هوش مصنوعی هزاران بار سریعتر از روش های فعلی داروها را کشف می کند


محققان یک مدل هوش مصنوعی ابداع کرده‌اند که می‌تواند مولکول‌های دارویی بالقوه را بیش از هزار برابر سریع‌تر از روش‌های پیشرفته فعلی شناسایی کند.

بر اساس اعلام این گروه تحقیقاتی از موسسه فناوری ماساچوست (MIT)، این مدل هوش مصنوعی موسوم به “EquiBind” احتمال و هزینه تست های دارویی ناموفق را به میزان قابل توجهی کاهش می دهد.

به گزارش ایتنا و به نقل از ایندیپندنت، تعداد مولکول هایی با خواص بالقوه شبیه دارو به سرعت در حال رشد است و تخمین زده می شود که حدود 10 عدد در قدر 60 باشد. در مقایسه، تعداد ستاره های کهکشان راه شیری حدود 10 ستاره در قدر 8 است. .

با سرعت 1200 برابر سریع‌ترین مدل‌های اتصال مولکولی محاسباتی موجود، مدل «Equibind» می‌تواند با موفقیت این مولکول‌های شبه دارو را به پروتئین‌ها متصل کند.

Equibind این کار را با استفاده از استدلال هندسی داخلی انجام می دهد که به آن امکان می دهد پیش بینی کند کدام پروتئین با کدام مولکول جفت می شود. بدون اطلاع قبلی از بسته هدف خود.

وقتی دیدیم که روش‌های دیگر کاملاً اشتباه هستند، یا فقط یک چیز درست است، Equibind توانست آن را در بسته‌بندی مناسب قرار دهد، شگفت‌زده شدیم. بنابراین از دیدن این نتایج بسیار خوشحال شدیم.”

 



این یافته‌ها قبلاً توجه افراد درگیر در صنعت کشف دارو/داروسازی را به خود جلب کرده است و آنها امیدوارند که بتوانند از آنها برای درمان سرطان ریه، سرطان خون و تومورهای دستگاه گوارش استفاده کنند.

پت والترز، مدیر ارشد داده در شرکت کشف دارو Relay Therapeutics، می‌گوید: «EquiBind راه‌حل منحصربه‌فردی برای مشکل اتصال ارائه می‌کند که هم وضعیت را پیش‌بینی می‌کند و هم محل اتصال را شناسایی می‌کند».

این رویکرد، که از اطلاعات هزاران ساختار کریستالی در دسترس عموم استفاده می‌کند، این پتانسیل را دارد که به روش‌های جدیدی بر میدان تأثیر بگذارد.»

این مقاله علمی با عنوان “Equibind: Geometric Deep Learning for Drug Binding Structure Prediction” در کنفرانس بین المللی یادگیری ماشین (ICML) ارائه خواهد شد.

دیدگاهتان را بنویسید