دانشمندان چینی با استفاده از هوش مصنوعی (AI) و یکی از سریعترین ابررایانههای جهان، در حال مهندسی مواد شیمیایی ناشناختهای هستند که میتوانند در آینده از نظر بالینی استفاده شوند.
ابرکامپیوتر Tianhe-2 در استان گوانگدونگ در جنوب چین، که در میان ۱۰ رایانه برتر جهانی در فهرست ۵۰۰ برتر منتشر شده در این ماه قرار دارد، به عنوان بستری برای کشف دارو استفاده شده است. اکنون، الگوریتمهای مبتنی بر هوش مصنوعی، دستگاه را حتی هوشمندتر میکنند.
دانشمندان دانشگاه سان یات سن و استارتآپ هوش مصنوعی Galixir مستقر در پکن، به همراه دانشمندانی از موسسه فناوری جورجیا و موسسه فناوری ماساچوست، یک بسته ابزار یادگیری عمیق کاربردی را برای پیشبینی مسیرهای بیوسنتزی برای محصولات طبیعی (NPs) گزارش کردند.
محصولات طبیعی منبع اصلی کشف داروی بالینی هستند. بیش از ۶۰ درصد از داروهای مولکول کوچک مورد تایید FDA در ایالات متحده NP یا مشتقات آنها هستند.
بیش از ۳۰۰۰۰۰ NP تا به امروز ثبت شده است، اما با توجه به دانش پیچیده تولید، تنها یک دهم آن به عنوان یک بستر یا محصول توسعه یافته است و غربالگری به کمک رایانه ضروری است.
در مطالعه اخیر منتشر شده در Nature Communications، محققان ابزاری به نام BioNavi-NP برای پیشنهاد مسیرهای بیوسنتزی NP از بلوکهای ساختمانی ساده به روشی بهینه ارائه کردند که نیازی به قوانین بیوشیمیایی شناختهشدهای ندارد.
در مرحله اول، یک مدل پیشبینی بیو-رتروسنتز تک مرحلهای برای تولید پیشسازهای کاندید برای یک NP هدف آموزش داده میشود. بر اساس این مطالعه، مدل کامل مبتنی بر داده به دقت پیشبینی ۱.۷ برابر دقیقتر از مدل مبتنی بر قانون قبلی دست مییابد.
سپس، یک سیستم برنامهریزی مسیر بیوسنتز خودکار به طور موثر از مسیرهای بیوسنتزی قابل قبول نمونهبرداری میکند.
این مطالعه نشان می دهد که این جعبه ابزار می تواند مسیرهای بیوسنتزی را برای ۹۰.۲ درصد از ۳۶۸ ترکیب آزمایشی با موفقیت شناسایی کند.