كيف يساعد الذكاء الاصطناعي العلماء على تصميم الجيل القادم من الأدوية
يعد التصميم بمساعدة الذكاء الاصطناعي جزءًا متزايدًا من كيفية تطوير الأدوية البيولوجية المرشحة، وتعمل شركات مثل AstraZeneca بنشاط على بناء فرقها الهندسية لدفع هذا الأمر إلى أبعد من ذلك. يقول بوجا سابرا، نائب الرئيس الأول ورئيس قسم البحث والتطوير في الهندسة البيولوجية وعلم الأورام الذي يستهدف الاكتشافات في AstraZeneca: “كل ما نقوم به، سواء كان تصميمًا أو تصنيعًا أو اختبارًا أو تحليلًا، يتم الآن تحسينه حسابيًا”. “فترات الدورة تصبح أقصر بينما تزداد الإنتاجية والابتكار.” يوضح سابرا أن نهج أسترازينيكا يتبع حلقة البناء والقياس والتعلم. يقوم الذكاء الاصطناعي بإنشاء الجزيئات المرشحة أو تحديد أولوياتها حسابيًا، والتنبؤ بالتصميمات التي من المرجح أن تنجح. ثم يقوم العلماء بتركيز موارد المختبر فقط على المرشحين الأعلى مرتبة. يؤدي هذا إلى دورة ردود فعل أكثر إحكامًا مع عدد أقل من الطرق المسدودة، وتكرار أسرع، والقدرة على ملاحقة أهداف المرض التي كانت تعتبر في السابق غير قابلة للعلاج عن طريق الطب. نظرًا لأن عدد المجموعات الجزيئية المحتملة يتجاوز بكثير ما يمكن لأي فريق بشري استكشافه بشكل منهجي، فقد أصبح استخدام الذكاء الاصطناعي لتضييق خيارات الاختبار وتحسينها محورًا رئيسيًا في تصميم الأدوية البيولوجية. التعامل مع مشكلات تصميم الأدوية المعقدة إلى جانب تسريع الجداول الزمنية، يتم تطبيق الذكاء الاصطناعي أيضًا على اكتشاف فئات جديدة تمامًا من الأدوية. تستهدف البيولوجيا التقليدية عادةً مسارًا واحدًا للمرض. يمكن للجيل القادم من الأدوية ضرب أهداف متعددة في وقت واحد أو توصيل حمولات علاجية بدقة إلى خلايا معينة. يتطلب تحقيق ذلك التحسين عبر العديد من المتغيرات في وقت واحد. يشرح بوجا سابرا أن التطلع إلى المستقبل للنماذج المعتمدة على الذكاء الاصطناعي يمكن أن يساعد في تصميم هذه المواد البيولوجية المعقدة والمتعددة الأنواع. وتتابع: “على سبيل المثال، يمكن لمثل هذه النماذج أن تساعد في تحديد هدفين أو ثلاثة أهداف يجب تحديد أولوياتها استنادًا إلى البيولوجيا الأساسية، ثم تحسينها عبر معلمات متعددة لتحقيق التوازن بين فعالية الجزيء، واستقراره، وقابلية تصنيعه، وسلامته”. يقول سابرا: “إن تخدير من لا يمكن تعاطيه أصبح حقيقة واقعة”. “ستمكننا هذه التقنيات في نهاية المطاف من تطوير أدوية ضد أهداف كنا نظن في السابق أنه من المستحيل الوصول إليها. إن إمكانية الاستفادة للمرضى كبيرة للغاية.” وتشير تقديرات شركة ماكينزي للبيانات إلى أن الذكاء الاصطناعي التوليدي، إلى جانب الأدوات الحسابية الأخرى، من الممكن أن يخفض الجداول الزمنية لاكتشاف الأدوية بنسبة تصل إلى 50%. لكن جودة كل نموذج من نماذج الذكاء الاصطناعي تكون جيدة بقدر جودة بيانات التدريب الخاصة به. وفي مجال اكتشاف الأدوية، يعني ذلك كميات وافرة من البيانات البيولوجية عالية الجودة. ويمكن للتجارب أن توفر مصدرا غنيا لمثل هذه البيانات. وسواء نجحوا أم فشلوا، فإن كل تجربة تولد إشارة حول ما ينجح وما لا ينجح. يقول سابرا: “البيانات هي ما يميزنا”، موضحًا كيف أن مجموعات بيانات الشركة مملوكة ومتعددة الوسائط، وتتضمن الهياكل الجزيئية، والقياسات الملزمة، وملفات تعريف السلامة، ونتائج التصنيع. “لقد قمنا ببناء مجموعة متنوعة عن عمد عبر العديد من مجالات الأمراض وأنواع الأدوية. كل هذه البيانات تمكننا من تحسين نماذج الذكاء الاصطناعي الرائدة باستخدام مجموعات تدريب أكثر ثراءً وتمثيلاً.” وتتابع قائلة: “علاوة على ذلك، استثمرنا في تقنيات الفحص العميق لإنشاء مجموعات بيانات إضافية مطلوبة من حيث الحجم لتحسين نماذجنا والتحقق من صحتها باستمرار.” بناء محرك اكتشاف مستقل لجمع كل هذه البيانات معًا في مكان واحد، تقوم شركة AstraZeneca ببناء ما تسميه منشأة “مختبر المستقبل” في ميدان كيندال، كامبريدج، ماساتشوستس حيث سيكون الذكاء الاصطناعي والأتمتة الروبوتية قادرين على تشكيل نظام اكتشاف مستمر ومغلق. يوضح سابرا: “بينما تستخدم السيارة ذاتية القيادة أجهزة الاستشعار والنماذج للتنقل في بيئتها، يستخدم هذا النظام الذكاء الاصطناعي لإجراء التنبؤات، والأنظمة الآلية لتنفيذ التجارب، والأدوات لتوليد البيانات”. يتم تغذية هذه البيانات مباشرة إلى النماذج، مما يؤدي إلى تسريع كل دورة لاحقة. وتضيف: “طوال الوقت، سيظل العلماء محوريين في العملية، حيث يوفرون الإشراف والحكم والتوجيه الاستراتيجي الذي يضمن أن تكون النتائج قابلة للتفسير، ومقبولة، وموجهة نحو الفائدة المحتملة للمريض”. في نهاية المطاف، سوف تكون الأنظمة الآلية عالية الإنتاجية قادرة على إجراء وتقييم الآلاف من التفاعلات الجزيئية على أساس أسبوعي. يقول سابرا: “سيؤدي هذا إلى توليد بيانات جاهزة للذكاء الاصطناعي على نطاق لا يمكن أن يضاهيه سير العمل التقليدي”. “إن التعامل الآلي مع العينات، وفحوصات الجودة الآلية، وخطوط البيانات المتكاملة لديها أيضًا القدرة على المساعدة في تسريع الجداول الزمنية المبكرة لتطوير الأدوية بشكل كبير.”
تم النشر: 2026-07-23 13:00:00
مصدر: www.technologyreview.com
