكات
شركة بيرسيستنت سيستمز وشركة إنفيديا تتعاونان لتسريع اكتشاف الأدوية باستخدام الذكاء الاصطناعي
الأنظمة الثابتة أعلن عن تعاون جديد مع NVIDIA يهدف هذا التعاون إلى تطوير أساليب اكتشاف الأدوية واختبارها وطرحها في السوق. ويركز على الجمع بين خبرة شركة بيرسيستنت الهندسية وبنية الذكاء الاصطناعي لشركة إنفيديا لدفع اكتشاف الأدوية الحاسوبي من مرحلة التجارب إلى بيئات الإنتاج.
تستهدف هذه المبادرة في جوهرها معضلة مزمنة في مجال الرعاية الصحية: اكتشاف الأدوية في مراحلها المبكرة. تتسم هذه المرحلة تقليدياً بالبطء والتكلفة العالية، وتعتمد بشكل كبير على العمل المخبري التقليدي. ومن خلال تحويل جزء أكبر من هذه العملية إلى محاكاة عالية الدقة مدعومة بالذكاء الاصطناعي، تسعى الشركتان إلى تقليص المدة الزمنية مع تحسين احتمالية النجاح في المراحل اللاحقة.
من المختبرات الرطبة إلى الاكتشاف القائم على المحاكاة
يُعدّ برنامج "بيرسيستنت" الذي تم تطويره حديثًا عنصرًا أساسيًا في هذا التعاون. الجزيئات التوليدية والفحص الافتراضي (GenMolIVS) حل. مبني على تقنية NVIDIA بيونيمو تستخدم المنصة، النظام، نماذج الذكاء الاصطناعي التوليدية المدربة على البيانات الكيميائية والبيولوجية لتصميم وتقييم المرشحين المحتملين للأدوية رقميًا.
بدلاً من تصنيع المركبات واختبارها في المختبر منذ البداية، يمكن للباحثين محاكاة السلوك الجزيئي، مثل قوة الارتباط والاستقرار والتفاعلات الكيميائية، قبل تخصيص الموارد للتجارب الفيزيائية. يتيح هذا النهج للفرق البحثية استكشاف نطاق تصميم أوسع بكثير، مع استبعاد المرشحين ذوي الاحتمالية المنخفضة في وقت مبكر من العملية.
والنتيجة هي التحول من التجريب القائم على التجربة والخطأ إلى اتخاذ القرارات القائمة على المحاكاة، حيث يعمل الذكاء الاصطناعي كطبقة أولى للتحقق.
الذكاء الاصطناعي الآلي يدخل عملية اكتشاف الأدوية
من أبرز جوانب هذه الشراكة إدخال أنظمة الذكاء الاصطناعي الوكيلة في مسار الاكتشاف. باستخدام تقنية NVIDIA نيمو تقوم شركة Persistent، من خلال إطار العمل ومجموعة أدوات الوكلاء، بتطوير وكلاء الذكاء الاصطناعي القادرين على إدارة وتنسيق المراحل المختلفة للبحث.
تقوم هذه الأنظمة بتحليل مخرجات المحاكاة باستمرار، وتحديد أولويات المرشحين الجزيئيين الواعدين، واقتراح الخطوات التالية للتحقق التجريبي. وبدلاً من العمل كأدوات منفصلة، تعمل هذه الأنظمة كطبقات قرار مترابطة تسمح بإثراء المرحلة التالية بالمعلومات المستقاة من كل مرحلة. وهذا يخلق سير عمل بحثي أكثر ديناميكية واستجابة، وهو أمر بالغ الأهمية في البيئات التي تتطلب تقييم متغيرات متعددة في آن واحد.
شركة NVIDIA: البنية التحتية والذكاء الاصطناعي الخاص بالمجال
لا تقتصر مساهمة NVIDIA على قوة الحوسبة الخام فحسب، بل توفر الشركة منصة ذكاء اصطناعي متكاملة مصممة خصيصًا لتطبيقات علوم الحياة، بما في ذلك BioNeMo لتدريب النماذج الخاصة بمجالات محددة. نيموترون نماذج للاستدلال المتقدم، وخدمات NIM المصغرة للنشر القابل للتوسع.
تُمكّن هذه البنية التحتية من إجراء محاكاة واستنتاج فوريين على نطاق واسع مع الحفاظ على مستوى الموثوقية المطلوب في بيئات الرعاية الصحية الخاضعة للتنظيم. كما تسمح بدمج مخرجات الذكاء الاصطناعي مباشرةً في أنظمة المؤسسات، مما يجعلها قابلة للتنفيذ بدلاً من كونها تجريبية بحتة.
سد الفجوة بين تجارب الذكاء الاصطناعي والإنتاج
A تحدي متكرر في تبني الذكاء الاصطناعي في المؤسسات تكمن المشكلة في الفجوة بين المشاريع التجريبية والتطبيق العملي. فالعديد من المؤسسات تُجري تجارب ناجحة على نماذج الذكاء الاصطناعي، لكنها تواجه صعوبة في دمجها في سير العمل الأساسي.
يركز هذا التعاون بشكل واضح على سد هذه الفجوة من خلال تصميم أنظمة جاهزة للاستخدام الإنتاجي منذ البداية. والهدف هو دمج الذكاء الاصطناعي في مسارات البحث، لضمان إمكانية تأثير عمليات المحاكاة والرؤى بشكل فوري على العمل المخبري في العالم الحقيقي.
ما الذي يشير إليه هذا بالنسبة لمستقبل تطوير الأدوية؟
يتمثل الأثر الأوسع لهذه الشراكة في التحول نحو نماذج اكتشاف هجينة، حيث تعمل المحاكاة الرقمية والتجارب الفيزيائية معًا بدلًا من العمل في مراحل منفصلة. ويمكن أن تصبح الأبحاث في مراحلها المبكرة أسرع بكثير، إذ تحل المحاكاة محل جزء كبير من العمل المخبري الأولي، مما يسمح للفرق باختبار الأفكار وتطويرها بوتيرة أسرع بكثير.
إن تقليل عدد التجارب الفاشلة من شأنه أن يخفض التكاليف ويحسن كفاءة عملية التطوير بأكملها. وفي الوقت نفسه، تتيح القدرة على التكرار السريع للتصاميم الجزيئية المجال أمام علاجات أكثر دقة وتخصيصًا.
والأهم من ذلك، أن هذا يعكس تحولاً أعمق في كيفية إجراء البحث العلمي. لم يعد الذكاء الاصطناعي مجرد أداة مساعدة، بل بدأ يُشكّل بنية الاكتشاف نفسها. ومع تحسن دقة المحاكاة وازدياد قدرات الأنظمة الذكية، يتلاشى الخط الفاصل بين النمذجة الحاسوبية والتجارب الواقعية، مما يُشير إلى مستقبل تُجرى فيه معظم العمليات العلمية الأولية في بيئة افتراضية قبل وصولها إلى المختبر.
