يمكن للذكاء الاصطناعي تسريع اكتشاف الأدوية الجديدة.. اعرف التفاصيل

تم تطوير الذكاء الاصطناعي الذي يمكن أن يقلل التكلفة ويسرع اكتشاف الأدوية الجديدة كجزء من التعاون بين الباحثين في جامعة شيفيلد وأسترازينيكا، ونشرت في موقع “medicalxpress”. 

 

فالتكنولوجيا الجديدة ، التي طورها البروفيسور هايبينغ لو في دراسة جديدة نُشرت في Nature Machine Intelligence .، توضح  أن الذكاء الاصطناعي ، المسمى DrugBAN ، يمكنه التنبؤ بما إذا كان الدواء المرشح سيتفاعل مع جزيئات البروتين المستهدفة المقصودة داخل جسم الإنسان .

 

فالذكاء الاصطناعي الذي يمكنه التنبؤ بما إذا كانت الأدوية ستصل إلى أهدافها المقصودة موجود بالفعل ، لكن التكنولوجيا التي طورها الباحثون في شيفيلد وأسترا زينيكا يمكن أن تفعل ذلك بدقة أكبر وتوفر أيضًا رؤى مفيدة لمساعدة العلماء على فهم كيفية تفاعل الأدوية مع شركاء البروتين في جزيء.

 

والذكاء الاصطناعي لديه القدرة على معرفة ما إذا كان الدواء سينجح في استخدام بروتين مرتبط بالسرطان ، أو ما إذا كان الدواء المرشح سيرتبط بأهداف غير مقصودة في الجسم ويؤدي إلى آثار جانبية غير مرغوب فيها للمرضى.

ويتم تدريب الذكاء الاصطناعي على تعلم البنى التحتية للبروتينات في جسم الإنسان وكذلك المركبات الدوائية، و تتعلم التكنولوجيا بعد ذلك كيف يمكن لهذه البنى التحتية أن تتفاعل مع بعضها البعض ، والتي تعتمد عليها في عمل تنبؤات حول كيفية تصرف الأدوية الجديدة على الأرجح.

 

قال هايبينج لو ، أستاذ التعلم الآلي في جامعة شيفيلد ، “لقد صممنا الذكاء الاصطناعي بهدفين رئيسيين. أولًا ، نريد من الذكاء الاصطناعي أن يلتقط كيفية تفاعل الأدوية مع أهدافها على نطاق أدق ، لأن هذا يمكن أن يوفر بيولوجيًا مفيدًا. رؤى لمساعدة الباحثين على فهم هذه التفاعلات على المستوى الجزيئي.

 ثانيًا ، نريد أن تكون الأداة قادرة على التنبؤ بما ستكون عليه هذه التفاعلات مع الأدوية أو الأهداف الجديدة للمساعدة في تسريع عملية التنبؤ الشاملة. توضح الدراسة التي نشرناها اليوم أن نموذج الذكاء الاصطناعي يفعل كلا الأمرين “.

ومفتاح تصميم الذكاء الاصطناعي هو كيف يتعلم النموذج تفاعلات البنية التحتية الزوجية – التفاعلات المتعددة التي يمكن أن تحدث بين البنى التحتية لمركبات الدواء والبروتينات في الجسم. في حين أن معظم الذكاء الاصطناعي الموجود في السوق للتنبؤ بالعقاقير يتعلم من التمثيلات الكاملة للعقاقير والبروتينات ، والتي لا تلتقط البنى التحتية الخاصة بها وبالتالي توفر رؤى أقل فائدة. 

وفي المرحلة التالية من تطوير الذكاء الاصطناعي ، يخطط الفريق لاستخدام المزيد من البيانات المتعمقة حول بنية المركبات والبروتينات لجعل الذكاء الاصطناعي أكثر دقة.

 

قال الدكتور بينو جون ، مدير علوم البيانات وعلم العقاقير الإكلينيكي وعلوم السلامة (CPSS) في AstraZeneca ، “إن أحد الابتكارات الرئيسية لـ DrugBAN هو اعتماده على شبكة انتباه ثنائية الخطية تسمح له بتعلم التفاعلات من البنى التحتية لكل من الأدوية والعقاقير. أهدافهم في وقت واحد. لقد جعلنا أيضًا شفرة المصدر متاحة مجانًا للجمهور ، والتي نأمل أن تدعم المزيد من أساليب الذكاء الاصطناعي التي ستستمر في تسريع اكتشاف الأدوية “.

ويمكن أن يكون اكتشاف الأدوية وتطويرها باستخدام الأساليب التقليدية أمرًا صعبًا للغاية ، مع فترات تطوير طويلة ومبالغ ضخمة من المال في الإنفاق، ومع ذلك ، فإن عمليات اكتشاف الأدوية لديها القدرة على التعجيل بشكل كبير ؛ مع التقدم في الذكاء الاصطناعي والتكنولوجيا الرقمية ، يجد الباحثون طرقًا جديدة لتحديد البروتينات التي قد يتفاعل معها الدواء في أجسامنا.

 

وقال نيك براون ، رئيس قسم التصوير وتحليلات البيانات ، CPSS ، AstraZeneca ، “أنا متحمس حقًا لرؤية هذه الورقة ، لا سيما لأنه على عكس الأساليب الأخرى ، يتعلم DrugBAN في الوقت نفسه من الأدوية المرشحة وأهدافها باستخدام شبكة انتباه ثنائية الخط ، وهو مصمم بشكل صريح لتعميم المشكلة “.

 

وأضاف البروفيسور جاي براون ، رئيس قسم علوم الكمبيوتر بجامعة شيفيلد: “إن الدافع القوي لأبحاثنا في شيفيلد هو الرغبة في إحداث تغيير إيجابي في حياة الناس ، ونرى التفاعل مع قادة الصناعة مثل AstraZeneca أمرًا بالغ الأهمية لتحقيق تلك المهمة.

 

“هذا بحث مثير نأمل أن يسمح بإحداث تقدم كبير في تصميم العلاجات. كما أن هذا النهج مميز أيضًا لتركيزه على القابلية للتفسير ، مما يمكّن الخبراء البشريين من الاستفادة من الأفكار المتولدة من نظام الذكاء الاصطناعي.”