التكنولوجيا الحيوية تطبق الذكاء الاصطناعي والتعلم الآلي لتطوير الأدوية، مما قد يخلق عشرات الأدوية الجديدة وسوق بقيمة 50 مليار دولار خلال العقد المقبل.هذا ما يعنيه ذلك للمرضى والمستثمرين.
مقدمة:
بالنسبة لشركات التكنولوجيا الحيوية، معظم العملية التقليدية لاكتشاف أدوية جديدة هي تخمين مكلف.تساعد الشركات على استخدام مجموعات بيانات واسعة لتحديد علامات استجابة المرضى بسرعة وتطوير أهداف الدواء القابلة للحياة بشكل أرخص وكفء.
يمكن أن تكون النتائج تحويلية ليس فقط للمقدمين الطبيين والمرضى الذين يعانون من أمراض يصعب علاجها، ولكن لقطاع التكنولوجيا الحيوية: Morgan Stanley Research believes that modest improvements in early-stage drug development success rates enabled by the use of artificial intelligence and machine learning could lead to an additional 50 novel therapies over a 10-year period، والتي يمكن أن تترجم إلى أكثر من 50 مليار دولار فرصة.
تشكل التشخيصات التنبؤية ، التي تعززها البيانات ، فرصة كبيرة على المدى القريب لصناعة علوم الحياة ، كما يقول تيجاس سافانت.الذي يغطي أدوات علوم الحياة والتشخيص في مورغان ستانلي للبحوثومن المرجح أن يثير ذلك الاهتمام لدى المدفوعين، لأن هذه التجارب يمكن أن تولد نتائج أفضل.كما يمكنها تحقيق وفورات كبيرة في التكاليف من خلال تمكين التعرف المبكر وعلاج المرضى المعرضين لخطر أكبر.
لماذا تستخدم الذكاء الاصطناعي في اكتشاف المخدرات؟
الهدف الرئيسي من أبحاث اكتشاف الأدوية هو تحديد الأدوية التي تؤثر بشكل مفيد على الجسم، وبعبارة أخرى، يمكن أن تساعد في الوقاية من أو علاج مرض معين.
على الرغم من وجود عدة أنواع مختلفة من الأدوية، إلا أن العديد منها هي جزيئات صغيرة تم تصنيعها كيميائياً ويمكن أن تلتصق بشكل خاص بالجزيء المستهدف - عادة البروتين - المشارك في المرض.
للعثور على هذه الجزيئات، يقوم الباحثون تقليديًا بإجراء شاشات كبيرة من مكتبات الجزيئات لتحديد واحدة لديها القدرة على أن تصبح عقارًا.ثم يمرون بجولات عديدة من الاختبارات لتطوير هذا إلى مركب واعد.
في الآونة الأخيرة، أصبحت أساليب تصميم الأدوية أكثر عقلانية تستند إلى الهيكل شائعة بشكل متزايد.هذه تتجنب المراحل الأولية للفحص ولكن لا تزال تتطلب من الكيميائيين إنشاء أدوية جديدة محتملة من خلال تصميم، وتوليف وتقييم العديد من المركبات.
ولأن الهياكل الكيميائية غير معروفة بشكل عام، فهي تتمتع بالآثار البيولوجية المطلوبة والخصائص اللازمة لتصبح عقارًا فعالًا.يمكن أن تكون عملية تنقية مركب واعد إلى مرشح دواء مكلفة ومستهلكة للوقتأظهرت أحدث الأرقام أن تكلفة إدخال دواء جديد إلى السوق تصل الآن إلى 2.6 مليار دولار أمريكي.
بالإضافة إلى ذلك، حتى عندما يظهر مرشح دواء جديد إمكاناته في الاختبارات المعملية، فإنه قد يفشل عندما يتم نقله إلى التجارب السريرية.أقل من 10% من الأدوية المرشحة تصل إلى السوق بعد التجارب المرحلة الأولى.
بالنظر إلى ذلك، ليس من المستغرب أن يبحث الخبراء الآن عن إمكانات معالجة البيانات التي لا مثيل لها في أنظمة الذكاء الاصطناعي كوسيلة لتسريع وتقليل تكلفة اكتشاف الأدوية الجديدة.وفقاً لشركة أبحاث السوق " بيكريل "، الذكاء الاصطناعي لديه القدرة على توفير أكثر من 70 مليار دولار أمريكي في التوفير لعملية اكتشاف الأدوية بحلول عام 2028.
كيف يمكن تطبيق الذكاء الاصطناعي في اكتشاف المخدرات؟
The sheer size of the libraries used to screen for new drug candidates means it’s now practically impossible for individual researchers to review everything themselves - and that’s where AI and machine learning can help.
تسمح هذه التقنيات المتطورة للباحثين باستخرج رؤى مخفية من مجموعات بيانات ضخمة. فوائد القيام بذلك كثيرة:
هذه ليست سوى بعض المزايا المحتملة، بالنظر إلى نهاية مبكرة من خط اكتشاف الأدوية.
اكتشاف المخدرات بمساعدة الببتيد KS-V
ربط الببتيدات بالهدف وتحديد التركيبات المرتبطة، والاحتفاظ بالنتائج مع أفضل النتائج، والاستمرار في البحث عن تسلسلات أفضل بناءً على النتائج السابقة.تكرار العملية حتى لا تتغير النتيجة بشكل كبيرالجمع بين اكتشاف المخدرات بمساعدة الذكاء الاصطناعي مع أتمتة المختبرويمكن للتكنولوجيات الأخرى تعزيز عملية اكتشاف الأدوية من خلال زيادة كفاءتها وتقليل الوقت والتكاليف المرتبطة بها.
دراسة حالة اكتشاف المخدرات بمساعدة الببتيد KS-V AI:
التكنولوجيا الحيوية تطبق الذكاء الاصطناعي والتعلم الآلي لتطوير الأدوية، مما قد يخلق عشرات الأدوية الجديدة وسوق بقيمة 50 مليار دولار خلال العقد المقبل.هذا ما يعنيه ذلك للمرضى والمستثمرين.
مقدمة:
بالنسبة لشركات التكنولوجيا الحيوية، معظم العملية التقليدية لاكتشاف أدوية جديدة هي تخمين مكلف.تساعد الشركات على استخدام مجموعات بيانات واسعة لتحديد علامات استجابة المرضى بسرعة وتطوير أهداف الدواء القابلة للحياة بشكل أرخص وكفء.
يمكن أن تكون النتائج تحويلية ليس فقط للمقدمين الطبيين والمرضى الذين يعانون من أمراض يصعب علاجها، ولكن لقطاع التكنولوجيا الحيوية: Morgan Stanley Research believes that modest improvements in early-stage drug development success rates enabled by the use of artificial intelligence and machine learning could lead to an additional 50 novel therapies over a 10-year period، والتي يمكن أن تترجم إلى أكثر من 50 مليار دولار فرصة.
تشكل التشخيصات التنبؤية ، التي تعززها البيانات ، فرصة كبيرة على المدى القريب لصناعة علوم الحياة ، كما يقول تيجاس سافانت.الذي يغطي أدوات علوم الحياة والتشخيص في مورغان ستانلي للبحوثومن المرجح أن يثير ذلك الاهتمام لدى المدفوعين، لأن هذه التجارب يمكن أن تولد نتائج أفضل.كما يمكنها تحقيق وفورات كبيرة في التكاليف من خلال تمكين التعرف المبكر وعلاج المرضى المعرضين لخطر أكبر.
لماذا تستخدم الذكاء الاصطناعي في اكتشاف المخدرات؟
الهدف الرئيسي من أبحاث اكتشاف الأدوية هو تحديد الأدوية التي تؤثر بشكل مفيد على الجسم، وبعبارة أخرى، يمكن أن تساعد في الوقاية من أو علاج مرض معين.
على الرغم من وجود عدة أنواع مختلفة من الأدوية، إلا أن العديد منها هي جزيئات صغيرة تم تصنيعها كيميائياً ويمكن أن تلتصق بشكل خاص بالجزيء المستهدف - عادة البروتين - المشارك في المرض.
للعثور على هذه الجزيئات، يقوم الباحثون تقليديًا بإجراء شاشات كبيرة من مكتبات الجزيئات لتحديد واحدة لديها القدرة على أن تصبح عقارًا.ثم يمرون بجولات عديدة من الاختبارات لتطوير هذا إلى مركب واعد.
في الآونة الأخيرة، أصبحت أساليب تصميم الأدوية أكثر عقلانية تستند إلى الهيكل شائعة بشكل متزايد.هذه تتجنب المراحل الأولية للفحص ولكن لا تزال تتطلب من الكيميائيين إنشاء أدوية جديدة محتملة من خلال تصميم، وتوليف وتقييم العديد من المركبات.
ولأن الهياكل الكيميائية غير معروفة بشكل عام، فهي تتمتع بالآثار البيولوجية المطلوبة والخصائص اللازمة لتصبح عقارًا فعالًا.يمكن أن تكون عملية تنقية مركب واعد إلى مرشح دواء مكلفة ومستهلكة للوقتأظهرت أحدث الأرقام أن تكلفة إدخال دواء جديد إلى السوق تصل الآن إلى 2.6 مليار دولار أمريكي.
بالإضافة إلى ذلك، حتى عندما يظهر مرشح دواء جديد إمكاناته في الاختبارات المعملية، فإنه قد يفشل عندما يتم نقله إلى التجارب السريرية.أقل من 10% من الأدوية المرشحة تصل إلى السوق بعد التجارب المرحلة الأولى.
بالنظر إلى ذلك، ليس من المستغرب أن يبحث الخبراء الآن عن إمكانات معالجة البيانات التي لا مثيل لها في أنظمة الذكاء الاصطناعي كوسيلة لتسريع وتقليل تكلفة اكتشاف الأدوية الجديدة.وفقاً لشركة أبحاث السوق " بيكريل "، الذكاء الاصطناعي لديه القدرة على توفير أكثر من 70 مليار دولار أمريكي في التوفير لعملية اكتشاف الأدوية بحلول عام 2028.
كيف يمكن تطبيق الذكاء الاصطناعي في اكتشاف المخدرات؟
The sheer size of the libraries used to screen for new drug candidates means it’s now practically impossible for individual researchers to review everything themselves - and that’s where AI and machine learning can help.
تسمح هذه التقنيات المتطورة للباحثين باستخرج رؤى مخفية من مجموعات بيانات ضخمة. فوائد القيام بذلك كثيرة:
هذه ليست سوى بعض المزايا المحتملة، بالنظر إلى نهاية مبكرة من خط اكتشاف الأدوية.
اكتشاف المخدرات بمساعدة الببتيد KS-V
ربط الببتيدات بالهدف وتحديد التركيبات المرتبطة، والاحتفاظ بالنتائج مع أفضل النتائج، والاستمرار في البحث عن تسلسلات أفضل بناءً على النتائج السابقة.تكرار العملية حتى لا تتغير النتيجة بشكل كبيرالجمع بين اكتشاف المخدرات بمساعدة الذكاء الاصطناعي مع أتمتة المختبرويمكن للتكنولوجيات الأخرى تعزيز عملية اكتشاف الأدوية من خلال زيادة كفاءتها وتقليل الوقت والتكاليف المرتبطة بها.
دراسة حالة اكتشاف المخدرات بمساعدة الببتيد KS-V AI:
