هوش مصنوعی سرعت طراحی دارو برای بیماری‌های مختلف را ده برابر میکند

طراحی دارو و هوش مصنوعی 2 جزء جدانشدنی

یکی از چالش‌های مهم در پروسه طراحی دارو، هزینه و زمان زیادی است که برای تحقیقات نیاز است. برای طراحی یک داروی جدید شاید به 10ها سال زمان و میلیون‌ها دلار هزینه نیاز داشته باشیم. اما هم‌اکنون با کمک هوش مصنوعی، روش‌های محاسباتی و بیوانفورماتیک توانسته‌ایم زمان و هزینه تحقیقات دارویی رو به شدت کاهش دهیم. در این پست به یک نمونه از این پیشرفت‌ها اشاره خواهیم کرد.

هوش مصنوعی طراحی دارو برای پارکینسون را ده برابر سرعت می‌بخشد

محققان از تکنیک‌های هوش مصنوعی برای تسریع طراحی دارو علیه بیماری پارکینسون استفاده کرده‌اند. محققان دانشگاه کمبریج، یک استراتژی مبتنی بر هوش مصنوعی را برای شناسایی ترکیباتی که در پارکینسون اهمیت دارند، طراحی و استفاده کردند.

این تیم از تکنیک‌های یادگیری ماشین برای بررسی سریع یک کتابخانه شیمیایی حاوی میلیون‌ها ترکیب دارویی استفاده کردند و پنج ترکیب بسیار قوی را برای تحقیقات بیشتر شناسایی کردند.

بیماری پارکینسون و لزوم طراحی دارو علیه آن

پارکینسون بیش از شش میلیون نفر را در سراسر جهان تحت تاثیر قرار می‌دهد که پیش‌بینی می‌شود این تعداد تا سال 2040 سه برابر شود. در حال حاضر هیچ درمان اصلاح کننده بیماری برای این بیماری در دسترس نیست. فرآیند غربالگری کتابخانه‌های شیمیایی بزرگ برای کاندیدهای دارو – که باید قبل از آزمایش درمان‌های بالقوه روی بیماران انجام شود – بسیار زمان‌بر و پرهزینه است و اغلب ناموفق است.

با استفاده از یادگیری ماشین، محققان توانستند روند غربالگری اولیه را ده برابر سرعت بخشند و هزینه را تا هزار برابر کاهش دهند، که می‌تواند به این معنی باشد که درمان‌های بالقوه برای پارکینسون بسیار سریعتر به بیماران مبتلا ارائه می‌شود. نتایج در مجله Nature Chemical Biology گزارش شده است.

پارکینسون سریعترین بیماری عصبی در حال رشد در سراسر جهان است. در بریتانیا، از هر 37 نفری که امروز زنده هستند، یک نفر در طول زندگی خود به پارکینسون مبتلا می‌شود. پارکینسون علاوه بر علائم حرکتی می‌تواند بر سیستم گوارش، سیستم عصبی، الگوهای خواب و خلق و خو نیز تاثیر بگذارد و می‌تواند به کاهش کیفیت زندگی و ناتوانی قابل توجه فرد منجر شود.

پروفسور میشل وندروسکولو در این باره گفت:

یک مسیر برای جستجوی درمان‌های بالقوه برای پارکینسون نیازمند شناسایی مولکول‌های کوچکی است که می‌توانند تجمع آلفا سینوکلئین را که پروتئینی است که با این بیماری مرتبط است، مهار کنند. اما این یک فرآیند بسیار وقت‌گیر است، فقط شناسایی یک نامزد اصلی برای آزمایش، می‌تواند ماه‌ها یا حتی سال‌ها طول بکشد.

در حالی که در حال حاضر آزمایشات بالینی برای پارکینسون در حال انجام است، هیچ دارویی برای اصلاح بیماری تایید نشده است که نشان دهنده ناتوانی در هدف قرار دادن مستقیم گونه‌های مولکولی عامل بیماری است. این یک مانع بزرگ در تحقیقات پارکینسون بوده است، زیرا روش‌هایی برای شناسایی اهداف مولکولی صحیح و درگیری با آنها وجود ندارد. این شکاف تکنولوژیکی توسعه درمان‌های موثر را به شدت مختل کرده است.

این تحقیق در آزمایشگاه شیمی سلامت در کمبریج و با حمایت صندوق سرمایه‌گذاری مشارکت تحقیقاتی بریتانیا (UKRPIF) انجام شد.

مطالعه بیشتر:

Discovery of potent inhibitors of α-synuclein aggregation using structure-based iterative learning

Nature Chemical Biology, 2024

DOI: 10.1038/s41589-024-01580-x