چگونه هوش مصنوعی مولد و شبکه های عصبی گرافی مسیر طراحی داروی ضد فیبروز را متحول کردند؟

کشف و توسعه دارو به روش سنتی فرآیندی زمان بر و پرهزینه است که با نرخ شکست بالایی در مراحل مختلف مواجه می شود. ظهور هوش مصنوعی و یادگیری ماشین، چشم انداز جدیدی در این حوزه ایجاد کرده است. این مقاله به بررسی مسیر توسعه یکی از اولین داروهایی می پردازد که تمام فرآیند آن از شناسایی هدف تا طراحی مولکول، با استفاده از هوش مصنوعی انجام شده است. داروی رنتوسرتیب (INS۰۱۸_۰۵۵) توسط شرکت اینسیلیکو مدیسین برای درمان فیبروز ریوی ایدیوپاتیک (IPF) طراحی شده است. پلتفرم PandaOmics مبتنی بر مدل زبان بزرگ ChatPandaGPT، با تحلیل داده های مولتی اومیکس، پروتئین TNIK را به عنوان هدف درمانی شناسایی کرد. سپس پلتفرم مولد Chemistry۴۲ با استفاده از شبکه های عصبی گرافی (GNN)، مولکول INS۰۱۸_۰۵۵ را طراحی نمود که با مهار اختصاصی فعالیت کیناز TNIK، اثرات ضدفیبروتیک و ضدالتهابی نشان می دهد. پلتفرم InClinico نیز نتایج کارآزمایی بالینی را با دقت خوبی پیش بینی کرد. کل فرآیند کشف هدف تا معرفی دارو تنها در ۱۸ ماه انجام شد؛ این دارو فاز ۱ کارآزمایی بالینی را با موفقیت پشت سر گذاشته و هم اکنون در فاز ۲ است. باوجود چالش هایی نظیر کمبود داده های باکیفیت، نگرانی های حریم خصوصی، و پیچیدگی مسیرهای بیولوژیک، هوش مصنوعی پتانسیل قابل توجهی در کاهش هزینه و زمان توسعه دارو دارد. چشم انداز آینده شامل ادغام هوش مصنوعی با رباتیک (آزمایشگاه های خودران)، شیمی کوانتومی، و طراحی داروهای شخصی سازی در چشم انداز آینده این مسیر دیده می شود.

کلیدواژه ها:

کشف دارو با هوش مصنوعی ، فیبروز ریوی ایدیوپاتیک ، PandaOmics ، Chemistry۴۲ ، شبکه های عصبی گرافی