فيما يعد ميزة إيجابية جديدة للذكاء الاصطناعي، طور العلماء في جامعة كاليفورنيا في سان دييغو خوارزمية للتعلم الآلي لمحاكاة التجارب البحثية الكيمياوية المستهلكة للوقت التي تحدث في بداية اكتشاف الأدوية، والتي يمكن أن تبسط العملية بشكل كبير وتفتح الأبواب لعلاجات غير مسبوقة للسرطان.
وفي الدراسة التى أجراها باحثون من جامعة كاليفورنيا في سان دييجو بأميركا، ونقل نتائجها موقع “يوريك ألرت” (EurekAlert) عن مجلة “نيتشر كومينكيشن” (Nature Communications)، استخدم الباحثون الأداة الجديدة، لتصميم 32 عقارا مرشحا لعلاج السرطان .
وتجرى آلاف التجارب لتحسين الأدوية المرشحة لتصبح علاجات، ويمكن لمنصة الذكاء الاصطناعي الجديدة أن تعطي نفس النتائج في وقت أقصر.
وتعد هذه التكنولوجيا جزءا من اتجاه جديد، ولكنه متنام في العلوم الصيدلانية لاستخدام الذكاء الاصطناعي لتحسين عملية اكتشاف الأدوية وتطويرها.
“أدوية موجهة بالذكاء الاصطناعي”
وقال المؤلف الرئيسي البروفيسور تري إيديكر، الأستاذ في قسم الطب الباطني في كلية الطب بجامعة كاليفورنيا في سان دييغو والأستاذ المساعد في الهندسة الحيوية وعلوم الحاسوب في كلية جاكوبس للهندسة بجامعة كاليفورنيا في سان دييغو: “لقد أصبح اكتشاف الأدوية الموجه بالذكاء الاصطناعي مجالا نشطا للغاية في الصناعة، ولكن على عكس الأساليب التي يتم تطويرها في الشركات، فإننا نجعل تقنيتنا مفتوحة المصدر ومتاحة لأي شخص يريد استخدامها”.
تعد المنصة الجديدة، والتي تسمى “بوليغون” (POLYGON)، منصة فريدة من نوعها بين أدوات الذكاء الاصطناعي المصممة لاكتشاف الأدوية حيث يمكنها تحديد الجزيئات التي تستهدف بروتينات متعددة، في حين أن بروتوكولات اكتشاف الأدوية الحالية تعطي الأولوية حاليا للعلاجات التي تعمل على هدف واحد. وتحظى الأدوية متعددة الأهداف باهتمام كبير بالنسبة للأطباء والعلماء بسبب قدرتها على تقديم نفس الفوائد التي يحققها العلاج المركب من أكثر من دواء.
وقد أشار الدكتور إيديكر إلى أن الأمر يستغرق سنوات عديدة وملايين الدولارات للعثور على دواء جديد وتطويره، خاصة إذا كنا نتحدث عن دواء له أهداف متعددة.
“جيل جديد من الطب الدقيق”
وأوضح أن الصدفة كانت وراء اكتشاف الأدوية القليلة متعددة الأهداف التي لدينا، ولكن هذه التكنولوجيا الجديدة يمكن أن تساعد في إخراج الصدف من المعادلة وإطلاق جيل جديد من الطب الدقيق.
ودرّب الباحثون بوليغون على قاعدة بيانات تضم أكثر من مليون جزيء معروف ونشط بيولوجيا وتحتوي على معلومات مفصلة حول خواصها الكيمياوية وتفاعلاتها.
ومن خلال التعلم من الأنماط الموجودة في قاعدة البيانات، يستطيع بوليغون إنشاء صيغ كيمياوية أصلية للأدوية المرشحة الجديدة والتي من المحتمل أن يكون لها خصائص معينة، مثل القدرة على تثبيط بروتينات معينة.
وقال إيديكر موضحا العمل الذي سيقوم به البرنامج: “تماما مثلما أصبح الذكاء الاصطناعي الآن جيدا جدا في إنشاء رسومات وصور أصلية، مثل إنشاء صور لوجوه بشرية بناء على الخصائص التي تطلب منه مثل العمر أو الجنس، فإن بوليغون قادر على توليد مركبات جزيئية أصلية تعتمد على الخصائص الكيمياوية المرغوبة”. وأشار إلى أنه في حالتنا هذه، بدلا من إخبار الذكاء الاصطناعي بالعمر الذي نريد أن يبدو عليه وجهنا، فإننا نخبره كيف نريد لدوائنا المستقبلي أن يتفاعل مع بروتينات المرض.
ولاختبار بوليغون، استخدمه الباحثون لإنتاج مئات من الأدوية المرشحة التي تستهدف أزواجا مختلفة من البروتينات المرتبطة بالسرطان.
ومن بين هذه الجزيئات، قام الباحثون بتركيب 32 جزيئا لها أقوى التفاعلات المتوقعة مع البروتينين “إم إي كيه 1″ (MEK1) و”إم تي أو آر” (MTOR)، وهما زوج من بروتينات الإشارة الخلوية التي تعد هدفا واعدا لعلاج السرطان، وتثبيط هذين البروتينين معا يكفي لقتل الخلايا السرطانية، حتى لو لم يكن تثبيط أحدهما بمفرده كافيا.
ورغم ما يستطيع الذكاء الاصطناعي القيام به، قال إيديكر: “لا يمكننا ولا ينبغي لنا أن نحاول استبعاد الخبرة البشرية من مسار اكتشاف الأدوية، ولكن ما يمكننا فعله هو اختصار بضع خطوات من العملية”.
