لمحة سريعة عن الذكاء الاصطناعي في اكتشاف الأدوية

يؤثر الارتفاع المستمر في الذكاء الاصطناعي (AI) بشكل كبير على الصناعات المختلفة ، مع عدم استثناء قطاعي الأدوية والتكنولوجيا الحيوية. ليس من المستغرب أن تتبنى المؤسسات الصيدلانية الكبيرة والصغيرة بشكل متزايد منصات اكتشاف العقاقير بالذكاء الاصطناعي لتبسيط عمليات البحث والتطوير ، وتقليل الجداول الزمنية للاكتشاف والتكاليف ، وتعزيز الكفاءة العامة.

قامت شركات الأدوية الرائدة مثل J&J و GSK و AstraZeneca و Novartis و Pfizer و Sanofi و Eli Lilly ، من بين آخرين ، باستثمارات كبيرة في الذكاء الاصطناعي لاكتشاف الأدوية. تشمل هذه الاستثمارات استثمارات في الأسهم أو عمليات الاستحواذ أو الشراكات مع الشركات التي تركز على الذكاء الاصطناعي أو تطوير القدرات الداخلية أو مزيج من هذه الاستراتيجيات.

في الوقت نفسه ، هناك طفرة في اكتشاف الأدوية الجديدة وشركات التكنولوجيا الحيوية التي تم تأسيسها كمنظمات تركز على الذكاء الاصطناعي ، غالبًا منذ بدايتها. تأسست هذه الشركات بشكل أساسي خلال العقد الماضي ، وقد قامت بالفعل ببناء واختبار منصات اكتشاف الأدوية المتخصصة التي تعتمد على الذكاء الاصطناعي. غالبًا ما تتضمن هذه الأنظمة الأساسية العديد من نماذج التعلم الآلي وقد بدأت الآن في تحقيق فوائد كبيرة من حيث الاكتشاف السريع والفعال من حيث التكلفة وقدرات تصميم الأدوية. ونتيجة لذلك ، فإنهم ينتجون الأدوية المرشحة قبل السريرية والسريرية بوتيرة متسارعة. في الأقسام التالية ، سوف نستكشف مجموعة مختارة من الأدوية المرشحة التي طورها الذكاء الاصطناعي ، بما في ذلك الجزيئات الصغيرة ، والبيولوجيا ، والطرائق الأخرى ، والتي دخلت بالفعل في التجارب السريرية أو على وشك القيام بذلك.

بالإضافة إلى ذلك ، قطعت بعض شركات الذكاء الاصطناعي خطوات واسعة في نمذجة علم الأحياء باستخدام بيانات معقدة متعددة الوسائط بمقاييس لم يكن من الممكن تصورها قبل عقدين فقط. طورت مجموعة أخرى من الشركات منصات تعتمد على الذكاء الاصطناعي لتعزيز الكفاءة التشغيلية وتصميم التجارب في التجارب السريرية أو تحليل البيانات في العالم الحقيقي ، مثل التيقظ الدوائي.

تمتلك الشركات التقنية الكبرى ، مثل Alphabet و Microsoft و Amazon و IBM و Tencent ، خبرة في تقنيات الذكاء الاصطناعي والبيانات الضخمة ، كما أنها تغامر في مجال اكتشاف الأدوية. تشمل مشاركتهم الاستثمار وتأسيس الشركات الناشئة والشراكة مع شركات علوم الحياة والتجريب والابتكار.

أخيرًا ، تم إحراز تقدم كبير في التقنيات المتقدمة الأخرى ، مثل الحوسبة الكمومية ، Cryo-EM ، والمكتبات المشفرة بالحمض النووي. تتقارب هذه التقنيات مع اتجاه الذكاء الاصطناعي ، مما ينتج عنه ليس فقط أنواعًا جديدة من الأدوات والمنتجات والخدمات ، ولكن أيضًا موجة من الشركات الناشئة المبتكرة وحتى نماذج الأعمال الجديدة.

ما هو الذكاء الاصطناعي وكيف يتم تطبيقه في اكتشاف الأدوية؟

الذكاء الاصطناعي هو مفهوم قديم نسبيًا ، تم إضفاء الطابع الرسمي عليه في مؤتمر كلية دارتموث الشهير في عام 1956. تطورت تقنيات الذكاء الاصطناعي في اكتشاف الأدوية من مفاهيم ومقاربات التعلم الآلي (ML) ، والمعلوماتية الحيوية ، والمعلوماتية الحيوية. على سبيل المثال ، فإن تطبيق التعلم الآلي لتطوير نماذج العلاقة الكمية بين البنية والنشاط (QSAR) والأنظمة الخبيرة للتنبؤ بالسمية له تاريخ طويل. 

ومع ذلك ، فإن الظهور السريع (في بعض الحالات - "الأسي") للبيانات الضخمة ، والتحليلات المتقدمة ، وتقليل تكلفة الحساب ، وتسريع وحدة معالجة الرسومات ، والحوسبة السحابية ، وتطوير الخوارزميات (على سبيل المثال ، الشبكات العصبية العميقة ونماذج اللغات الكبيرة) ، و "دمقرطة" تكنولوجيا الذكاء الاصطناعي - كل ذلك أدى إلى "ازدهار" تآزري في تسويق وتصنيع الذكاء الاصطناعي ، ولا سيما في صناعات الأدوية والتكنولوجيا الحيوية. 

في هذا المستند التعريفي التمهيدي ، نستخدم المصطلح الجماعي "الذكاء الاصطناعي" للإشارة إلى أي أنظمة حسابية ونمذجة معقدة يمكنها تلقائيًا تعلم الرؤى واستخلاص اقتراحات عملية من "البيانات الضخمة" ، والبيانات المنظمة وغير المنظمة ، وكذلك البيانات متعددة الوسائط.

في حين أنه لا يوجد حد لمجموعة معينة من الخوارزميات التي نشير إليها باسم "الذكاء الاصطناعي" ، فإننا ، في معظم الحالات ، نشير إلى العديد من الأنظمة القائمة على التعلم الآلي (الشبكات العصبية العميقة بشكل أساسي) ومعالجة اللغة الطبيعية الكبيرة (NLP) عارضات ازياء. يمكن لأنظمة الذكاء الاصطناعي الحديثة أن تتعلم دون تعليمات صريحة (على عكس برامج cheminformatics التقليدية ضمن منطق "if-then") ، يمكنها تحسين الدقة بعد دورات التعلم الجديدة وعندما يتم تغذية المزيد من البيانات إلى النظام ، والأهم من ذلك أنها تستطيع معالجة بيانات متعددة الوسائط عالية الأبعاد ذات حجم هائل. كل هذه السمات هي ما يميز بشكل كبير بين أنظمة الذكاء الاصطناعي الحديثة وحزم برمجيات المعلوماتية الحيوية القديمة. هذه القدرات هي في صميم ما يدفع الإثارة المستمرة حول الذكاء الاصطناعي (والضجيج).  

بينما يتم استخدام بعض مكونات ما نسميه "الذكاء الاصطناعي" - على سبيل المثال ، أدوات التعلم الآلي ونماذج اللغة - من قبل كل مؤسسة صيدلانية ومختبر أكاديمي إلى حد كبير ، تمكنت بعض الشركات من بناء خطوط حسابية ونمذجة متطورة ، والبحث في "منصات الذكاء الاصطناعي" ، والتي تشمل سير العمل الآلي عبر العشرات وحتى المئات من النماذج والأنظمة المختلفة (التعلم العميق ، ونماذج اللغة) ، ومئات من مصادر البيانات العامة والخاصة المختلفة. 

أدى التطور والأتمتة العالية لبعض منصات الذكاء الاصطناعي إلى "تحويلها إلى سلع" لدرجة أنها تحمل أسماء تجارية مسجلة. في الوقت نفسه ، يتم تقديم بعضها كبرنامج كخدمة لشركات أخرى. تشمل الأمثلة mRNA DESIGN STUDIO ™ من Moderna ، و Centaur Chemist® من Exscientia ، و Guardian Angel ™ من AI Therapeutics ، و ConVERGE ™ من Verge Genomics ، و Taxonomy3® من C4X Discovery ، وغيرها الكثير. 

فيما يلي مثال على Pharma.AI بواسطة Insilico Medicine ، وهو نظام معياري لاكتشاف الأدوية من البداية إلى النهاية والذي يضم مئات الأنظمة الفرعية المختلفة ونماذج التعلم الآلي - يتم التحكم فيها تمامًا بواسطة خوارزميات أخرى من تجريد النمذجة العليا (عبر مبدأ من "التعلم الجماعي"). 

مخطط منصة Pharma.AI الشاملة. رصيد الصورة: https://insilico.com

يستخدم الذكاء الاصطناعي على نطاق واسع في كل جانب من جوانب البحث الصيدلاني تقريبًا ، بدءًا من استخراج البيانات ونمذجة البيولوجيا والاكتشاف المستهدف لقيادة تحديد الهوية والبحوث قبل السريرية والسريرية. كما أنها تستخدم للتخطيط التوليفي ، والبحث الذكي عن الكواشف والمواد الاستهلاكية البحثية ، والمهام الإضافية مثل دفاتر المختبر الذكية والمساعدات الافتراضية. 

المصدر https://www.biopharmatrend.com/m/companies/ai/ 

يشمل النظام البيئي لعلوم الحياة لمتبني الذكاء الاصطناعي الفئات الرئيسية التالية من اللاعبين: 

مشهد الاستثمار في اكتشاف الأدوية بالذكاء الاصطناعي

بعد عام 2021 ، العام الناجح بشكل غير عادي لصناعة التكنولوجيا الحيوية من حيث حجم صفقات رأس المال الاستثماري ، والعدد القياسي للعروض العامة الأولية ، ووفرة عمليات التخارج الناجحة ، والمناخ الإيجابي بشكل عام في سوق الأوراق المالية ، أظهر عام 2022 تهدئة كبيرة للنشاط المالي وأداء ضعيف تمامًا لسوق الأوراق المالية. 

ومع ذلك ، أظهر الذكاء الاصطناعي في قطاع اكتشاف الأدوية مرونة معينة ، على الأقل في مشهد معاملات الأسهم الخاصة ، مع قيام العديد من الشركات بجمع مئات الملايين من رأس المال الاستثماري. بعض الأمثلة تشمل MegaRobo Technologies ومقرها بكين (300 مليون دولار من السلسلة C) ، ConcertAI ومقرها ماساتشوستس (150 مليون دولار من السلسلة C) و Celsius Therapeutics (83 مليون دولار من السلسلة A) ، Insilico Medicine ومقرها هونغ كونغ (95 مليون دولار السلسلة D) ، كاليفورنيا- BigHat Biosciences (75 مليون دولار من السلسلة B) و DeepCell (73 مليون دولار من السلسلة B) والعديد من الآخرين - اقرأ "جولات رأس المال الاستثماري الرئيسية لشركات الذكاء الاصطناعي في اكتشاف الأدوية والتكنولوجيا الحيوية في عام 2022".      

تميز مشهد الاندماج والاستحواذ (M&A) بصفقة بارزة أخيرة تضمنت شركة عملاقة في مجال التكنولوجيا الحيوية Ginkgo Bioworks تستحوذ على Zymergen في صفقة تقدر قيمة Zymergen بمبلغ 300 مليون دولار. يجمع الاستحواذ قدرات Zymergen للتعلم الآلي وعلوم البيانات جنبًا إلى جنب مع منصة Ginkgo للبيولوجيا التركيبية. 

الملاحظات والاتجاهات الرئيسية للصناعة

إن ظهور تقنيات الذكاء الاصطناعي والبيانات ، فضلاً عن الأدوات الحسابية الجديدة وحلول البنية التحتية (قواعد البيانات والخدمات السحابية وما إلى ذلك) ، كلها تعيد تعريف الطريقة التي تعمل بها صناعة المستحضرات الصيدلانية - على مستوى البحث والسريرية والأعمال. فيما يلي دعونا نراجع بعض الاتجاهات والملاحظات في الذكاء الاصطناعي لمساحة اكتشاف الأدوية والتطورات التوضيحية للصناعة في عام 2022.

النمذجة البيولوجية الممكّنة من الذكاء الاصطناعي واكتشاف الهدف

في أبحاث اكتشاف الأدوية ، يعد تحديد أهداف جديدة للعقاقير أمرًا بالغ الأهمية لتطوير عقاقير علاجية جديدة من الدرجة الأولى - "الأفلام الرائجة" المحتملة. تركزت جهود اكتشاف الأدوية على مدى عدة عقود ماضية ، تقليديًا ، حول استهداف بروتينات معينة ذات "جيوب" مناسبة تتأثر بجزيء ليجند (غالبًا جزيء صغير). ولكن من بين كل البروتينات البشرية (المعروفة باسم "البروتين") ، تم استكشاف عدد صغير من البروتينات كأهداف. حاليا هناك 20,360 بروتين بشري في Swiss-Prot ، ومن المعروف أن حوالي 4,600 منهم يشاركون في آليات المرض وفقًا لقاعدة بيانات OMIM ، والتي تمثل حوالي 22 ٪ من البروتينات البشرية ذات الأدوار في المرض. هذه البروتينات هي المنطقة الواضحة للبروتينات البشرية التي يحتمل أن تحتوي على أهداف دوائية قابلة للتطبيق. لكن، كما من 2017، تم استخدام حوالي 890 جزيء حيوي مشتق من البشر ومسببات الأمراض (معظمها بروتينات) في الواقع بواسطة الأدوية الحالية المعتمدة من إدارة الغذاء والدواء. تضمنت هذه الجزيئات الحيوية 667 بروتينًا مشتقًا من الجينوم البشري تستهدفها الأدوية لعلاج الأمراض البشرية. لا تختلف الأمور كثيرًا اليوم ، لذلك لا يزال هناك متسع كبير لتحديد أهداف جديدة في هذه المجموعة. تسمح الأساليب الحسابية الجديدة القائمة على تقنيات الذكاء الاصطناعي بتحديد جيوب بروتينية جديدة قابلة للدواء على نطاق واسع ، مما يسمح أحيانًا بشاشات افتراضية على مستوى البروتين. 

ولكن ما هو أكثر إثارة ، أدوات النمذجة المتقدمة تساعد في تحديد وتعديل أنواع جديدة من الأهداف ، مثل تفاعلات البروتين والبروتين ، والأهداف مع مناطق التلامس الكبيرة ، وتفاعلات الحمض النووي البروتيني ، وأهداف الجيل التالي ، مثل استغلال بروتين الخلية آلات التدهور. 

ذات صلة: فحص النمط الظاهري بالشاحن التوربيني باستخدام الذكاء الاصطناعي لاستهداف بيولوجيا الرنا المرسال: مقابلة مع يوتشي سلونيم ، المؤسس المشارك لشركة AnimaBiotech

تركز الكثير من الشركات التي يقودها الذكاء الاصطناعي على نمذجة علم الأحياء ، واكتشاف أهداف جديدة والتحقق من صحتها وتقديم "نموذج المرض كخدمة" أو "الاكتشاف المستهدف كخدمة" للمنظمات الأخرى. يتزايد الطلب على هذا النوع من خدمات البحوث التعاقدية وهو ما ينعكس في العدد المتزايد من شراكات الاكتشاف المستهدفة. 

على سبيل المثال ، في سبتمبر 2022 ، أعلنت شركة CytoReason لنمذجة الأحياء ومقرها إسرائيل عن تعاون موسع بقيمة 110 مليون دولار مع شركة Pfizer. بدأت الشركتان العمل معًا في عام 2019 عندما بدأت شركة Pfizer في استخدام النماذج البيولوجية لـ CytoReason في البحث الذي يهدف إلى تطوير عقاقير جديدة للأمراض المناعية والعلاجات المناعية للسرطان. 

في مايو 2022 ، أعلنت AstraZeneca أنها جمعت هدفًا ثانيًا للتليف الرئوي من تعاونها مع BenevolentAI ، الشركة الرائدة في المملكة المتحدة في مجال اكتشاف الأدوية باستخدام الذكاء الاصطناعي. يمثل هذا الإنجاز هدفًا جديدًا ثالثًا اكتشفه BenevolentAI لصالح AstraZeneca منذ بدء التعاون في عام 2019. بعد عدة أشهر فقط ، في أكتوبر 2022 ، تمكنت BenevolentAI من تقديم هدفين إضافيين تم إنشاؤهما بواسطة الذكاء الاصطناعي لمحفظة البحث والتطوير الخاصة بـ AstraZeneca ، والتي تهدف إلى أمراض الكلى المزمنة والمجهول السبب. التليف الرئوي. 

في نوفمبر 2022 ، وقعت شركة Insilico Medicine ومقرها هونج كونج صفقة محتملة بقيمة 1.2 مليار دولار مع Sanofi لاكتشاف ما يصل إلى ستة أهداف جديدة للاستفادة من منصة Insilico Medicine's "Pharma.AI". 

بينما تتطلب الخوارزميات المتطورة مثل الشبكات العصبية العميقة كميات كبيرة من البيانات لنمذجة البيولوجيا بشكل صحيح ، إلا أن هناك أهدافًا بها قدر ضئيل من البيانات المتاحة. قامت شركة Cyclica الكندية بتطوير منصة تعتمد على الذكاء الاصطناعي لعلم الأدوية المتعددة والفحص على مستوى البروتين ، قادرة على العمل مع أهداف "البيانات المنخفضة". في نوفمبر 2022 ، تلقت Cyclica منحة بقيمة 1.8 مليون دولار من مؤسسة Bill & Melinda Gates لتطبيق منصة اكتشاف الأدوية المدعومة بالذكاء الاصطناعي لاكتشاف عقود جديدة غير هرمونية ، والاستفادة من أهداف بيولوجية متعددة منخفضة البيانات. 

وفقا ل تقرير BiopharmaTrend، هناك ما لا يقل عن 182 شركة أخرى تعمل بالذكاء الاصطناعي في مجال الاكتشاف المستهدف ، بما في ذلك الشركات الرائدة ذات التمويل الجيد مع منصات البحث والتطوير المتطورة ، مثل Insitro و Relay Therapeutics و Valo Health وغيرها. 

تظهر الشركات الناشئة الجديدة "الأصلية للذكاء الاصطناعي" باستمرار في فضاء نمذجة علم الأحياء. على سبيل المثال ، CardiaTec Biosciences و WhiteLab Genomics و Degron Therapeutics على سبيل المثال لا الحصر. 

ذات صلة: تأسست 11 شركة ناشئة لاكتشاف الأدوية تعمل بالذكاء الاصطناعي في عام 2021

بشكل عام ، تساعد طرق النمذجة المتقدمة القائمة على الذكاء الاصطناعي في إعادة تعريف تعريف الأهداف البيولوجية ، حيث نحاول ربط استجابة الدواء بالتنوع الجيني ، وفهم الفعالية السريرية الطبقية والسلامة ، وتبرير الاختلافات بين الأدوية في نفس الفئة العلاجية والتنبؤ فائدة الأدوية في المجموعات الفرعية للمرضى. 

تكسير البيولوجيا الهيكلية باستخدام الذكاء الاصطناعي

من أكثر الموضوعات المتعلقة بالذكاء الاصطناعي التي تمت مناقشتها في مجتمع علوم الحياة هذا العام النجاح الأخير لشركة DeepMind التابعة لشركة Alphabet ومقرها المملكة المتحدة ، والتي حظيت بتغطية واسعة النطاق لـ نجاحها في تكسير مشكلة طي البروتين، مشكلة بيولوجية عمرها نصف قرن.

في يوليو 2022 ، برنامج التعلم العميق AlphaFold من DeepMind متوقعة ومشاركتها بشكل عام هياكل بروتينية لأكثر من 200 مليون بروتين ، بعد أن أثبتت القدرة المذهلة لنظام الذكاء الاصطناعي الخاص بها على التنبؤ بدقة بالبنى ثلاثية الأبعاد فقط من تسلسل الأحماض الأمينية 3D. بينما يجادل البعض بأن هذا الاكتشاف قد لا يكون (حتى الآن) له مثل هذا الدور التحولي في اكتشاف الأدوية كما قد يفترض المرء ، وأن AlphaFold لم يكن أداءً أفضل بكثير من الصدفة عند التنبؤ بالتفاعلات المركبة البكتيرية للبروتين المضاد للبكتيريا، فإن الاكتشاف هو بالتأكيد تغيير نموذجي لكل من البيولوجيا الهيكلية ويوضح إمكانات الذكاء الاصطناعي في أبحاث البيولوجيا الأساسية. 

في تشرين الثاني (نوفمبر) 2022 ، تنافس الباحثون في Meta (المعروف سابقًا باسم Facebook ، ومقره مينلو بارك ، كاليفورنيا) بنجاح DeepMind الرائد في نمذجة البروتين. استخدم الذكاء الاصطناعي للتنبؤ بهياكل حوالي 600 مليون بروتين من البكتيريا والفيروسات والكائنات الحية الدقيقة الأخرى التي لم يتم تمييزها. 

استخدم العلماء في Meta ملف نهج مختلف لمنظمة العفو الدولية - باستخدام "نموذج لغة كبير" ، وهو نوع من الذكاء الاصطناعي يمكنه التنبؤ بالنص من أحرف أو كلمات قليلة فقط. عادةً ما يتم تدريب نماذج اللغة الطبيعية (NLPs) على كميات كبيرة من النصوص. ومع ذلك ، فإن تسلسل البروتين أحادي الأبعاد هو في الأساس سلاسل من الحروف ، لذلك يمكن تطبيق البرمجة اللغوية العصبية على مثل هذه المشكلات بشكل مشابه للعمل مع اللغات البشرية. 

ومن المثير للاهتمام ، أن مثل هذه القفزات التكنولوجية الكبيرة في طي البروتين قد تكون أكثر فائدة تصميم بروتين دي نوفو، من مجرد نمذجة هياكل البروتينات الموجودة لاكتشاف الأدوية. سيحدد الوقت أين سيكون التأثير الأكبر ، لكن النجاحات المذكورة أعلاه من قبل DeepMind و Meta ليست التطور المثير الوحيد لعلماء الأحياء الهيكلية في عام 2022. 

في الآونة الأخيرة ، أدت التطورات السريعة في cryo-EM ، إلى جانب تقنيات الذكاء الاصطناعي ، إلى ولادة موجة جديدة من الشركات الناشئة في مجال التكنولوجيا الحيوية مثل Gandeeva Therapeutics و Septerna و MOMA Therapeutics. تزداد سخونة مجال cryo-EM مع الشركات الناشئة في مجال التكنولوجيا الحيوية التي تجذب انتباه مجموعة واسعة من المستثمرين ، من مؤسسات المشاريع الصغيرة إلى مالك TikTok وعملاق تكنولوجيا الإنترنت ByteDance ، والاستثمار في Shuimu BioSciences. الدافع وراء الاهتمام ليس فقط التكنولوجيا الثورية الحائزة على جائزة نوبل ولكن أيضًا من خلال التوظيف النشط للذكاء الاصطناعي في هذه العملية. المنشور الأخير "خط أنابيب التجميد بمساعدة الذكاء الاصطناعي للدراسات الهيكلية للمستخلصات الخلوية" سلط الضوء على الدور غير القابل للاستبدال للذكاء الاصطناعي في خطوط أنابيب cryo-EM المعقدة ، بما في ذلك التنبؤ بالنموذج الذري المدفوع بالذكاء الاصطناعي للتحقيق بسرعة وفي نفس الوقت في بنية أعضاء مجتمع البروتين المتعددين. لا يساعد التعلم الآلي على تسريع خط أنابيب cryo-EM وتحسينه فحسب ، بل يساعد أيضًا في تجنب مآزق تحيز المستخدم. 

جمعت شركة Gandeeva Therapeutics ، التي تأسست عام 2021 ، 40 مليون دولار في بداية هذا العام لتطوير علاجات جديدة تعتمد على التصوير الدقيق لتفاعلات البروتينات الدوائية. يمكن أن يساعد محرك تحديد الهدف مع محرك Cryo-EM Engine على "الابتعاد عن اكتشاف طريق مسدود" ، كما صرحت الشركة. في الوقت نفسه ، تم إطلاق MOMA Therapeutics في عام 2020 للتكنولوجيا الحيوية بالتبريد EM وقد جمعت 236 مليون دولار في غضون عامين فقط ، وكان لها هدف طموح يتمثل في إطلاق عقاقير دقيقة جديدة للسرطان في العيادة. يركز MOMA على فئة فريدة من الأهداف البيولوجية - "الآلات الجزيئية". 

تطوير الجزيئات الصغيرة باستخدام الذكاء الاصطناعي

بعد نمذجة المرض واكتشاف الهدف ، يعد تصميم الجزيئات الكيميائية أو البيولوجية ثاني أكثر حالات الاستخدام وفرة لتطبيق الذكاء الاصطناعي في اكتشاف الأدوية. تطبق أكثر من 130 شركة تعتمد على الذكاء الاصطناعي من أصل 384 شركة في تقرير BiopharmaTrend AI ، الذكاء الاصطناعي لتصميم الأدوية المرشحة ، من بين حالات استخدام أخرى. 

ينقسم تصميم الأدوية المدفوع بالذكاء الاصطناعي بشكل أساسي إلى ثلاث فئات رئيسية: تصميم الأدوية de novo (على سبيل المثال ، التوليدي) ، والفحص الافتراضي لقواعد البيانات الحالية ، وإعادة استخدام الأدوية. 

يتم تمكين تصميم عقار De novo في الغالب من خلال نماذج التعلم العميق ، مثل الشبكات العصبية التوليدية الخصومة (GANs). تتضمن بعض الأمثلة على منصات الذكاء الاصطناعي التوليدية برنامج Chemistry42 بواسطة Insilico Medicine و Makya by Iktos و De Novo Platform by Ro5. لاعب آخر في هذه الفئة يشمل Recursion Pharmaceuticals و Deep Cure و Standigm وغيرها. 

تطبيق الفحص الافتراضي الواسع النطاق المدعوم بالذكاء الاصطناعي ، والذي يغربل مليارات الجزيئات للعثور على نتائج ناجحة. في أغسطس 2022 ، دخلت Sanofi في شراكة مع Atomwise في صفقة تصميم دواء يحتمل أن تصل قيمتها إلى 1.2 مليار دولار. الصفقة ، التي ستدفع سانوفي 20 مليون دولار مقدمًا ، تركز على الاستفادة من منصة AtomNet التابعة للشركة الأمريكية لبحث الجزيئات الصغيرة لما يصل إلى خمسة أهداف دوائية تختارها سانوفي. تتفوق AtomNet القائمة على الشبكة العصبية التلافيفية في تصميم الأدوية القائمة على الهيكل ، مما يتيح "البحث السريع المدعوم بالذكاء الاصطناعي لمكتبة Atomwise المملوكة لأكثر من 3 تريليون مركب قابل للتركيب" ، وفقًا لـ إعلان. 

في وقت سابق من عام 2019 ، تعاونت Atomwise مع Enamine الشركة الكيميائية ومقرها أوكرانيا لإجراء "أول وأكبر شاشة افتراضية لـ 10 مليارات مركب في العالم" ، بهدف تحديد نتائج علاج أورام الأطفال. 

أخيرًا ، يستخدم عدد من الشركات استراتيجيات تغيير الأغراض لاكتشاف الأدوية باستخدام الذكاء الاصطناعي. الشركات في هذه الفئة ، بما في ذلك Healx و BenevolentAI و BioXcel Therapeutics ، تستخدم إلى حد كبير نماذج معالجة اللغة الطبيعية (NLP) والتعلم الآلي وتعمل من خلال تحليل كميات هائلة من البيانات النصية غير المنظمة - المقالات البحثية وبراءات الاختراع والسجلات الصحية الإلكترونية (EHRs) ، مثل بالإضافة إلى أنواع البيانات الأخرى - لإنشاء "الرسوم البيانية المعرفية" والبحث فيها. تسمح هذه الأنطولوجيا القابلة للبحث المدعومة بالذكاء الاصطناعي باختيار مؤشرات جديدة أو مجموعات من المرضى للأدوية المرشحة المعروفة سابقًا أو حتى الأدوية المعتمدة.  

على سبيل المثال ، ركزت Lantern Pharma ، وهي شركة تكنولوجيا حيوية في المرحلة السريرية مقرها الولايات المتحدة ، على ابتكار عملية تطوير عقاقير السرطان باستخدام علم الجينوم المتقدم والتعلم الآلي والذكاء الاصطناعي. 

تتضمن منصة الذكاء الاصطناعي الخاصة بالشركة ، RADR®️ ، حاليًا أكثر من 25 مليار نقطة بيانات وتستخدم تحليلات البيانات الضخمة والتعلم الآلي للكشف سريعًا عن التواقيع الجينومية ذات الصلة بيولوجيًا والمرتبطة باستجابة الأدوية ، ثم تحديد المجموعات الفرعية لمرضى السرطان ذات الصلة للاستفادة من الأدوية المرشحة من Lantern . يتم استخدام RADR ®️ أيضًا بواسطة Lantern والمتعاونين معه لتطوير الأدوية الجديدة وتحديد موضعها وكذلك لإعادة استخدام الأدوية. 

ذات صلة: الكشف عن قصة نجاح Lantern Pharma في علم الأورام الدقيق المدعوم بالذكاء الاصطناعي

يلتقي الذكاء الاصطناعي بالمكتبات المشفرة بالحمض النووي

تتمثل الطريقة الفريدة إلى حد ما في تصميم الأدوية في استخدام المكتبات المشفرة بالحمض النووي (DELs) كمصدر لجزيئات جديدة للبحث من خلالها. نظرًا لأن تقنية DEL تتيح الوصول إلى أكبر مساحة كيميائية متوفرة في السوق ، فإن تقنية البيانات الضخمة هذه مناسبة بشكل طبيعي للأدوات القائمة على الذكاء الاصطناعي. 

بارزة صفقة حدث في عام 2020 ، عندما استحوذت شركة Insitro ، أحد اللاعبين البارزين في تطبيق التعلم الآلي لاكتشاف الأدوية ، التي أسستها دافني كولر ، على Haystack Sciences. جمعت منصة Haystack القائمة على التعلم الآلي بين عناصر متعددة من تقنية DEL الخاصة بهم ، بما في ذلك القدرة على تجميع مجموعات جزيئات صغيرة ومتنوعة وواسعة النطاق ، والقدرة على تنفيذ المتابعة التكرارية ، وتقنية الفحص شبه الكمي الخاصة التي تسمى nDexer ™ ، والتي تولد مجموعات بيانات عالية الدقة. 

من جانبها ، تم الاستحواذ على ZebiAI في عام 2021 من قبل مطور بارز آخر لمنصة اكتشاف الأدوية التي تعمل بالذكاء الاصطناعي ، وهي عبارة عن مرحلة سريرية للتكنولوجيا الحيوية Relay Therapeutics ، حيث دفعت Relay 85 مليون دولار مقدمًا. سمح هذا الاستحواذ لشركة Relay بدمج تقنية DEL القائمة على التعلم الآلي من ZebiAI في منصة استهداف البروتين Dynamo.  

ذات صلة: مراجعة السوق لتكنولوجيا المكتبات المشفرة بالحمض النووي في اكتشاف الأدوية

في أكتوبر 2021 ، استحوذت X-Chem على Glamorous AI ، وهي شركة مطورة لحل ذكاء اصطناعي معياري متعدد الأوجه لاكتشاف العقاقير RosalindAI ، بما في ذلك قدرات هندسة البيانات والسمات ، والتحليلات التنبؤية ، والحوسبة عالية الأداء ، وتصميم عقار de-novo.

تصميم دواء يحركه الذكاء الاصطناعي يتجاوز الجزيئات الصغيرة

بالنظر إلى أن أدوات الذكاء الاصطناعي الحديثة المطبقة لاكتشاف الأدوية لها جذور تاريخية عميقة في المعلوماتية الشفهية ونماذج QSAR المبكرة القائمة على التعلم الآلي في القرن الماضي ، فليس من المستغرب أن تركز الغالبية العظمى من الشركات الناشئة في مجال الذكاء الاصطناعي في اكتشاف الأدوية على الجزيئات الصغيرة .  

توزيع شركات اكتشاف الأدوية بالذكاء الاصطناعي حسب فئة المنتج. مصدر: تقرير منظمة العفو الدولية BiopharmaTrend. 

ومع ذلك ، فإن عقاقير الجزيئات الحيوية (المعروفة أيضًا باسم "علم الأحياء") والطرائق الكيميائية الجديدة تتوافر بكثرة في مجال المستحضرات الصيدلانية ، وكذلك شركات التكنولوجيا الحيوية الجديدة التي تطبق الأساليب القائمة على الذكاء الاصطناعي لاكتشافها. بعد أن قام العلماء بتفكيك الجينوم البشري في عام 2003 ، تطورت قابلية الدواء وقابلية التطوير بسرعة. في القرن الماضي ، استخدمت قاعدة الخمسة ليبينسكي (Ro5) لتكون بمثابة "ضوء إرشادي" لتصميم الجزيء الشبيه بالعقاقير للتسليم عن طريق الفم في المساحة المستهدفة "التقليدية" للدواء.

على النقيض من ذلك ، فإن أنواعًا جديدة من الأهداف ، مثل تفاعلات البروتين والبروتين ، والأهداف ذات مناطق التلامس الكبيرة ، وتفاعلات البروتين والحمض النووي ، وأهداف الجيل التالي ، مثل استغلال آلية تحلل البروتين في الخلية ، تقود إلى ظهور مجموعة متنوعة من الطرائق الجزيئية ، أي ما وراء الجزيئات الصغيرة Ro5 (bRo5) (مثل مُعدِّلات تفاعل البروتين والبروتين ، والكيميرات المستهدفة للبروتين (PROTACs) ، والأجسام المضادة أحادية النسيلة (mAbs) ، والببتيدات ومقلدات الببتيد ، والطرائق القائمة على الحمض النووي (RNA و DNA- على أساس) ، أصبح التركيز الرئيسي في اكتشاف الأدوية.  

ذات صلة: "انفجار" الطرائق العلاجية: الجزيئات الصغيرة وعلم الأحياء وكل شيء بينهما,

على سبيل المثال ، هناك عدد متزايد من الشركات التي تطبق أساليب الذكاء الاصطناعي لاكتشاف أجسام مضادة وحيدة النسيلة جديدة - أكثر الطرق البيولوجية نجاحًا تجاريًا حتى الآن. والجدير بالذكر ، في أبريل 2022 ، أعلنت شركة Biolojic Design ومقرها إسرائيل عن أول جسم مضاد مصمم بطريقة حسابية على الإطلاق. دخلت التجربة السريرية. تستفيد الشركة من استراتيجية تصميم قائمة على الهيكل. يتم تدريب نموذج الذكاء الاصطناعي الخاص بها على الملايين من أزواج الأجسام المضادة والمستضدات لتحديد الجسم المضاد النموذجي مقابل الهدف المطلوب من الأجسام المضادة البشرية الموجودة. يتم استخدام نموذج إضافي للتعلم الآلي للتنبؤ بالطفرات وتوجيه تحسين القالب لتحسين خصائصه. 

في تشرين الثاني (نوفمبر) 2022 ، أعلنت شركة AbCellera Biologics التي تتخذ من كندا مقراً لها أن Regeneron قد اختارت ممارسة حقها في تطوير أول مرشح للأجسام المضادة العلاجية من AbCellera الذي يستهدف مستقبلات G-protein مقترنة (GPCR) في مزيد من التطوير قبل السريري. الشراكة ، التي بدأت في مارس 2020 وتسمح بأربعة برامج اكتشاف اختارتها Regeneron ، تعزز محرك اكتشاف الأجسام المضادة القائم على الذكاء الاصطناعي من AbCellera وفئران VelocImmune® من Regeneron لتحديد الأجسام المضادة العلاجية الجديدة. 

تستخدم أكثر من عشرين شركة أخرى لاكتشاف الأجسام المضادة الذكاء الاصطناعي ، بما في ذلك AbSci و BigHat Biosciences و Totient و Nabla Bio و Generate Biomedicine ومقرها الولايات المتحدة. ديب بيولوجي ومقرها كندا ؛ NeoX ومقرها الصين ؛ CDR العميق الموجود في الاتحاد الأوروبي ، والجسم المضاد الطبيعي ، و MabSilico ، إلخ.  

تطبق شركة مقرها الولايات المتحدة تحمل اسمًا جذابًا Creyon Bio نهجًا هندسيًا لإنشاء أدوية جديدة تعتمد على قليل النوكليوتيد (OBMs). تأسست الشركة في عام 2019 وجمعت تمويلًا قدره 40 مليون دولار في مارس 2022. تأسست في عام 2014 كشركة تابعة لمختبر كولد سبرينغ هاربور ، وهي شركة مقرها نيويورك تركز على اكتشاف علاجات الحمض النووي الريبي. وفقًا لمهمتهم المعلنة ، فإنهم يهدفون إلى تقليل تعقيد البيانات الطبية الحيوية بمساعدة تقنيات AI / ML. في الآونة الأخيرة ، في أغسطس 2022 ، تلقوا منحة من المعهد الوطني للسرطان ، مما أدى إلى جمع تمويل إجمالي قدره 27.1 مليون دولار. 

تقنية SpliceCore التي تعتمد على الذكاء الاصطناعي من Envisagenics ، هي منصة قائمة على السحابة تم التحقق من صحتها تجريبياً للتنبؤ بأهداف الأدوية والعلامات الحيوية من خلال اكتشاف الربط من بيانات تسلسل الحمض النووي الريبي. وفقًا للشركة ، فهي تضمن دقة وسرعة أعلى مقارنة بالطرق التقليدية. 

تتحقق إستراتيجية Innophore المدعومة بالذكاء الاصطناعي لتصميم إنزيمات علاجية جديدة من خلال اقتران تقنية Catalophore ™ الحاصلة على براءة اختراع بنهج المعلوماتية الحيوية التقليدية والذكاء الاصطناعي. يمكن لـ Innophore استخراج قواعد البيانات الهيكلية والمتسلسلة باستخدام قوالب بحث ثلاثية الأبعاد تسمى "catalophores" (أي حامل الوظيفة التحفيزية) المحددة بواسطة السحب النقطية للسمات الفيزيائية والكيميائية. لا تشترك الإنزيمات الجديدة التي تم تحديدها بواسطة هذه التقنية بالضرورة في بنية مشتركة أو أساس تسلسل مع نظيراتها المستخدمة. لذلك ، من المحتمل أن تتميز بخصائص بروتينية متغيرة ، مثل الثبات الحراري والمتانة وطيف الركيزة والانتقائية والخصوصية. 

إلى جانب تصميم إنزيمات جديدة ، يمكن لتقنية Innophore أن تغير قواعد اللعبة للتطبيقات الوبائية ، وتحمي الطفرات الخطيرة المحتملة في الفيروسات. في عام 2021 ، بدأت شركة Innophore مشروع رصد الفيروسات بالتعاون مع مبادرة تطوير التشخيص لدى AWS. كان الهدف من هذا المشروع هو تنفيذ نظام رصد وتقييم للمتغيرات الناشئة عن فيروس كورونا المستجد (SARS-CoV-2). الورقة المشتركة الأولى ، نشرت في Nature في أغسطس 2022 ، يصف تحليل المعلومات الحيوية لمتغيرات SARS-CoV-2 التي تكشف عن تقارب ارتباط بمستقبل hACE2 أعلى لـ Omicron B.1.1.529 spike RBD مقارنة بمرجع من النوع البري.

يُظهر تتبع الفيروس المتطور بمرور الوقت باستخدام تقنية Innophore و AWS معدلًا مرتفعًا من الطفرات الناشئة عن متغير Omicron. تصور الكرات ذرات ألفا سي لبقايا الأحماض الأمينية المقابلة. يرتبط كل من اللون والحجم بعدد الطفرات في كل موضع.

تأسست شركة Evaxion Biotech ومقرها الدنمارك في عام 2008 ، وهي شركة مدفوعة بالذكاء الاصطناعي ، مكرسة لتطوير لقاحات ضد السرطان والأمراض المعدية. إنهم يمتلكون نظامًا أساسيًا لعلم المناعة بالذكاء الاصطناعي في المرحلة السريرية ، يجمع بين تقنية الذكاء الاصطناعي وخبراتهم الهندسية لإنشاء نماذج تنبؤية ، مما يساعد على تحديد العلاجات المناعية الفريدة للمرضى. اجتذبت Evaxion Biotech ما مجموعه 57 مليون دولار ، ودخلت جولة تمويل الأسهم بعد الاكتتاب العام في يونيو 2022 بقيمة 40 مليون دولار ، بقيادة مستثمر واحد لينكولن بارك كابيتال فاند. 

ذات صلة: 10 شركات تطبق الذكاء الاصطناعي لتصميم علم الأحياء

بعض شركات الذكاء الاصطناعي من "نادي الأساليب الكيميائية" ، مثل Exscientia ، تتوسع الآن في مجال اكتشاف البيولوجيا. في نوفمبر 2022 ، أعلنت الشركة أن منصتها للذكاء الاصطناعي ستتضمن تصميم الأجسام المضادة البشرية. تقوم Exscientia أيضًا بإنشاء مختبر بيولوجي مؤتمت في أكسفورد لتوليد أجسام مضادة جديدة وتشخيصها داخليًا.

هناك اتجاه متزايد نحو استغلال نظام تدهور البروتين في الخلايا البشرية للتخلص من البروتينات الخبيثة وعلاج الأمراض. إحدى الطرق التي تزداد شعبيتها هنا هي تحلل البروتينات الذي يستهدف الكيميرا (PROTAC) والذي تم تقديمه في عام 2001 ، ويتكون من ربيطين متصلين بواسطة رابط مرن. الهندسة الكيميائية الأساسية لبروتاك الحديثة هي نفسها: أحد الروابط يستهدف إنزيم E3 ، وهو مكون يرسل بروتينات قديمة إلى البروتوزوم ، ويستهدف ليجند آخر بروتينًا مهمًا (POI) يجب أن يتحلل. يربط PROTAC بين E3 و POI ، مما يجعلهما أقرب لتشكيل مجمع قرب مستحث. في بعض الحالات ، عندما تتحاذى البروتينات بشكل مناسب ، تنتشر النقطة المهمة في كل مكان ، مما يشير إلى تدهورها بواسطة البروتيازوم.

نهج واسع آخر لتدهور البروتين يتضمن ما يسمى "الغراء الجزيئي" ، وهي منطقة بحثية متنامية بنشاط. على عكس PROTACs ، لكونها جزيئات صغيرة ثنائية الوظيفة كبيرة نسبيًا مع موقعين نشطين ورابط ، فإن المواد اللاصقة الجزيئية هي جزيئات أصغر وأكثر شبهاً بالعقاقير. يرتبط الأخير بجيب البروتين الكلي الناتج عن اقتراب بروتينين منفصلين بسبب تأثير جزيء الغراء الجزيئي.

هناك موجة من الشركات داخل مجال تدهور البروتين (وعلى نطاق أوسع - التعديل) ، بما في ذلك ارفيناس, العلاجات Nurix, العلاجات Kymeraو C4 Therapeutics و Roivant Discovery و Cedilla Therapeutics و Lycia Therapeutics على سبيل المثال لا الحصر.

تطبق بعض الشركات خوارزميات ذكاء اصطناعي متطورة لتصميم مركبات تقرب. على سبيل المثال ، قامت النمسا و Celeris Therapeutics ومقرها الولايات المتحدة ببناء منصة Celeris One ، بما في ذلك ثلاثة أنظمة لمناطق العمل: Xanthos و Hephaistos و Hades. تتضمن الأنظمة الشبكات العصبية للرسم البياني للتنبؤ بالتفاعلات والنماذج التوليدية لإنشاء مادة كيميائية جديدة ، مثل الرابط الأمثل والأهداف المتعددة لتحسين الخصائص الجزيئية والديناميات الجزيئية وحسابات الطاقة الحرة. يستخدم سير العمل أيضًا قدرات التعلم الهندسي العميق والتعلم الآلي القائم على التعلم الآلي. تدير Celeris Therapeutics معملًا آليًا لتوليد بيانات الأحياء وإجراء تخليق كيميائي مخصص. 

سير عمل المختبر الجاف لمنصة Xanthos المدعومة بالذكاء الاصطناعي من Celeris Therapeutics.

لقد نشرنا مؤخرًا نظرة عامة واسعة على سوق تدهور البروتين في المنشور عوامل تحطيم البروتين تأخذ الصناعة عن طريق العاصفة، بما في ذلك العديد من دراسات الحالة مع نظرة عامة فنية على المنصات الحسابية المعنية. 

تنتقل الموجة الأولى من الأدوية المرشحة التي طورها الذكاء الاصطناعي إلى العلاج السريري

في حين أنه من المبكر القول إن تبني الذكاء الاصطناعي في صناعة المستحضرات الصيدلانية أحدث ثورة في اكتشاف الأدوية تمامًا ، تمكنت العديد من الشركات "الأصلية للذكاء الاصطناعي" من اكتساب كفاءة ملحوظة في بناء خطوط الأنابيب العلاجية بسرعة. ما هي إحدى السمات المشتركة لهذه الشركات؟ قام كل منهم ببناء نظام أساسي متخصص ومتكامل للغاية للذكاء الاصطناعي ، بما في ذلك العديد من النماذج ومصادر البيانات. تتوفر أيضًا بعض الأنظمة الأساسية كبرنامج كخدمة لشركاء البحث والتطوير الخارجيين ، مثل Chemistry42.

أحد الأمثلة الأكثر وضوحًا للاستفادة من استراتيجية "الرقمية أولاً" التي شهدتها الصناعة هو Moderna Therapeutics ، التي لم تتمكن فقط من دمج تحليلات الذكاء الاصطناعي المتطورة في أبحاثها بل تم تحويلها إلى رقمية ودمج كل جانب من جوانب سير عمل البحث والتطوير ، بما في ذلك الإنتاج والتوزيع. عندما ضرب جائحة COVID-19 العالم في بداية عام 2020 ، كانت شركة Moderna من بين الشركات الأولى التي تمكنت من ابتكار لقاح فعال قائم على mRNA في غضون يومين فقط (!) وطرحه في السوق في غضون عام واحد. .  

تظهر موجة من نجاحات اكتشاف العلاجات التي تم تمكينها بواسطة الذكاء الاصطناعي قدرة الشركات الأصلية للذكاء الاصطناعي على ابتكار أدوية مرشحة بشكل أسرع مما كانت تستخدمه عادةً لبرامج مماثلة. 

المزيد "خارطة الطريق لمرشحي الأدوية المصممة بواسطة منظمة العفو الدولية ،"

تم تطوير الجسم المضاد أحادي النسيلة من AbCellera LY-CoV555 في غضون ثلاثة أشهر وحصل على إذن للاستخدام الطارئ من قبل إدارة الغذاء والدواء. 

ساعد الرسم البياني المعرفي لشركة BenevolentAI الشركة على تحديد Baricitinib كمضاد فعال لفيروسات COVID-19 في غضون أيام (تمت الموافقة عليه الآن للاستخدام من قبل إدارة الغذاء والدواء). تم تطوير جزيء صغير آخر BEN-8744 ، وهو مثبط جديد لعلاج التهاب القولون التقرحي والتهاب الجلد ، إلى الدراسات قبل السريرية المتأخرة في غضون أقل من 24 شهرًا. 

مثبط الجزيء الصغير EXS-21546 من Exscientia كان أول جزيء مصمم بالذكاء الاصطناعي لعلم الأورام المناعي يدخل التجارب السريرية البشرية (الآن في المرحلة الأولى) وتم اكتشافه في ثمانية أشهر فقط. تمتلك الشركة العديد من الجزيئات الأخرى في التجارب السريرية. 

تم تصميم مثبط الجزيء الصغير ISM001-055 من Insilico Medicine لعلاج التليف الرئوي مجهول السبب ، وتم تطويره في الدراسات قبل السريرية المتأخرة في غضون 18 شهرًا (الآن في المرحلة الأولى).  

طور شرودينجر ومقره نيويورك جزيء صغير SGR-1505 لعلاج سرطان الغدد الليمفاوية للخلايا البائية في غضون عشرة أشهر وهو الآن في طور تطبيق IND. 

طورت شركة Recursion Pharmaceuticals ومقرها مدينة سالت ليك سيتي عقارًا مرشحًا لمرض نادر غير محدد في غضون 18 شهرًا. تمتلك الشركة مجموعة كبيرة ومتنوعة من الأدوية المرشحة قبل السريرية والسريرية المصممة بمساعدة منصة البيولوجيا الرقمية الخاصة بها. 

استخدمت شركة Deep Genomics ومقرها تورونتو منصتها AI Workbench لتطوير هدف وراثي جديد ومرشح لعقار قليل النوكليوتيد DG12P1 لعلاج مرض ويلسون الوراثي النادر.

لتتبع الأدوية السريرية المرشحة الرائدة التي طورناها الذكاء الاصطناعي ، أنشأنا "خارطة الطريق لمرشحي الأدوية المصممة بواسطة منظمة العفو الدولية ،" والتي سيتم تحديثها بانتظام. 

وتجدر الإشارة إلى أن اهتمام وسائل الإعلام المستمر بالذكاء الاصطناعي لاكتشاف الأدوية يجب أن يُنظر إليه من خلال الحذر. على سبيل المثال ، عانت خطة BenevolentAI للتخلي عن ترخيص لعقار التهاب الجلد التأتبي ، BEN-2293 ، من انتكاسة حيث فشل مثبط Pan-Trk المدعوم بالذكاء الاصطناعي في تحسين أعراض الأكزيما أو الحكة في تجربة المرحلة 2 أ. كانت الشركة قد حددت سابقًا كينازات مستقبلات التروبوميوسين (Trk) كوسيط للحكة والالتهاب في التهاب الجلد التأتبي ، مما يؤدي إلى تطوير مثبطات Trk. على الرغم من أن BEN-2293 أظهر اتجاهًا نحو تأثير ذي مغزى سريريًا في تجربة المرحلة 1 ب ، كشفت تجربة المرحلة 2 أ أنه لم يكن أفضل من العلاج الوهمي في تحسين شدة الأكزيما أو الحكة. تثير النتيجة أسئلة حول النظام الأساسي الذي يدعم الذكاء الاصطناعي والذي اقترح النهج. على الرغم من النكسة ، لم تستسلم BenevolentAI لعقار مرشح ، مستشهدة بأدلة على أن العلاج كان يؤدي بشكل أفضل في المرضى الذين يعانون من نطاق أكبر من المرض في الأساس. تقوم الشركة حاليًا بمراجعة البيانات قبل تحديد خطواتها التالية.

أكثر عشرين شركة "إنتاجية" للذكاء الاصطناعي في مجال اكتشاف الأدوية

بعد أن أدرجنا في القائمة المختصرة حوالي 130 شركة من أكثر من 380 شركة للذكاء الاصطناعي في تقرير BiopharmaTrend AI ، قمنا باختيار 20 شركة أخرى - باستخدام صيغة تقييم بسيطة ولكنها قوية مع مراعاة خطوط الأنابيب السريرية وما قبل السريرية للشركات ، والقدرة على اكتشاف الهدف ، والوقت في الاعمال. شكلت الشركات العشرين المختارة BPT20: الذكاء الاصطناعي في مؤشر إنتاجية اكتشاف الأدوية - النقطة المرجعية الأولى في الصناعة لتسليط الضوء على الشركات التي تناصر تطبيق الذكاء الاصطناعي لتصميم عقار دي نوفو ، أو الفحص الافتراضي ، أو إعادة استخدام الأدوية. 

الذكاء الاصطناعي ومختبرات المستقبل الآلية

تعد نماذج التعلم العميق (على سبيل المثال ، المستندة إلى الشبكات العصبية العميقة) "متعطشة للبيانات" للغاية ، مما يعني أنه بغض النظر عن مدى جودة الذكاء الاصطناعي ، فإن جودة البيانات وحجمها مهمان بنفس القدر للتنبؤات البحثية الهادفة. الطريقة الأكثر فاعلية لتوليد بيانات بيولوجية عالية الجودة هي استخدام الروبوتات. إذا أخذنا في الاعتبار التحول الحديث المدفوع بالذكاء الاصطناعي لاكتشاف الأدوية كعملية خطوة بخطوة ، ومتاحة على نطاق واسع وفعالة من حيث التكلفة نسبيًا.ستكون obotics-as-a-service هي القطعة الأخيرة والحاسمة في تمكين الذكاء الاصطناعي تصنيع البحوث الدوائية والتكنولوجيا الحيوية. وفقًا لتقرير صادر عن Arctoris ، "الروبوتات هي المفتاح للسماح لنموذج اكتشاف الحلقة المغلقة بأن يصبح حقيقة - والتي ستكون مساحة مثيرة للمشاهدة على مدار السنوات القادمة." 

تقوم بعض الشركات ببناء مرافق مختبرية موحدة ومؤتمتة للغاية وقابلة للتطوير ومتوافقة بشكل متزايد تسترشد بأنظمة التحكم في التجارب المستندة إلى الذكاء الاصطناعي وتستكمل بقدرات استخراج البيانات والتحليلات القائمة على الذكاء الاصطناعي. أصبحت مرافق مختبر "الجيل التالي" هذه متاحة عن بُعد لمختصي أبحاث الأدوية قبل السريرية ، مما يجعل التجارب قبل السريرية روتينًا أكثر قابلية للتطوير وموحدة. مقدمي المختبرات البعيدة الرائدين في القائمة هم Automata Labs و Strateos و Emerald Labs و Culture Biosciences ، على سبيل المثال لا الحصر. 

تجذب المساحة التمويل الاستثماري والعملاء. على سبيل المثال ، في فبراير 2022 ، جمعت شركة Automata Labs ومقرها المملكة المتحدة 50 مليون دولار لأتمتة عملية البحث المعملية. في يوليو 2021 ، جمعت Strateos 56 مليون دولار لمواصلة تحسين نظامها الأساسي SmartLab وتقنيتها الآلية الآلية عن بُعد ، والمتاحة للباحثين قبل السريرية في جميع أنحاء العالم. جمعت شركة Culture Biosciences أكثر من 100 مليون دولار أمريكي ، مع الإعلان عن أحدث سلسلة B بقيمة 80 مليون دولار أمريكي في نوفمبر 2021. وقد جمعت Emerald Cloud Labs (ECL) ومقرها سان فرانسيسكو أكثر من 90 مليون دولار أمريكي على مر السنين. المستخدمون الأوائل لمنصة إزالة ECL الروبوتية أبلغت عن 300٪ إلى 700٪ تحسينات في إنتاجية البحث. في يونيو 2022 ، جمعت شركة MegaRobo ومقرها بكين 300 مليون دولار لتوسيع مجموعتها المتنوعة من خدمات المختبرات الآلية عن بُعد والمرافق الآلية التي تعمل بالذكاء الاصطناعي. 

يعد ظهور المختبرات الآلية عن بُعد اتجاهًا صناعيًا طويل الأجل ، وطريقة جديدة لتقديم خدمات الأبحاث التعاقدية التي ستكون مفيدة للغاية لاعتماد استراتيجيات بحثية تركز على البيانات "الذكاء الاصطناعي أولاً" على المدى الطويل. 

تقترب العديد من شركات اكتشاف الأدوية التي تعتمد على الذكاء الاصطناعي ، مثل Arctoris و Recursion Pharmaceuticals و Insitro و Generative Bio ، من هذا الاتجاه من خلال نموذج عمل مختلف - لقد قاموا ببناء مرافق مختبرات آلية داخلية لتحسين قدرات توليد البيانات الداخلية لتدريبهم. نماذج الذكاء الاصطناعي وبناء خطوط الأنابيب للعقاقير العلاجية المرشحة.

على سبيل المثال ، قامت شركة Arctoris ومقرها أكسفورد ، والتي تأسست في عام 2016 ، ببناء مختبر رطب مؤتمت بالكامل ينتج بيانات عالية الجودة على نطاق واسع ، ويغذي بحيرة بيانات Arctoris ويدعم منصة اتخاذ القرار التي تعتمد على الذكاء الاصطناعي في الشركة Ulysses والتي تدعم أبحاث الشركة من الهدف هو الوصول ، والقيادة ، ومرحلة تطبيق IND.  

يشمل خط أنابيب Arctoris الآن العديد من البرامج قبل السريرية في علم الأورام وعلم الأعصاب. جمعت Arctoris ما مجموعه 10.3 مليون دولار في عدة جولات من المستثمرين ، بما في ذلك Future Planet Capital و RT Ventures و Formic Ventures. 

تقوم بعض الشركات الرائدة في مجال اكتشاف العقاقير بالذكاء الاصطناعي ، مثل Exscientia و Insilico Medicine ، ببناء مختبرات آلية داخلية لبناء "عضلات" توليد البيانات الداخلية. 

تعتبر شركة Recursion Pharmaceuticals ومقرها مدينة سولت ليك من بين الشركات الرائدة في مجال تجريب البيولوجيا الآلية. البنية التحتية القائمة على الذكاء الاصطناعي للشركة ، والتي تسمى نظام التشغيل العودي ، هي عبارة عن نظام حلقة مغلقة متكاملة تجمع بين إنشاء البيانات الداخلية الخاصة والأدوات الحسابية المتقدمة لتوليد رؤى جديدة لبدء أو تسريع البرامج العلاجية. تقوم الشركة بأتمتة تجارب البيولوجيا قبل السريرية على نطاق واسع. على سبيل المثال ، تلتقط الصور المجهرية الخلوية التغييرات المركبة في التشكل الخلوي وتتم معالجتها بواسطة أنظمة الرؤية الحاسوبية التي تعمل بالذكاء الاصطناعي في الشركة. منذ عام 2017 ، ضاعفت Recursion Pharmaceuticals تقريبًا قدرة منصة علم الظواهر كل عام وزادت عدد التجارب الفينومية المنفذة إلى 2.2 مليون كل أسبوع ، مما أدى إلى 19 بيتابايت من البيانات عالية الأبعاد الملكية.

التغلب على اختناقات التجارب السريرية باستخدام الذكاء الاصطناعي

تعد التجربة السريرية مرحلة حرجة في سير عمل تطوير الأدوية ، بمتوسط ​​معدل نجاح يقدر بحوالي 11% لمرشحي الأدوية الذين ينتقلون من المرحلة الأولى نحو الموافقة. حتى لو كان الدواء المرشح آمنًا وفعالًا ، فقد تفشل التجارب السريرية بسبب التمويل غير الكافي أو التسجيل غير الكافي أو تصميم الدراسة السيئ. 

الذكاء الاصطناعي (AI) يُنظر إليه بشكل متزايد على أنه مصدر للفرص لتحسين الكفاءة التشغيلية للتجارب السريرية وتقليل تكاليف التطوير الإكلينيكي. عادةً ما يقدم بائعو الذكاء الاصطناعي خدماتهم وخبراتهم في ثلاثة مجالات رئيسية. تساعد الشركات الناشئة في مجال الذكاء الاصطناعي في المجال الأول على فتح المعلومات من مصادر بيانات متباينة ، مثل الأوراق العلمية والسجلات الطبية وسجلات الأمراض وحتى المطالبات الطبية ، من خلال تطبيق معالجة اللغة الطبيعية (NLP). يمكن أن يدعم ذلك تجنيد المرضى والتقسيم الطبقي ، واختيار الموقع ، وتحسين تصميم الدراسة السريرية وفهم آليات المرض. على سبيل المثال ، تفشل حوالي 18٪ من الدراسات السريرية بسبب عدم كفاية التوظيف ، مثل دراسة 2015 وذكرت.

جانب آخر من جوانب النجاح في التجارب السريرية هو تحسين التقسيم الطبقي للمرضى. نظرًا لأن مرضى التجارب باهظون - كان متوسط ​​تكلفة تسجيل مريض واحد $ 15,700-26,000 في عام 2017 - من الضروري أن تكون قادرًا على التنبؤ بالمريض الذي سيكون له فائدة أو مخاطر أكبر من العلاج. تعمل الشركات التي تعتمد على الذكاء الاصطناعي مع أنواع بيانات متعددة ، مثل السجلات الصحية الإلكترونية (EHR) ، وبيانات omics ، وبيانات التصوير ، لتقليل عدم تجانس السكان وزيادة قوة الدراسة السريرية. يمكن للبائعين استخدام المؤشرات الحيوية للكلام لتحديد تطور المرض العصبي ، أو تحليلات التصوير لتتبع تقدم العلاج ، أو المؤشرات الحيوية الجينية لتحديد المرضى الذين يعانون من أعراض أكثر حدة.

يعمل الذكاء الاصطناعي أيضًا على تبسيط العمليات التشغيلية للتجارب السريرية. يساعد بائعو الذكاء الاصطناعي في تتبع صحة المرضى من منازلهم ، ومراقبة الاستجابة للعلاج ، والتزام المريض بإجراءات التجربة. من خلال القيام بذلك ، تقلل شركات الذكاء الاصطناعي من مخاطر تسرب المرضى ، وهو ما يمثل 30% في المتوسط. عادة ، تتطلب مرحلة الدراسة السريرية المرحلة 3 1000-3000 المشاركين ، مع جزء منهم يتناولون دواءً وهميًا. هذا هو السبب في تطوير أذرع التحكم الاصطناعية - قد تصبح نماذج الذكاء الاصطناعي التي يمكن أن تحل محل مجموعات التحكم في العلاج الوهمي للأفراد ، وبالتالي تقليل عدد الأفراد المطلوبين للتجارب السريرية ، اتجاهًا جديدًا.

هناك أكثر من 80 شركة في جميع الفئات الثلاث ، وفقًا لتقرير BiopharmaTrend AI ، بما في ذلك Owkin و PathAI و GNS Healthcare و Neurcuit و AICure و Unlearn.ai. 

ذات صلة: 8 شركات بارزة في مجال الذكاء الاصطناعي في مجال البحوث السريرية يجب مراقبتها في عام 2022

الطلب على منصات التجارب السريرية التي تدعم الذكاء الاصطناعي مرتفع ، فضلاً عن الاستثمارات في هذا المجال ، على الرغم من مناخ الاستثمار العام البارد في التكنولوجيا الحيوية. 

في مارس 2022 ، حصلت ConcertAI على تقييم بقيمة 1.9 مليار دولار أمريكي بعد إجراء جولة مصرفية بقيمة 150 مليون دولار من سلسلة C لتوسيع نطاق حلول البرمجيات والبيانات الواقعية (RWD) لأبحاث السرطان. 

Saama هي شركة مقرها في Silicon Valley تأسست في عام 1997 ، لكنها جمعت رأس مالها الاستثماري الأول في عام 2015. جمعت الشركة أكثر من 500 مليون دولار من رأس المال الاستثماري ، بما في ذلك أحدث جولة ضخمة بقيمة 430 مليون دولار في أغسطس 2022 - من كارلايل و صناديق الاستثمار من شركة Merck و Pfizer و Amgen و McKesson وغيرها.

Saama هو أحد اللاعبين الرائدين في مجال تحليلات التجارب السريرية المدعومة بالذكاء الاصطناعي ، ويقدم مجموعة متنوعة من الحلول: التجارب السريرية المعجلة عبر تحليلات البيانات المركزية ومركز التحكم ، بما في ذلك إمكانات معالجة البيانات في الوقت الفعلي ؛ قدرات جودة البيانات المؤتمتة ؛ تبسيط قدرات التقديم التنظيمية ، بما في ذلك تحليلات التيقظ الدوائي والتقديمات.  

في أبريل 2022 ، جمعت شركة Unlearn.AI ، وهي شركة ناشئة تعمل على تطوير خدمة "رقمية مزدوجة" للتجارب السريرية ، 50 مليون دولار.   

في يونيو 2022 ، بريستول مايرز سكويب استثمرت $ 80 مليون في OWKIN - للمساعدة في تحسين تصميم تجارب الأدوية القلبية الوعائية ، مع إدخال تحسينات على التعريفات النهائية ، وتحديد المجموعات الفرعية للمرضى ، وتقدير آثار العلاج. يستفيد OWKIN "يونيكورن" ومقره باريس ونيويورك من الوصول إلى البيانات متعددة الوسائط عالية الجودة والتعلم الآلي الحديث للتنبؤ بدقة بتأثيرات العلاج المختلفة على المجموعات الفرعية للمرضى لتحسين تصميم التجارب السريرية ونتائجها. تطبق OWKIN أيضًا منصة الذكاء الاصطناعي الخاصة بها لاكتشاف الأدوية. 

في أغسطس 2022 ، أعلنت شركة Bristol Myers Squibb أيضًا عن اتفاقية تعاون موسعة متعددة السنوات مع اختصاصي أمراض الذكاء الاصطناعي PathAI. سيركز العمل الأولي ضمن هذه الاتفاقية الموسعة على الأبحاث التحويلية الرئيسية في علم الأورام والتليف والمناعة ، مع الهدف العام المتمثل في إعادة توجيهها إلى التجارب السريرية. قبل شهرين ، أبرمت PathAI شراكة إستراتيجية متعددة السنوات مع GlaxoSmithKline لتسريع البحث العلمي وبرامج تطوير الأدوية في علم الأورام والتهاب الكبد الدهني غير الكحولي (NASH) من خلال الاستفادة من تقنيات PathAI في علم الأمراض الرقمي ، بما في ذلك استخدام أداة PathAI AIM-NASH.  

وتجدر الإشارة إلى علم الجينوم Akkure في دبلن أعلنت للتو قامت بتمويل جماعي بقيمة مليون يورو في أسبوع واحد لدعم التجارب السريرية عبر منصة الذكاء الاصطناعي الخاصة بها ، والتي تساعد الأشخاص على المشاركة في التجارب السريرية الأكثر صلة بناءً على بيانات عن أنفسهم وحالتهم.

الذكاء الاصطناعي في صناعة البحوث التعاقدية

إن ظهور شركات أبحاث تعاقدية جديدة تعمل بالذكاء الاصطناعي في مساحات ما قبل السريرية والسريرية يتحدى الوضع الراهن لمنظمات الأبحاث التعاقدية الراسخة (CROs). يستجيبون من خلال دمج الذكاء الاصطناعي في عروض خدماتهم للأدوية أو الشراكة مع شركات الذكاء الاصطناعي لاستكمال قدراتهم البحثية. 

ذات صلة: صناعة التعهيد الخارجي للبحث والتطوير في مجال الأدوية الصيدلانية: نظرة شاملة. 

على سبيل المثال ، تشارلز ريفر لابز Charles River Labs ، وهي منظمة أبحاث تعاقدية في مراحل مبكرة مقرها الولايات المتحدة ، تتعمق أكثر في الذكاء الاصطناعي من خلال إنشاء شراكة متعددة السنوات مع Valo Health. يضيف تشارلز ريفر تقنية Opal الخاصة بشركة Valo والتي تتعلم بنشاط أثناء تطوير البرامج. يأمل Charles River أن يؤدي استخدامه لمنصة التعلم العميق Opal إلى عملية أسرع وأكثر فعالية من تصميم جزيئات de novo من خلال تحسين الرصاص. في العام الماضي ، أنشأ Charles River a شراكة استراتيجية مع Valence Discovery التي أتاحت لعملاء CRO الوصول إلى منصة الذكاء الاصطناعي من Valence للتنبؤ بالخصائص الجزيئية والكيمياء التوليدية وتحسين العوامل المتعددة.

تستثمر IQVIA في قدرات الذكاء الاصطناعي لسنوات لإضافة قيمة إلى التجارب السريرية والأنشطة التجارية التي تقدمها للعملاء. لتحسين التجارب السريرية ، على سبيل المثال ، IQVIA أطلقت Avacare Clinical Research Network ™ في عام 2020 ، والتي سمحت للمواقع بمطابقة المرضى للتجارب بشكل أسرع وأكثر كفاءة. يتم تشغيل النظام الأساسي بواسطة خوارزميات الذكاء الاصطناعي ويمكن أن يعمل في 19 منطقة مرضية. في وقت سابق ، فازت منصة معالجة اللغات الطبيعية (NLP) التابعة لشركة IQVIA بجوائز Questex's Fierce Innovation لعام 2019. يمكن أن يكون للمنصة تطبيقات واسعة في مجال الرعاية الصحية وعلوم الحياة ، بما في ذلك تحديد الهدف ورسم خرائط الجينات والتنبؤ بنتائج المرضى وما إلى ذلك.

هناك اتجاه كبير في صناعة البحوث السريرية قيد التشغيل التجارب السريرية الافتراضية، وهو سوق بقيمة 8 مليارات دولار. أجبر جائحة COVID-19 شركات الأدوية على التحول إلى المراقبة عن بعد ، وتحسين تسجيل المرضى ، وتطبيقات لتتبع مشاركة المريض ، والتطبيب عن بعد ، واللامركزية ، وغيرها من الإجراءات لمواصلة التجارب. منذ أن نما الطلب على مثل هذه الحلول بشكل كبير ، سارعت منظمات CROs لإضافة قدرات افتراضية ولامركزية إلى عروض خدماتهم. أثبتت تقنية الذكاء الاصطناعي أنها لا تقدر بثمن في إنشاء مثل هذه المشاريع وتشغيلها للمساعدة في تجميع البيانات وتسريع عمليات التجارب السريرية. 

يسعى عمالقة التكنولوجيا وراء اكتشاف الأدوية والتكنولوجيا الحيوية

إن النجاحات المذكورة سابقًا لـ DeepMind و Meta من Alphabet في حل ألغاز أبحاث البيولوجيا الأساسية ، مثل التنبؤ بهياكل البروتين على نطاق واسع باستخدام التعلم العميق ونماذج اللغة ، ليست سوى قمة جبل الجليد: فكل عملاق تقني رائد تقريبًا يعمل الآن في مجال علوم الحياة ، بطريقة ما. 

Alphabet (شركة أم لشركة Google) لديها عشرات الاستثمارات في مشاريع علوم الحياة ، بما في ذلك محرك البحث عن الكواشف القائم على الذكاء الاصطناعي BenchSci ، والذكاء الاصطناعي في الصين والفيزياء الكمومية في شركة اكتشاف الأدوية XtalPi ، وشركة الجينوم الشخصية 23andMe ، وتطوير الأدوية المدفوع بالذكاء الاصطناعي. يونيكورن أوكين على سبيل المثال لا الحصر. في عام 2021 ، أطلقت Alphabet بالتعاون مع DeepMind مختبرات Isomorphic Labs للتركيز على تطبيق الذكاء الاصطناعي لكسر علم الأحياء الأساسي واكتشاف الأدوية. 

بصرف النظر عن العديد من المشاريع والأنشطة الأخرى في مجال البحوث الصيدلانية والتكنولوجيا الحيوية ، تمتلك Alphabet كيانًا واسع النطاق ، Verily ، مخصص لعلوم الحياة و MedTech. 

تمتلك Microsoft ، وهي مطور برامج عالمي ، بصمة عميقة في علوم الحياة ، مع عشرات التعاون البحثي مع شركات الأدوية الكبرى ، مما يوفر البنى التحتية للتعامل مع البيانات الضخمة باستخدام نماذج التعلم الآلي واسعة النطاق. من بين أحدث مبادرات مايكروسوفت نموذج MoLeR، أداة جديدة يتم تطويرها من قبل فريق الكيمياء التوليدية بالشركة بالتعاون مع شركة Novartis. يستخدم نموذج MoLeR - على عكس الأدوات التوليدية الأخرى - التعلم العميق للتوصل إلى هياكل جديدة تعتمد على سقالة معينة تعمل كقاعدة أولية للعملية التوليدية. مثال آخر هو AI4Science، مشروع جديد لشركة Microsoft يجمع بين الكيمياء الحاسوبية ، وفيزياء الكم ، والتعلم الآلي ، والبيولوجيا الجزيئية ، وديناميكيات السوائل ، وهندسة البرمجيات لتحقيق رؤية لما يسمى بـ "النموذج الخامس" للعلم. 

ذات صلة: كيف تربح "التكنولوجيا الكبيرة" ببطء أسواق الأدوية 

شركة نشطة بشكل خاص في هذا السياق هي شركة منتجة للأجهزة لصناعة الألعاب وأجهزة الكمبيوتر الشخصية ، NVIDIA. أطلقت شركة التكنولوجيا هذه Clara Discovery ، وهي عبارة عن مجموعة من الأطر والتطبيقات ونماذج الذكاء الاصطناعي التي تتيح اكتشاف الأدوية المعجل بوحدة معالجة الرسومات ، مع دعم البحث في الجينوميات ، والبروتيوميات ، والفحص المجهري ، والفحص الافتراضي ، والكيمياء الحاسوبية ، والتصور ، والتصوير السريري ، و معالجة اللغة الطبيعية (NLP). وفي مارس 2022 ، قدمت الشركة Clara Holoscan MGX ™ ، وهي منصة لصناعة الأجهزة الطبية لتطوير ونشر تطبيقات الذكاء الاصطناعي في الوقت الفعلي على الحافة ، والمصممة خصيصًا لتلبية المعايير التنظيمية المطلوبة. تهدف Clara Holoscan إلى بنية مرجعية شاملة من الدرجة الطبية ، بالإضافة إلى دعم البرامج طويل الأجل ، لتسريع الابتكار في صناعة الأجهزة الطبية.

مستقبل الذكاء الاصطناعي في اكتشاف الأدوية: كل الأشياء "كمومية" 

تعتمد معظم أدوات البرمجيات المستخدمة لاكتشاف الأدوية وأبحاث البيولوجيا على الميكانيكا الجزيئية - تمثيل مبسط للجزيئات ، واختزالها بشكل أساسي إلى "كرات وعصي": ذرات وروابط بينها. بهذه الطريقة ، يكون الحساب أسهل ، لكن الدقة تتضرر بشكل كبير. للحصول على دقة كافية ، يتعين على المرء أن يأخذ في الحسبان السلوك الإلكتروني للذرات والجزيئات ، أي النظر في الجسيمات دون الذرية - الإلكترونات والبروتونات. هذا ما تدور حوله طرق ميكانيكا الكم (QM) - والنظرية ليست جديدة ، حيث يعود تاريخها إلى العقود الأولى من القرن العشرين.  

ومع ذلك ، فإن الأساليب الكمومية مكلفة للغاية من الناحية الحسابية - وحتى العقود الأخيرة ، كانت تشكل حاجزًا مانعًا لنظرية الكم للتأثير على الجانب العملي للأشياء. نظرًا للنمو الهائل لقوة الحوسبة المتاحة ، أصبحت طرق الكم أخيرًا أدوات قيمة في أيدي العلماء. 

تقوم العديد من الشركات بدمج التعلم الآلي ونظرية الكم لتحسين قدرات النمذجة لأنظمة اكتشاف الأدوية الخاصة بها بشكل كبير. على سبيل المثال ، قام العلماء في XtalPi ، وهي شركة تكنولوجيا مقرها الصين والولايات المتحدة بدعم من شركة Sequoia China و Tencent و Google ، ببناء منصة اكتشاف وتطوير الأدوية الرقمية الذكية (ID4) ، والتي تضم ميكانيكا الكم والذكاء الاصطناعي والأداء العالي. خوارزميات الحوسبة السحابية. يسمح ID4 بالتنبؤ بدقة عالية بالخصائص الفيزيوكيميائية والصيدلانية للعقاقير المرشحة ذات الجزيئات الصغيرة ، بالإضافة إلى الهياكل البلورية - العناصر الحاسمة في البحث والتطوير الدوائي.  

شركة أخرى تدفع هذا المجال إلى الأمام هي شركة أكيميا التي تتخذ من باريس مقراً لها. تركز الشركة على de novo ، التصميم القائم على الهيكل للجزيئات الشبيهة بالرصاص من خلال الجمع بين الذكاء الكمي والاصطناعي (AI). خوارزمية ميكانيكا إحصائية فريدة من نوعها مستوحاة من الكم تتنبأ بالتقارب بين المركب والهدف العلاجي بدقة و 10,000،XNUMX مرة أسرع من المنافسة. يمكن للذكاء الاصطناعي في أكيميا أن يولد مركبات بدقة متزايدة من خلال الحصول على ردود الفعل من متنبئ التقارب.

أخيرًا ، هناك شركة Pharmacelera ومقرها برشلونة ، وهي شركة حسابية تطبق نظرية الكم لتعزيز تصميم الأدوية من خلال حزمتين أساسيتين من البرمجيات: PharmScreen و PharmQSAR. تسمح الأداة الأولى بفحص افتراضي دقيق يعتمد على الترابط باستخدام خوارزمية محاذاة ترابط ثلاثية الأبعاد عالية الدقة تعتمد على مجالات التفاعل. يمكن أن تولد معدل تنوع أعلى بين العملاء المتوقعين من الأساليب والأدوات التقليدية. الأداة الثانية - PharmQSAR ، عبارة عن أداة ثلاثية الأبعاد لعلاقة الهيكل والنشاط الكمي (QSAR) التي تتيح مجموعة من مجالات التفاعل المتعددة لإجراء دراسات CoMFA / CoMSIA.

ذات صلة: 12 شركة تستخدم نظرية الكم لتسريع اكتشاف الأدوية

اتجاه آخر - أكثر مستقبلية - اتجاه تكنولوجي ، يستغل نظرية الكم ، ويتعامل مع إنشاء كمبيوتر كمي. مع عدة عقود من التقدم في نظرية الكم والتقدم المتزامن في العديد من مجالات البرمجيات والأجهزة ، فإننا أخيرًا ندخل عصر أجهزة الكمبيوتر الكمومية لتصبح قابلة للتطبيق عمليًا. 

بينما نحن في الأيام الأولى للحوسبة الكمومية ، تعمل العديد من الشركات بالفعل على دمج عناصر الحوسبة الكمومية في اكتشاف الأدوية الحاسوبية. 

على سبيل المثال ، شركة POLARISqb هي شركة مطورة مقرها المملكة المتحدة لأول برنامج لاكتشاف العقاقير في العالم تم تصميمه لأجهزة الكمبيوتر الكمومية ، ويجمع بين الذكاء الاصطناعي والنهج الكمي. في قلب تقنية POLARISqb ، توجد منصة تصميم الأدوية Tachyon ، والتي تُستخدم لتنفيذ أعمال التصميم الجزيئي الموزع عبر السحابة ، والتي تتم إدارتها بواسطة عملية آلية تتيح البحث في مكتبات كيميائية كبيرة أثناء تشغيل مشاريع متعددة بالتوازي. من خلال تطوير البرمجيات الاحتكارية للأنظمة الكمية ، تدعي الشركة أن بإمكانها تسريع تصميم الأدوية بشكل كبير والحصول على قيادات ذات جودة أعلى. بسبب "اللاأدرية" المتأصلة في نظام تاكيون ، يمكن أن يعمل في العديد من الأمراض والمؤشرات. 

Menten AI هي شركة كندية ناشئة تأسست في عام 2018 تعمل على تطوير منصة برمجية لتصميم البروتين بدعم من التعلم الآلي والحوسبة الكمومية. تستخدم الشركة خوارزميات تحسين الكم ، والتي تعتقد أنها يمكن أن تحسن بشكل كبير دقة اكتشاف الأدوية مع تقليل التكلفة ووقت التطوير.

لتلخيص هذا المنشور ، دعنا نشير إلى تنبؤ الدكتور كريستوفر سافوي ، المؤسس المشارك والرئيس التنفيذي في Zapata Computing ، وهي شركة برمجيات كمومية أمريكية ، حول أحدث الأبحاث في هذا المجال ، والتي عبر عنها في مقابلة من أجل BiopharmaTrend:

"الكم سيكون جزءًا من كل ، أو تقريبًا كل ، علوم البيانات وسير عمل التعلم الآلي في الأدوية الحيوية في المستقبل. أعتقد أنه سيكون جزءًا لا يتجزأ منه. إذا كان بإمكانك الحصول على نموذج أكثر دقة باستخدام تقنية الكم - فلماذا لا تفعل ذلك ، بعد كل شيء؟ "

النماذج اللغوية الكبيرة تخطو خطوات واسعة في اكتشاف الأدوية

يتم استخدام نماذج اللغات الكبيرة (LLMs) مثل ChatGPT الخاصة بـ OpenAI من قبل شركات التكنولوجيا الحيوية ، مثل الطب Insilico, البراءةو علم النفسللمساعدة في اكتشاف الأدوية.

شات جي بي تي يساعد العلماء على التفاعل مع الذكاء الاصطناعي وأدوات التعلم الآلي ، مما يجعل الوصول إلى البيانات أكثر سهولة. على سبيل المثال ، توظف Insilico Medicine ChatGPT للتفاعل مع منصة الاكتشاف المستهدفة ، PandaOmics ، بينما مؤسس Ainnocence لورونج ب. تتصور إصدارات متخصصة مثل Bio ChatGPT أو Med ChatGPT. تستخدم Exscientia LLMs لإنشاء تأكيدات آلية ومنظمة لرسوم بيانية المعرفة الخاصة بهم.

تعمل LLM أيضًا كمحركات بحث متقدمة في العلوم البيولوجية. جوجل و العقل العميقيوفر chatbot Med-PaLM إجابات للأسئلة الطبية ، بينما الخير يبدو متحمسًا بشأن ميزة المكون الإضافي لاسترداد ChatGPT ، والتي يمكن أن تساعد في تخصيص وظيفة الدردشة بناءً على بياناتهم الخاصة.

على الرغم من إمكانات LLM في اكتشاف الأدوية ، فإن بعض الشركات تحب شركة BioXcel Therapeutics، Inc. و  إنتيروم تظل حذرة بشأن اعتماد التكنولوجيا ، مشيرًا إلى مخاوف بشأن الدقة والخصوصية.

ما هو واضح ، فإن ظهور ChatGPT ونماذج الذكاء الاصطناعي التوليدية الأخرى ، مثل DeepMind's AlphaFold ، زاد الوعي بتطبيقاتها المحتملة في التكنولوجيا الحيوية ، مما شجع الشركات على استكشاف فوائدها في اكتشاف الأدوية وتطويرها.

المواضيع: اتجاهات الصناعة   

• محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
• PlatoData.Network Vertical Generative Ai. تمكين نفسك. الوصول هنا.
• أفلاطونايستريم. ذكاء Web3. تضخيم المعرفة. الوصول هنا.
• أفلاطون السيارات / المركبات الكهربائية ، كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
• BlockOffsets. تحديث ملكية الأوفست البيئية. الوصول هنا.
• المصدر https://www.biopharmatrend.com/post/615-pharmaceutical-artificial-intelligence-key-developments-in-2022/