ورود هوش مصنوعی در کشف و شناسایی ترکیبات دارویی
در چند سال گذشته، هوش مصنوعی (AI) در زمینه کشف دارو ظهور کرده است. طراحی داروی هوش مصنوعی ی تواند از یک رشته مولکول خطی ساده (SMILES) تا یک شبکه عصبی نموداری توسعه یافته باشد که دقت و کارایی کشف طراحی داروهای جدید را بهبود بخشیده است. هوش مصنوعی نه تنها قادر به طراحی داروها بر اساس مدل یادگیری عمیق آموزشدیده است، بلکه میتواند از مدلهای یادگیری عمیق برای پیشبینی رتروسنتز و خواص دارویی مانند ADMET (جذب، توزیع، متابولیسم، دفع و سمیت) استفاده کند. هوش مصنوعی روشی امیدوارکننده برای یافتن نامزدهای دارویی بیشتر و افزایش میزان موفقیت آزمایشهای بالینی این نامزدها در نظر گرفته میشود.
پروفسور Qifeng Bai که در دانشگاه Lanzhou در چین کار می کند، عقیده دارد که هوش مصنوعی طراحی داروی سه بعدی جدید را با توجه به داده های موجود از داروی یک بعدی یا دو بعدی، ممکن می سازد. گروه Bai نرم افزاری به نام MolAICal توسعه داده است که می تواند لیگاندهای سه بعدی را در اهداف بیماری توسط هوش مصنوعی و الگوریتم های کلاسیک طراحی کند. با توسعه فناوری هوش مصنوعی، هوش مصنوعی برای اتصال مولکولی دارو توسعه یافته است. برای مثال، GNINA یک ابزار عالی مبتنی بر شبکههای عصبی کانولوشنال (CNN) است. این نوع شبکههای عصبی عمدتاً برای تجزیه و تحلیل تصاویر بصری استفاده میشوند، می توانند برای طراحی مدل اتصال مولکولی مورد استفاده قرار گیرند. علاوه بر این، شبیهسازی دینامیک مولکولی (MD) یک وسیله دینامیکی است که میتواند دقت طراحی دارو را بهبود بخشد. اگرچه شبیهسازی MD روشی دقیقتر از طراحی داروی جدید ثابت در نظر گرفته میشود، با این حال هوش مصنوعی میتواند راهی موثر و اقتصادی برای مقابله با کلان دادههای شبیهسازیهای MD ارائه دهد و نقش مهمی در طراحی داروهای سهبعدی ثابت و پویا به نفع ما ایفا کند.
برای هوش مصنوعی الهام بخش دانشگاهیان و صنعت است تا ابزارهای هوش مصنوعی بیشتری را برای کشف دارو توسعه دهند و هزینه و زمان ورود به بازار را کاهش دهند. به طور کلی، هوش مصنوعی به تدریج در هر مرحله از کشف دارو از جمله مطالعات پیش بالینی و آزمایشات بالینی فازهای I، II، III، IV و غیره وارد شده است. ما معتقدیم که هوش مصنوعی سرعت توسعه دارو را تسریع خواهد کرد و به بشر کمک می کند بر بیماری های بیشتری غلبه کند.
Ref: https://www.advancedsciencenews.com/ai-for-drug-discovery-what-can-we-do