در حال حاضر، استفاده از هوش مصنوعی برای مشارکت در کشف و طراحی داروهای جدید به مسیری داغ برای تحقیق و توسعه داروهای جدید تبدیل شده است. یک بار، موسسه فناوری ماساچوست از فناوری هوش مصنوعی برای کشف موفقیت آمیز آنتی بیوتیک جدید - هالیسین (Halicin) استفاده کرد. این آنتی بیوتیک قوی ترین اثر ضد میکروبی در تاریخ را از خود نشان داد و از طریق یادگیری و تجزیه و تحلیل مستقل مدل هوش مصنوعی، مولکول هایی با مهار عالی رشد باکتری را با موفقیت غربال کرد. از طریق یادگیری عمیق 2،000 مولکول روح شناخته شده، مدل هوش مصنوعی نه تنها ویژگی های آنتی بیوتیک جدیدی را کشف کرد، بلکه به طور دقیق یک آنتی بیوتیک بسیار مؤثر را در یک کتابخانه محصول بسیار بزرگ غربال کرد.
▲در مقایسه با سایر داروهای ضد میکروبی، داروهای جدید کشف شده توسط هوش مصنوعی چه ویژگی هایی دارند؟
آنتی بیوتیک هالیسین دارای اثر ضد باکتری قوی بر روی باکتری هایی است که در بازار مقاومت ایجاد کرده اند و مقاومت جدیدی ایجاد نمی کند. در مقایسه با روشهای تأیید سنتی، سرعت غربالگری با استفاده از مدلهای هوش مصنوعی بسیار سریع است که هزینه را تا حد زیادی کاهش میدهد. جالب اینجاست که هالیسین ویژگی هایی را به نمایش گذاشت که قبلاً توسط دانشمندان بشری درک نشده بود، کشفی که نور جدیدی را در زمینه تحقیقات آنتی بیوتیکی می افکند. با این حال ماهیت این ویژگی هنوز مشخص نیست و حتی در آموزش مدل های هوش مصنوعی نیز نمی توان پاسخ روشنی پیدا کرد. نتایج این تحقیق نشان می دهد که کاربرد هوش مصنوعی در زمینه کشف دارو از محدودیت های روش های سنتی انسانی فراتر رفته است.
هوش مصنوعی منجر به فرآیند کشف دارو کارآمدتر، مقرون به صرفه تر و خلاقانه تر در کشف دارو شده است. این تعالی در درجه اول در سرعت توسعه، مقرون به صرفه بودن و درک جدیدی از خواص دارو منعکس می شود. برای مثال، مدلهای هوش مصنوعی میتوانند کاندیدهای دارویی بالقوه را سریعتر و کارآمدتر بررسی کنند و به طور قابلتوجهی بازه زمانی کشف دارو را در مقایسه با روشهای اعتبارسنجی تجربی سنتی کوتاهتر کنند. استفاده از مدل های هوش مصنوعی برای غربالگری دارو به طور قابل توجهی هزینه تحقیق و توسعه را کاهش می دهد و نسبت به روش های سنتی مقرون به صرفه تر است. مدلهای هوش مصنوعی توانایی آشکارسازی ویژگیهای دارویی که قبلاً درک نشده بودند را نشان دادهاند که تشخیص آنها در روشهای تحقیقاتی سنتی ممکن است دشوار باشد، بنابراین جهتهای نوآورانهتری برای توسعه داروهای جدید ارائه میدهند.
▲چرا نام آن هالیسین است، نامی عجیب؟
نام اصلی هالیسین در واقع فقط یک کد دارد به نام SU-3327 که در واقع فقط یک داروی آزمایشی یا نمونه اولیه دارو است. در ابتدا برای درمان دیابت مورد مطالعه قرار گرفت، اما به دلیل نتایج ضعیف آزمایش، توسعه کاربرد این ترکیب مدتهاست که متوقف شده است و تنها به عنوان یک داروی تجربی استفاده می شود. بعدها، مدل های هوش مصنوعی (AI) دریافتند که هالیسین دارای خواص آنتی بیوتیکی در برابر انواع باکتری ها است. و از این رو رسماً نامگذاری شد. نام آن، "Halicin"، اشاره ای به هال، یک سیستم هوش مصنوعی خیالی در سال 2001: یک ادیسه فضایی است.
«2001: یک ادیسه فضایی» یک فیلم علمی تخیلی کلاسیک است و نقشی محوری در تاریخ فیلمهای علمی تخیلی دارد و به عنوان یکی از نقاط عطف فیلمهای علمی تخیلی محسوب میشود. این فیلم که بهخاطر جلوههای بصری، موسیقی و داستانسرایی نوآورانهاش شناخته میشود، سنگر را برای فیلمهای علمی تخیلی آینده قرار میدهد. این جهان پر از رمز و راز و شگفتی را ارائه می دهد و به مخاطب اجازه می دهد تا عمیقاً در مورد آینده بشریت و توسعه علم و فناوری فکر کند. این به بخشی از فرهنگ علمی تخیلی جهانی تبدیل شده است و تأثیر عمیقی بر فیلم ها و برنامه های تلویزیونی علمی تخیلی آینده داشته است.
▲اثر و چشم انداز خاص آن چیست؟
زمانی که هالیسین برای اولین بار کشف شد، محققان از روش های یادگیری عمیق کامپیوتری برای تعیین اینکه هالیسین ممکن است یک آنتی بیوتیک با طیف وسیع باشد استفاده کردند. این احتمال با آزمایش کشت سلولی آزمایشگاهی و آزمایشهای in vivo در موشها تأیید شد که نشاندهنده فعالیت در برابر تعدادی از سویههای مقاوم به دارو از جمله کلستریدیوم دیفیسیل، اسینتوباکتر بومانی و مایکوباکتریوم توبرکلوزیس است. مکانیسم اثر آن شامل جداسازی آهن در سلولهای باکتریایی میشود و در نتیجه توانایی آن در تنظیم تعادل pH در غشای سلولی را مختل میکند. تحقیقات اولیه نشان می دهد که هالیسین ممکن است باکتری ها را با ایجاد اختلال در توانایی آنها در حفظ گرادیان الکتروشیمیایی روی غشای سلولی از بین ببرد. این مکانیسم اثر با اکثر آنتی بیوتیک ها متفاوت است و ممکن است ایجاد مقاومت برای باکتری ها را دشوار کند. به طور کلی، هالیسین پتانسیل خود را به عنوان یک آنتی بیوتیک نشان داده است، به ویژه برای برخی از باکتری ها که مقاومت در برابر داروهای معمولی ایجاد کرده اند.
با این حال، این داروی جدید اولین بار در سال 2019 گزارش شد، اما هنوز خبری از داروی جدید یا به روز رسانی نیست، که ممکن است در تحقیق و توسعه دارویی جدید بعدی با مشکلاتی مواجه شده باشد. دو دلیل برای سوء ظن اولیه وجود دارد: اول، نتایج کارآزمایی بالینی رضایت بخش در تولید داروهای جدید ممکن است به دلیل عدم موفقیت آزمایشات اولیه در نشان دادن کامل اثربخشی یا ایمنی دارو باشد. در این مورد، تیم تحقیق و توسعه ممکن است نیاز به ارزیابی مجدد مناسب بودن دارو و اتخاذ اقداماتی برای اصلاح یا بهینه سازی آن داشته باشد. از سوی دیگر، مسائل ایمنی و مسمومیت نیز یک ملاحظات مهم است و داروهای جدید قبل از راه اندازی باید ارزیابی های دقیق سمیت و ایمنی را پشت سر بگذارند. اگر مسائل ایمنی نامطلوب یا سمیت در طول فرآیند توسعه شناسایی شود، ممکن است برای اطمینان از ایمنی دارو برای بیماران، مطالعات و اصلاحات بیشتری مورد نیاز باشد.
▲ خلاصه
به طور خلاصه، ماشینها پتانسیل زیادی در کشف دارو دارند، بهویژه زمانی که با اطلاعات پیچیده سروکار دارند. از طریق یادگیری عمیق، ماشینها میتوانند به سرعت الگوها را بیابند و کشف داروی جدید را تسریع کنند. دوم، همکاری کلیدی است. یک تیم فوقالعاده متشکل از متخصصان کامپیوتر، بیولوژیکی و دارویی، کلید موفقیت آمیز استفاده از هوش مصنوعی برای توسعه داروهای جدید است. این همکاری بر چالش های سنتی تحقیق و توسعه غلبه می کند و کارایی را بهبود می بخشد. موفقیت دستگاه همچنین به ما می گوید که داده ها بسیار مهم هستند. کلان داده و یادگیری عمیق به ما امکان می دهد درک دقیق تری از اثرات دارو داشته باشیم و داروها را به شیوه ای هدفمندتر طراحی کنیم. به طور کلی، هوش مصنوعی توسعه داروهای جدید را کارآمدتر می کند و امکانات جدیدی را برای حوزه پزشکی به ارمغان می آورد. با اضافه شدن هوش مصنوعی قدرتمندتر، آینده کشف داروهای رباتیک در شرف تحقق است.