تم تطوير الذكاء الاصطناعي الذي يمكن أن يخفض التكاليف ويسرع اكتشاف عقاقير جديدة كجزء من التعاون بين الباحثين في جامعة شيفيلد وأسترازينيكا ونشر في Medicalxpress.
هذه التكنولوجيا الجديدة ، التي طورها البروفيسور هايبينغ لو في دراسة جديدة نُشرت في مجلة Nature Machine Intelligence ، تُظهر أن الذكاء الاصطناعي المسمى DrugBAN يمكنه التنبؤ بما إذا كان مرشح الدواء سيتفاعل مع جزيئات البروتين المستهدفة داخل جسم الإنسان.
الذكاء الاصطناعي الذي يمكنه التنبؤ بما إذا كانت الأدوية ستحقق أهدافها المقصودة موجود بالفعل ، لكن التكنولوجيا التي طورها باحثو شيفيلد وأسترازينيكا يمكن أن تفعل ذلك بدقة أكبر ورؤى مفيدة لمساعدة العلماء على فهم كيفية تفاعل الأدوية. قدم مع شركاء البروتين في الجزيء.
والذكاء الاصطناعي لديه القدرة على معرفة ما إذا كان الدواء يعمل مع بروتين مرتبط بالسرطان أو ما إذا كان الدواء المرشح يرتبط بأهداف غير مرغوب فيها في الجسم ويؤدي إلى آثار جانبية غير مرغوب فيها للمرضى.
يتم تدريب الذكاء الاصطناعي على تعلم تراكيب البروتينات في جسم الإنسان وكذلك المركبات الصيدلانية. تتعلم التكنولوجيا بعد ذلك كيف يمكن لهذه البنى التحتية أن تتفاعل مع بعضها البعض ، بناءً على توقعها لكيفية عمل الأدوية الجديدة على الأرجح. .
قال هايبينغ لو ، أستاذ التعلم الآلي في جامعة شيفيلد: “لقد صممنا الذكاء الاصطناعي بهدفين رئيسيين. أولًا ، نريد أن يُظهر الذكاء الاصطناعي كيفية تفاعل الأدوية مع أهدافها على نطاق أدق ، مثل هذا يمكن أن توفر رؤى توفر معلومات بيولوجية مفيدة 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. أظهرت دراسة نشرناها اليوم أن نموذج الذكاء الاصطناعي يقوم بالأمرين معًا.
مفتاح تصميم الذكاء الاصطناعي هو كيف يتعلم النموذج تفاعلات البنية التحتية الزوجية – التفاعلات العديدة التي يمكن أن تحدث بين البنية التحتية الدقيقة لمركبات الأدوية والبروتينات في الجسم. في حين أن معظم الذكاء الاصطناعي الموجود في السوق للتنبؤ بالعقاقير يتعلم من التمثيل الكامل للعقاقير والبروتينات ، إلا أنه لا يشمل بنيتها التحتية وبالتالي يوفر رؤى أقل فائدة.
وفي المرحلة التالية من تطوير الذكاء الاصطناعي ، يخطط الفريق لاستخدام بيانات أعمق حول بنية المركبات والبروتينات لجعل الذكاء الاصطناعي أكثر دقة.
قال الدكتور بينو جون ، مدير علوم البيانات وعلم العقاقير الإكلينيكي وعلم المناعة (CPSS) في AstraZeneca: “أحد الابتكارات الرئيسية لـ DrugBAN هو اعتماده على شبكة اهتمام ثنائية الخطية تسمح له بمعرفة تفاعلات كلا العقارين. .. البنية التحتية وأهدافها في وقت واحد. “لقد جعلنا أيضًا الكود المصدري متاحًا مجانًا للجمهور ، والذي نأمل أن يدعم المزيد من أساليب الذكاء الاصطناعي التي ستستمر في تسريع اكتشاف الأدوية.”
يمكن أن يكون اكتشاف الأدوية وتطويرها باستخدام الأساليب التقليدية أمرًا صعبًا للغاية ، مع فترات تطوير طويلة وتكاليف باهظة. مع التقدم في الذكاء الاصطناعي والتكنولوجيا الرقمية ، يجد الباحثون طرقًا جديدة لتحديد البروتينات التي قد يتفاعل معها الدواء في أجسامنا.
قال نيك براون ، رئيس قسم التصوير وتحليل البيانات ، CPSS ، AstraZeneca: “أنا متحمس حقًا لرؤية هذه الورقة ، لا سيما لأنه ، على عكس الأساليب الأخرى ، يحدد DrugBAN في وقت واحد الأدوية المرشحة وأهدافها. إنه يتعلم باستخدام ثنائي الخطي شبكة الانتباه ، ومصممة صراحة لتعميم “المشكلة”.
وأضاف البروفيسور جاي براون ، رئيس قسم علوم الكمبيوتر في جامعة شيفيلد: “إن أبحاثنا في شيفيلد مدفوعة بقوة بالرغبة في إحداث تغيير إيجابي في حياة الناس ، ونرى المشاركة مع قادة الصناعة مثل AstraZeneca أمرًا ضروريًا لتحقيق ذلك. . تلك المهمة
هذا بحث مثير نأمل أن يساهم في تحقيق تقدم كبير في تصميم العلاجات. يبرز هذا النهج أيضًا في تركيزه على القابلية للتفسير ، مما يمكّن الخبراء البشريين من الاستفادة من الرؤى الناتجة عن نظام الذكاء الاصطناعي. “
