تم تطوير الذكاء الاصطناعي الذي يمكن أن يقلل التكاليف ويسرع اكتشاف الأدوية الجديدة كجزء من التعاون بين الباحثين في جامعة شيفيلد وأسترازينيكا وتم نشره في Medicalxpress.
تُظهر التكنولوجيا الجديدة ، التي طورها البروفيسور هايبينغ لو في دراسة جديدة نُشرت في مجلة Nature Machine Intelligence ، 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 باحثون في شيفيلد وأسترا زينيكا يمكن أن تفعل ذلك بدقة أكبر وتوفر أيضًا معلومات مفيدة لمساعدة العلماء على فهم كيفية تفاعل الأدوية مع شركاء البروتين في الجزيء.
والذكاء الاصطناعي لديه القدرة على معرفة ما إذا كان الدواء سيعمل مع بروتين مرتبط بالسرطان ، أو ما إذا كان الدواء المرشح سيرتبط بأهداف غير مقصودة في الجسم ويؤدي إلى آثار جانبية غير مرغوب فيها للمرضى.
يتم تدريب الذكاء الاصطناعي على تعلم البنى التحتية للبروتين في جسم الإنسان وكذلك المركبات الدوائية ، ومن ثم تتعلم التكنولوجيا كيف يمكن لهذه البنى التحتية أن تتفاعل مع بعضها البعض ، والتي تعتمد عليها لعمل تنبؤات حول كيفية عمل الأدوية الجديدة. .
قال هايبينغ لو ، أستاذ التعلم الآلي في جامعة شيفيلد: “لقد صممنا الذكاء الاصطناعي بهدفين رئيسيين. أولاً ، نريد أن يلتقط الذكاء الاصطناعي كيفية تفاعل الأدوية مع أهدافها على نطاق أكثر دقة ، حيث يمكن أن يوفر ذلك 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. توضح الدراسة التي نشرناها اليوم أن نموذج الذكاء الاصطناعي يقوم بالأمرين معًا.
مفتاح تصميم الذكاء الاصطناعي هو كيف يتعلم النموذج تفاعلات البنية التحتية الزوجية – التفاعلات المتعددة التي يمكن أن تحدث بين البنى التحتية للمركبات الدوائية والبروتينات في الجسم. في حين أن معظم الذكاء الاصطناعي الموجود في السوق للتنبؤ بالعقاقير يتعلم من التمثيل الكامل للعقاقير والبروتينات ، والتي لا تلتقط البنى التحتية الخاصة بها وبالتالي توفر معلومات 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: “أحد الابتكارات الرئيسية لـ DrugBAN هو اعتماده على شبكة انتباه ثنائية الخطية تسمح له بتعلم التفاعلات بين كلا العقارين. البنى التحتية وأهدافها في وقت واحد. لقد جعلنا أيضًا الكود المصدري متاحًا للجميع مجانًا ، ونأمل أن يدعم المزيد من أساليب الذكاء الاصطناعي التي ستستمر في تسريع اكتشاف الأدوية “.
قد يكون اكتشاف الأدوية وتطويرها باستخدام الأساليب التقليدية أمرًا صعبًا للغاية ، مع فترات تطوير طويلة ومبالغ ضخمة من المال في النفقات. 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.
قال نيك براون ، رئيس قسم التصوير وتحليل البيانات ، CPSS ، AstraZeneca: “أنا متحمس جدًا لرؤية هذا العمل ، خاصة لأنه ، على عكس الأساليب الأخرى ، يتعلم DrugBAN في وقت واحد من مرشحي الأدوية وأهدافهم باستخدام شبكة انتباه من خطين. وهو مصمم بشكل صريح 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 ونشعر أن التعامل مع قادة الصناعة مثل AstraZeneca أمر ضروري لتحقيق تلك المهمة.
“هذا بحث مثير نأمل أن يمكّن من تحقيق تقدم كبير في تصميم العلاجات. يتميز هذا النهج أيضًا بتركيزه على القابلية للتفسير ، مما يسمح للخبراء البشريين بالاستفادة من المعلومات التي يتم إنشاؤها بواسطة نظام الذكاء الاصطناعي. “