همکاری هوش مصنوعی و رباتیک برای کشف داروهای جدید
به گزارش کارا پیام، محققان «دانشگاه تورنتو» درحال تسریع فرمولاسیون دارو هستند تا جان جدیدی به داروهای قدیمی ببخشند و خطر شکست را در آزمایش های بالینی کاهش دهند.
به گزارش کارا پیام به نقل از ایسنا، هوش مصنوعی، یادگیری ماشینی و رباتیک بطور قابل توجهی کشف و تولید دارو را بهبود بخشیده اند اما این حوزه ها در تجارت پرهزینه و پرخطر داروسازی هنوز هم فرصت دارند تا بر یک بخش نادیده گرفته شده از روند توسعه دارو اثر بگذارند. این بخش، فرمولاسیون دارو است.
به نقل از ادونسد ساینس نیوز، بعد از کشف دارو و قبل از آزمایش بالینی و مرحله ساخت، یک مولکول دارویی امیدوارکننده فرموله می شود. این بدان معناست که دارو به شکلی آماده می شود که بتوان آنرا بطور ایمن و مؤثر به بدن رساند؛ به عنوان مثال، دارو بصورت قرص، اسپری بینی یا تزریق ارائه می شود. بااینکه این مساله بسیار اهمیت دارد اما این بخش پیچیده از پروسه توسعه هر داروی جدید اغلب توسط نادیده گرفته می شود.
بگفته محققان «دانشگاه تورنتو»، روش های خودکار مبتنی بر هوش مصنوعی برای فرمولاسیون دارو هنوز درحال تکامل هستند و قابلیت های بکری را ارائه می دهند که علاوه بر تولید داروهای جدید و موثرتر می توانند داروهای قدیمی را نیز احیا کنند.
«کریستین آلن»(Christine Allen) استاد و پژوهشگر دانشکده داروسازی دانشگاه تورنتو اظهار داشت: چالش فرمولاسیون، پیچیدگی زیاد آنست. درباره ی یک داروی خوراکی، بالاتر از ۱۰ میلیارد ترکیب احتمالی برای مواد تشکیل دهنده وجود دارد و هیچ کس قرار نیست همه ۱۰ میلیارد احتمال را ارزیابی کند.
بنظر می رسد الگوریتم های هوش مصنوعی و یادگیری ماشینی جهت بررسی کردن این انبوه احتمالات عالی هستند. با این وجود، تلاش اولیه جهت استفاده از هوش مصنوعی در لابراتوار آلن با هدف پیش بینی چگونگی انتشار یک دارو از یک ذره پلیمری، نقص هایی را در این فرضیه آشکار کرد.
آلن اظهار داشت: ما مجموعه داده ها را باتوجه به پژوهش های پیشین انتخاب کردیم که برخی از آنها در لابراتوار خودمان انجام شده بودند و آن داده ها را برای آموزش مدلهای یادگیری ماشینی به کار بردیم.
طولی نکشید که مشکلات ظاهر شدند. آلن افزود: داده هایی وجود دارند که گم شده اند یا اطلاعاتی که در سوابق پژوهشی وجود ندارند. این ها اطلاعاتی هستند که برای آموزش مدلهای یادگیری ماشینی به آنها نیاز داریم.
برای پر کردن شکاف ها، گروه آلن از تجهیزات آزمایشگاهی استفاده کردند که برای انجام دادن سریع آزمایش های استاندارد و تولید سریع و دقیق داده های از دست رفته خودکارسازی شده اند. این گروه پژوهشی، هوش مصنوعی و خودکارسازی را به لابراتوار وارد کرده بودند اما این دو را در یک روش جدید ادغام کردند که بتواند پتانسیل فرمولاسیون دارو را محقق کند.
پلت فرم خودکار به سرعت فرمول های اولیه را ایجاد و آزمایش می کند و بعد از آن، داده ها برای آموزش مجدد الگوریتم و تولید گروه بعدی فرمول ها ارائه می شوند. آلن اظهار داشت: این یک حلقه بسته است تا وقتی بتوانیم گزینه های فرمولاسیون را که با مشخصات محصول مورد نظر مطابقت دارند، شناسایی نماییم.
آلن معتقد می باشد که این تکنیک نه فقط می تواند تحقیقات را بطور شایان توجهی سرعت ببخشد، بلکه می تواند کارآیی را نیز افزایش دهد. بگفته آلن، فرمولاسیون بهتر کمک می نماید تا داروهای بیشتری بتوانند آزمایشات بالینی را پشت سر بگذارند.
این پژوهش در مجله «Advanced Healthcare Materials» به چاپ رسید.
منبع: karapayam.ir
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب