एआई का उपयोग करके फाइब्रोसिस से लड़ने वाले ड्रग मॉलिक्यूल का निर्माण

नई चिकित्सा दवाओं का निर्माण एक जटिल प्रक्रिया है जिसमें वर्षों का शोध और अरबों डॉलर का निवेश हो सकता है। लेकिन यह लोगों के स्वास्थ्य के लिए एक महत्वपूर्ण निवेश है। आर्टिफिशियल इंटेलिजेंस संभावित रूप से नए दवाओं की खोज को आसान और तेज बना सकता है, यदि हाल ही में स्टार्टअप इंसिलिको मेडिसिन का काम आगे बढ़ता है। सिंग्युलरिटीहब की रिपोर्ट के अनुसार, एआई स्टार्टअप ने हाल ही में एआई का उपयोग करके एक मॉलिक्यूल का डिज़ाइन किया है जो फाइब्रोसिस से लड़ सकता है।

नई दवाओं के लिए मॉलिक्यूल की खोज एक जटिल और समय लेने वाली प्रक्रिया है, और वैज्ञानिक और इंजीनियर इस प्रक्रिया को तेज करने के तरीकों की तलाश में रहते हैं। कंप्यूटर का उपयोग करके नए दवाओं की खोज का विचार नया नहीं है, लेकिन इस क्षेत्र में प्रगति धीमी रही है, और इंजीनियरों को दवा निर्माण के लिए सही अल्गोरिदम खोजने में कठिनाइयों का सामना करना पड़ा है।

डीप लर्निंग ने एआई-ड्रिवन दवा खोज को अधिक व्यावहारिक बना दिया है, और पिछले कुछ वर्षों में फार्मास्यूटिकल कंपनियों ने एआई स्टार्टअप में भारी निवेश किया है। एक कंपनी ने एआई का उपयोग करके एक मॉलिक्यूल का डिज़ाइन किया है जो फाइब्रोसिस से लड़ सकता है, और chỉ 46 दिनों में एक मॉलिक्यूल का डिज़ाइन किया है जो चिकित्सीय दवाओं जैसा दिखता है। इंसिलिको मेडिसिन ने इस परिणाम को प्राप्त करने के लिए दो अलग-अलग डीप लर्निंग तकनीकों का संयोजन किया है: रिन्फोर्समेंट लर्निंग और जेनरेटिव एडवर्सेरियल नेटवर्क (जीएएन)।

रिन्फोर्समेंट लर्निंग एक मशीन लर्निंग विधि है जो मशीन लर्निंग मॉडल को निश्चित निर्णय लेने के लिए प्रोत्साहित करती है, जिसमें नेटवर्क को प्रतिक्रिया प्रदान की जाती है जो कertain प्रतिक्रियाओं को उत्तेजित करती है। मॉडल को अवांछनीय विकल्पों के लिए दंडित किया जा सकता है या वांछनीय विकल्पों के लिए पुरस्कृत किया जा सकता है। दोनों नकारात्मक और सकारात्मक प्रोत्साहन का संयोजन करके, मॉडल को वांछित निर्णय लेने के लिए मार्गदर्शित किया जाता है, और यह दंड को कम करने और पुरस्कार को अधिकतम करने के लिए निर्णय लेने की ओर बढ़ता है।

दूसरी ओर, जेनरेटिव एडवर्सेरियल नेटवर्क “विरोधी” हैं क्योंकि वे दो अलग-अलग न्यूरल नेटवर्क का उपयोग करते हैं जो एक दूसरे के खिलाफ प्रतिस्पर्धा करते हैं। दोनों नेटवर्क को प्रशिक्षण के लिए वस्तुओं के उदाहरण दिए जाते हैं, अक्सर छवियों के रूप में। एक नेटवर्क का काम एक नकली वस्तु बनाना है, जो वास्तविक वस्तु के समान होती है कि यह वास्तविक वस्तु के लिए भ्रमित हो सकती है। दूसरे नेटवर्क का काम नकली वस्तुओं का पता लगाना है। दोनों नेटवर्क एक दूसरे को पार करने का प्रयास करते हैं, और जैसे ही वे दोनों अपने प्रदर्शन में सुधार करते हैं, यह आभासी हथियारों की दौड़ नकली मॉडल को वास्तविक वस्तु के समान वस्तुओं का उत्पादन करने के लिए ले जाती है।

रिन्फोर्समेंट लर्निंग और जेनरेटिव एडवर्सेरियल नेटवर्क अल्गोरिदम को संयोजित करके, शोधकर्ताओं ने अपने मॉडल्स को नए दवा मॉलिक्यूल का उत्पादन करने में सक्षम बनाया है जो पहले से मौजूद चिकित्सीय दवाओं के समान हैं।

इंसिलिको मेडिसिन के एआई दवा खोज प्रयोगों के परिणाम हाल ही में नेचर बायोटेक्नोलॉजी पत्रिका में प्रकाशित हुए हैं। इस पत्र में, शोधकर्ताओं ने बताया है कि डीप लर्निंग मॉडल्स को कैसे प्रशिक्षित किया गया था। शोधकर्ताओं ने मौजूदा दवाओं में उपयोग किए जाने वाले मॉलिक्यूल के प्रतिनिधित्व को लिया और उन्हें फाइब्रोसिस प्रोटीन के साथ जोड़ दिया। इन मॉलिक्यूल का उपयोग प्रशिक्षण के लिए किया गया था, और संयुक्त मॉडल्स ने लगभग 30,000 संभावित दवा मॉलिक्यूल का उत्पादन किया।

शोधकर्ताओं ने 30,000 उम्मीदवार मॉलिक्यूल के माध्यम से छांटा और छह सबसे आशाजनक मॉलिक्यूल का चयन प्रयोगशाला परीक्षण के लिए किया। इन छह फाइनलिस्टों को प्रयोगशाला में संश्लेषित किया गया और एक श्रृंखला में परीक्षण किया गया जो उनकी क्षमता को लक्षित करने के लिए आईपीएफ प्रोटीन का पता लगाने में सक्षम था। एक मॉलिक्यूल, विशेष रूप से, आशाजनक लगा, क्योंकि यह चिकित्सीय दवा में वांछित परिणाम देने में सक्षम था।

यह ध्यान रखना महत्वपूर्ण है कि फाइब्रोसिस दवा जिस पर प्रयोग किया गया था, पहले से ही व्यापक रूप से शोधित की जा चुकी है, और इसके लिए कई प्रभावी दवाएं पहले से ही मौजूद हैं। शोधकर्ताओं के पास इन दवाओं को संदर्भ के रूप में उपयोग करने का अवसर था, और इससे उन्हें एक महत्वपूर्ण लाभ मिला, क्योंकि उनके पास अपने मॉडल्स को प्रशिक्षित करने के लिए पर्याप्त डेटा था। यह कई अन्य बीमारियों के लिए सच नहीं है, और इसके परिणामस्वरूप इन उपचारों में एक बड़ा अंतर है।

एक और महत्वपूर्ण तथ्य यह है कि कंपनी का वर्तमान दवा विकास मॉडल केवल प्रारंभिक खोज प्रक्रिया से संबंधित है, और उनके मॉडल द्वारा उत्पन्न मॉलिक्यूल को अभी भी कई बदलावों और अनुकूलनों की आवश्यकता होगी trước कि वे संभावित रूप से नैदानिक परीक्षणों में उपयोग किए जा सकें।

वायर्ड के अनुसार, इंसिलिको मेडिसिन के सीईओ अलेक्स झार्वोर्नोकोव ने स्वीकार किया है कि उनकी एआई-ड्रिवन दवा अभी भी क्षेत्र में उपयोग के लिए तैयार नहीं है, और यह अध्ययन केवल एक प्रूफ ऑफ कॉन्सेप्ट है। इस प्रयोग का उद्देश्य यह देखना था कि एआई प्रणालियों की सहायता से एक दवा कितनी जल्दी डिज़ाइन की जा सकती है। हालांकि, झार्वोर्नोकोव ने उल्लेख किया है कि शोधकर्ताओं ने एक संभावित रूप से उपयोगी मॉलिक्यूल का डिज़ाइन बहुत तेजी से किया है जो उन्होंने नियमित दवा खोज विधियों का उपयोग करके किया होगा।

इन सावधानियों के बावजूद, इंसिलिको मेडिसिन का शोध अभी भी एआई का उपयोग करके नए दवाओं के निर्माण में एक उल्लेखनीय प्रगति का प्रतिनिधित्व करता है। इस अध्ययन में उपयोग की जाने वाली तकनीकों का सुधार संभावित रूप से नए दवा के विकास के लिए आवश्यक समय को कम कर सकता है। यह विशेष रूप से उपयोगी साबित हो सकता है जब एंटीबायोटिक-प्रतिरोधी बैक्टीरिया बढ़ रहे हैं और पहले प्रभावी दवाएं अपनी शक्ति खो रही हैं।