شفقنا آینده- این مقاله بررسی میکند که چگونه هوش مصنوعی (AI) و رباتیک، کشف دارو را متحول میکنند، هزینهها را کاهش میدهند، جدول زمانی را تسریع میکنند و از طریق اتوماسیون و مدلسازی پیشبینی، پیشرفتهای سریع را ممکن میسازند.
مقدمهای بر هوش مصنوعی در کشف دارو
به گزارش شفقنا از مدیکال نیوز، به طور سنتی، توسعه یک داروی جدید سالها طول میکشد و نیاز به سرمایهگذاری مالی هنگفتی دارد که اغلب شامل ریسک قابل توجه و احتمال بالای شکست است. مدلهای هوش مصنوعی که بر روی مجموعه دادههای گسترده، مدلهای ریاضی پیچیده و الگوریتمهای محاسباتی پیشرفته آموزش دیدهاند، در تلاشی برای رسیدگی مستقیم به این ناکارآمدیها توسعه یافتهاند.
شرکتهای داروسازی در سراسر جهان به طور فزایندهای از هوش مصنوعی برای پیشبینی نتایج آزمایشهای بالینی، شناسایی اهداف درمانی و بهینهسازی طرحهای مولکولی استفاده میکنند. فناوریهایی مانند AlphaFold از DeepMind که ساختارهای پروتئینی سهبعدی (3D) را به طور دقیق پیشبینی میکند، و پلتفرمهای هوش مصنوعی مولد که مولکولهای دارویی را طراحی میکنند، نمونهای از نقش متحولکننده هوش مصنوعی در کشف دارو هستند.
اگرچه سازمان غذا و داروی ایالات متحده (FDA) هنوز داروی تولید شده توسط هوش مصنوعی را برای استفاده انسانی تأیید نکرده است، اما چندین ترکیب توسعه یافته از طریق هوش مصنوعی، مانند درمان سندرم X شکننده و فیبروز ریوی ایدیوپاتیک، در حال حاضر در آزمایشات بالینی در حال بررسی هستند.
مشکل کشف دارو
کشف دارو همچنان یک فرآیند چالش برانگیز، پرهزینه و زمان بر است. در واقع، برآوردهای فعلی نشان میدهد که تأیید یک داروی جدید معمولاً حدود 2.8 میلیارد دلار آمریکا هزینه دارد و تقریباً 12 تا 15 سال طول میکشد.
کشف و توسعه دارو. مراحل اصلی به روشی بسیار ساده نمایش داده شدهاند. این فرآیند بسته به مکانیسمهای مولکولی مورد انتظار برای ارتباط با بیماری و نوع عوامل درمانی که باید توسعه داده شوند، متفاوت است. هزینه تقریبی حدود 2.8 میلیارد دلار آمریکا و زمان لازم برای تکمیل کل فرآیند حدود 12 تا 15 سال است.
کشف و توسعه دارو. مراحل اصلی به روشی بسیار ساده نمایش داده شدهاند. این فرآیند بسته به مکانیسمهای مولکولی مورد انتظار برای ارتباط با بیماری و نوع عوامل درمانی که باید توسعه داده شوند، متفاوت است. هزینه تقریبی حدود ۲.۸ میلیارد دلار آمریکا و زمان لازم برای تکمیل کل فرآیند حدود ۱۲ تا ۱۵ سال است.
فرآیند کشف دارو شامل چندین مرحله است که با تحقیقات پایه برای شناسایی اهداف درمانی مرتبط با بیماریهای خاص آغاز میشود. سپس دانشمندان تعداد زیادی از ترکیبات بالقوه را از طریق روشهای محاسباتی، سنجشهای آزمایشگاهی و مدلهای حیوانی غربالگری میکنند. با وجود آزمایشهای دقیق پیشبالینی، میزان شکست بالا همچنان ادامه دارد، به ویژه در طول آزمایشهای بالینی انسانی، که در آن بسیاری از نامزدهای دارویی به دلیل سمیت یا ناکارآمدی پیشبینی نشده شکست میخورند.
همهگیری بیماری کرونا ۲۰۱۹ (کووید-۱۹) نیاز مبرم به توسعه سریع دارو را برجسته کرد، که برای تسریع اعتبارسنجی هدف و غربالگری ترکیبات به فناوریهای انقلابی مانند هوش مصنوعی نیاز داشت. با این وجود، پیشرفتها در این حوزه به دلیل کمبود دادههای کامل، همراه با پیچیدگی بیولوژیکی و الزامات سختگیرانه نظارتی، محدود بوده است که همگی بر نیاز فوری به راهحلهای کارآمدتر و نوآورانهتر برای افزایش سرعت، مقرونبهصرفه بودن و میزان موفقیت فرآیندهای کشف دارو تأکید دارند.
رباتیک در آزمایشگاه
رباتیک با استفاده از پلتفرمهای خودکار برای کارهایی مانند جابجایی مایعات و غربالگری با توان بالا (HTS)، شیوههای آزمایشگاهی، بهویژه در کشف دارو، را متحول کرده است. سیستمهای رباتیک پیشرفته، غربالگری دقیق و سریع کتابخانههای وسیع ترکیبات را امکانپذیر میکنند و به طور قابل توجهی کارایی، ثبات و مقیاسپذیری را افزایش میدهند.
در مرکز ژنومیک شیمیایی موسسه ملی بهداشت ایالات متحده (NIH)، اتوماسیون رباتیک، HTS کمی (qHTS) را تسهیل میکند، جایی که غلظتهای متعدد ترکیبات به طور همزمان برای تولید دادههای جامع غلظت-پاسخ آزمایش میشوند. این سیستم رباتیک شامل توزیعکنندههای دقیق مایع، بازوهای رباتیک چند منظوره و نرمافزار پیشرفتهای است که قادر به مدیریت گردشهای کاری پیچیده سنجش است و در نتیجه مداخله دستی، مصرف معرف و خطای انسانی را کاهش میدهد.
چندین شرکت و موسسه نمونهای از این روند اتوماسیون هستند. برای مثال، شرکت Insilico Medicine، رباتیک را با هوش مصنوعی ترکیب میکند تا شناسایی ترکیبات و توسعه دارو را تسریع بخشد، در حالی که Evotec از پلتفرمهای رباتیک برای تحقیقات بیوشیمی کارآمد در مقیاس بزرگ استفاده میکند.
منبع: مدیکال نیوز
source