فناوری جدیدی که توسط پروفسور هایپینگ لو و همکارانش توسعه یافته است از کاهش سرعت کشف دارو‌ها با استفاده از هوش مصنوعی خبر می‌دهد.
این مطالعه نشان می‌دهد هوش مصنوعی که DrugBAN نام دارد، می‌تواند پیش‌بینی کند که آیا داروی کاندید با مولکول‌های پروتئین هدف مورد نظر خود در داخل بدن انسان تداخل خواهد داشت یا خیر.
فناوری توسعه‌یافته توسط محققان شفیلد و آسترازنکا می‌تواند این کار را با دقت بیشتری انجام داده و بینش‌های مفیدی را برای کمک به دانشمندان به منظور درک نحوه تعامل دارو‌ها با شرکای پروتئینی خود در مولکولی ارائه دهد.
هوش مصنوعی این پتانسیل را دارد که بگوید آیا یک دارو با موفقیت با پروتئین مرتبط با سرطان درگیر می‌شود یا این که آیا یک داروی کاندید به اهداف ناخواسته در بدن متصل شده و منجر به عوارض جانبی نامطلوب برای بیماران می‌شود یا خیر.
هوش مصنوعی برای یادگیری زیرساخت‌های پروتئین‌ها در بدن انسان و همچنین زیرساخت‌های ترکیبات دارویی آموزش دیده است. این فناوری یاد می‌گیرد که چگونه این زیرساخت‌ها می‌توانند با یکدیگر تعامل داشته باشند و از آن برای پیش‌بینی در مورد نحوه احتمال رفتار دارو‌های جدید استفاده کنند. دکتر بینو جان، مدیر علوم داده، فارماکولوژی بالینی و علوم ایمنی در شرکت آسترازنکا گفت: یکی از موارد جدید DrugBAN تکیه آن بر یک شبکه توجه دوخطی است که به آن اجازه می‌دهد تا تعاملات را از زیرساخت‌های هر دو دارو و دارو بیاموزد. ما همچنین کد منبع را به صورت رایگان در دسترس عموم قرار داده‌ایم که امیدواریم از رویکرد‌های هوش مصنوعی بیشتری پشتیبانی کند که به تسریع کشف دارو ادامه می‌دهد.
کشف و توسعه دارو با استفاده از روش‌های سنتی، با زمان‌های طولانی توسعه و هزینه‌های هنگفت، می‌تواند بسیار دشوار باشد. با این حال فرآیند‌های کشف دارو پتانسیل تسریع قابل توجهی را دارند. با پیشرفت در هوش مصنوعی و فناوری دیجیتال، محققان در حال یافتن راه‌های جدیدی برای تعیین دقیق پروتئین‌هایی هستند که یک دارو ممکن است در بدن ما با آن‌ها تداخل داشته باشد.
این مطالعه نشان می‌دهد هوش مصنوعی که DrugBAN نام دارد، می‌تواند پیش‌بینی کند که آیا داروی کاندید با مولکول‌های پروتئین هدف مورد نظر خود در داخل بدن انسان تداخل خواهد داشت یا خیر.
فناوری توسعه‌یافته توسط محققان شفیلد و آسترازنکا می‌تواند این کار را با دقت بیشتری انجام داده و بینش‌های مفیدی را برای کمک به دانشمندان به منظور درک نحوه تعامل دارو‌ها با شرکای پروتئینی خود در مولکولی ارائه دهد.
هوش مصنوعی این پتانسیل را دارد که بگوید آیا یک دارو با موفقیت با پروتئین مرتبط با سرطان درگیر می‌شود یا این که آیا یک داروی کاندید به اهداف ناخواسته در بدن متصل شده و منجر به عوارض جانبی نامطلوب برای بیماران می‌شود یا خیر.
هوش مصنوعی برای یادگیری زیرساخت‌های پروتئین‌ها در بدن انسان و همچنین زیرساخت‌های ترکیبات دارویی آموزش دیده است. این فناوری یاد می‌گیرد که چگونه این زیرساخت‌ها می‌توانند با یکدیگر تعامل داشته باشند و از آن برای پیش‌بینی در مورد نحوه احتمال رفتار دارو‌های جدید استفاده کنند. دکتر بینو جان، مدیر علوم داده، فارماکولوژی بالینی و علوم ایمنی در شرکت آسترازنکا گفت: یکی از موارد جدید DrugBAN تکیه آن بر یک شبکه توجه دوخطی است که به آن اجازه می‌دهد تا تعاملات را از زیرساخت‌های هر دو دارو و دارو بیاموزد. ما همچنین کد منبع را به صورت رایگان در دسترس عموم قرار داده‌ایم که امیدواریم از رویکرد‌های هوش مصنوعی بیشتری پشتیبانی کند که به تسریع کشف دارو ادامه می‌دهد.
کشف و توسعه دارو با استفاده از روش‌های سنتی، با زمان‌های طولانی توسعه و هزینه‌های هنگفت، می‌تواند بسیار دشوار باشد. با این حال فرآیند‌های کشف دارو پتانسیل تسریع قابل توجهی را دارند. با پیشرفت در هوش مصنوعی و فناوری دیجیتال، محققان در حال یافتن راه‌های جدیدی برای تعیین دقیق پروتئین‌هایی هستند که یک دارو ممکن است در بدن ما با آن‌ها تداخل داشته باشد.
کد خبر ۲۰۱۰۱۱۱۱۸.۶۰۲
