كيفية إعطاء الذكاء الاصطناعي "شعورًا داخليًا" بشأن الجزيئات التي ستصنع أفضل الأدوية

الحدس والذكاء الاصطناعي يشكلان زوجين غريبين.

من الصعب وصف الحدس. إنه ذلك الشعور الغريزي الذي ينخرك، حتى لو كنت لا تعرف السبب. نحن نبني حدسنا بشكل طبيعي من خلال الخبرة. المشاعر الغريزية ليست صحيحة دائمًا؛ لكنها غالبًا ما تتسلل إلى اللاوعي لدينا لتكملة المنطق والتفكير عند اتخاذ القرارات.

وعلى النقيض من ذلك، يتعلم الذكاء الاصطناعي بسرعة من خلال استيعاب الملايين من نقاط البيانات الصلبة والباردة، مما ينتج عنه نتائج تحليلية بحتة - وإن لم تكن معقولة دائمًا - بناءً على مدخلاته.

الآن، دراسة جديدة in طبيعة الاتصالات يتزوج الزوج الغريب، مما يؤدي إلى نظام التعلم الآلي الذي يجسد حدس الكيميائي لتطوير الأدوية.

من خلال تحليل التعليقات الواردة من 35 كيميائيًا في شركة نوفارتيس للأدوية ومقرها سويسرا، طور الفريق نموذجًا للذكاء الاصطناعي يتعلم من الخبرة البشرية في مرحلة صعبة للغاية من تطوير الأدوية: العثور على مواد كيميائية واعدة متوافقة مع بيولوجيتنا.

أولاً، استخدم الكيميائيون حدسهم لاختيار أي زوج كيميائي من بين 5,000 زوج لديه فرصة أكبر في أن يصبح دواءً مفيدًا. ومن هذه التعليقات، تعلمت شبكة عصبية اصطناعية بسيطة تفضيلاتها. عند تحديه بمواد كيميائية جديدة، أعطى نموذج الذكاء الاصطناعي لكل منها درجة تصنف ما إذا كانت تستحق مزيدًا من التطوير كدواء.

ومن دون أي تفاصيل عن الهياكل الكيميائية نفسها، سجل الذكاء الاصطناعي "بشكل حدسي" بعض المكونات الهيكلية، والتي غالبا ما توجد في الأدوية الموجودة، أعلى من غيرها. والمثير للدهشة أنه استحوذ أيضًا على خصائص غامضة لم تتم برمجتها بشكل واضح في محاولات النمذجة الحاسوبية السابقة. وبالاقتران مع نموذج الذكاء الاصطناعي التوليدي، مثل DALL-E، صمم الكيميائي الآلي عددًا كبيرًا من الجزيئات الجديدة كخيوط محتملة.

وكتب الفريق أن العديد من الأدوية المرشحة الواعدة كانت تعتمد على "المعرفة الجماعية".

هذه الدراسة عبارة عن تعاون بين شركة Novartis وشركة Microsoft Research AI4Science، ومقرها المملكة المتحدة.

أسفل حفرة الأرنب الكيميائية

معظم أدويتنا اليومية مصنوعة من جزيئات صغيرة، مثل تايلينول للألم، وميتفورمين لعلاج مرض السكري، ومضادات حيوية لمحاربة الالتهابات البكتيرية.

لكن العثور على هذه الجزيئات أمر مؤلم.

أولا، يحتاج العلماء إلى فهم كيفية عمل المرض. على سبيل المثال، يقومون بفك سلسلة التفاعلات الكيميائية الحيوية التي تسبب لك صداعًا شديدًا. ثم يجدون الحلقة الأضعف في السلسلة، والتي غالبًا ما تكون بروتينًا، ويصممون شكلها. فهي تحدد بدقة الزوايا والأركان التي يمكن للجزيئات أن تتكدس فيها لتعطيل وظيفة البروتين، وبالتالي وضع حد للعملية البيولوجية - ها هو، لا مزيد من الصداع.

بفضل التنبؤ بالبروتين AI، مثل AlphaFold، وRoseTTAFold، وفروعها، أصبح من السهل الآن نمذجة بنية البروتين المستهدف. أما العثور على الجزيء الذي يناسبه فهو أمر آخر. لا يحتاج الدواء إلى تغيير نشاط الهدف فحسب. كما يجب أيضًا أن يتم امتصاصه بسهولة، وينتشر إلى العضو أو الأنسجة المستهدفة، ويتم استقلابه وإزالته من الجسم بشكل آمن.

وهنا يأتي دور الكيميائيين الطبيين. هؤلاء العلماء هم رواد في اعتماد النمذجة الحاسوبية. منذ أكثر من عقدين من الزمن، بدأ هذا المجال باستخدام البرمجيات لغربلة قواعد بيانات ضخمة جدًا للمواد الكيميائية بحثًا عن خيوط واعدة. يتم بعد ذلك تقييم كل عميل محتمل من قبل فريق من الكيميائيين قبل إجراء المزيد من التطوير.

ومن خلال هذه العملية، يبني الكيميائيون الطبيون حدسًا مفاده أن يتيح لهم اتخاذ القرارات بكفاءة عند مراجعة المرشحين المخدرات الواعدة. بعض من تدريبهم يمكن أن يكون المقطر في القواعد لتتعلمها أجهزة الكمبيوتر، على سبيل المثال، من المحتمل ألا تنتقل هذه البنية إلى الدماغ؛ أنه يمكن أن يؤدي إلى تلف الكبد. وقد ساعدت قواعد الخبراء هذه في الفحص الأولي. لكن حتى الآن، لا يستطيع أي برنامج التقاط التفاصيل الدقيقة والتعقيدات لعملية صنع القرار، ويرجع ذلك جزئيًا إلى عدم قدرة الكيميائيين على تفسير ذلك بأنفسهم.

يراودني شعور

سعت الدراسة الجديدة إلى التقاط ما لا يمكن تفسيره في نموذج الذكاء الاصطناعي.

قام الفريق بتوظيف 35 كيميائيًا خبيرًا في مراكز مختلفة تابعة لشركة نوفارتيس حول العالم، يتمتع كل منهم بخبرة مختلفة. يعمل بعضها مع الخلايا والأنسجة، على سبيل المثال، والبعض الآخر يستخدم النمذجة الحاسوبية.

من الصعب قياس الحدس. كما أنها ليست موثوقة تمامًا. كخط أساسي، صمم الفريق لعبة متعددة اللاعبين لقياس ما إذا كان كل كيميائي متسقًا في اختياراته وما إذا كانت اختياراته تتفق مع اختيارات الآخرين. عُرض على كل كيميائي 220 زوجًا من الجزيئات، وطرح عليه سؤالًا غامضًا عمدًا. على سبيل المثال، تخيل أنك تشارك في حملة فحص افتراضية مبكرة، ونحتاج إلى دواء يمكن تناوله على شكل أقراص – أي الجزيء تفضل؟

كان الهدف هو الحد من الإفراط في التفكير، مما دفع الكيميائيين إلى الاعتماد على حدسهم في تحديد المواد الكيميائية التي تبقى وأيها تذهب. يختلف هذا الإعداد عن التقييمات المعتادة، حيث يتحقق الكيميائيون من خصائص جزيئية محددة باستخدام نماذج تنبؤية، أي بيانات صلبة.

كان الكيميائيون متسقين في حكمهم، لكنهم لم يتفقوا دائمًا مع بعضهم البعض، ربما بسبب اختلاف التجارب الشخصية. ومع ذلك، أوضح الفريق أنه كان هناك ما يكفي من التداخل لتشكيل نمط أساسي يمكن لنموذج الذكاء الاصطناعي التعلم منه.

قاموا بعد ذلك ببناء مجموعة البيانات إلى 5,000 زوج جزيئي. تم استخدام الجزيئات، التي تحمل كل منها معلومات عن بنيتها وخصائصها الأخرى، لتدريب شبكة عصبية اصطناعية بسيطة. ومن خلال التدريب، قامت شبكة الذكاء الاصطناعي بتعديل أعمالها الداخلية بناءً على تعليقات الكيميائيين، وفي النهاية أعطت كل جزيء درجة.

ولفحص السلامة، اختبر الفريق النموذج على أزواج كيميائية مختلفة عن تلك الموجودة في مجموعة بيانات التدريب الخاصة به. ومع زيادة عدد عينات التدريب، ارتفع الأداء.

في حين اعتمدت برامج الكمبيوتر السابقة على قواعد لما يجعل الطب واعدًا يعتمد على البنية الجزيئية، فإن نتائج النموذج الجديد لم تعكس بشكل مباشر أيًا من هذه القواعد. استحوذ الذكاء الاصطناعي على رؤية أكثر شمولية للمادة الكيميائية، وهو نهج مختلف تمامًا اكتشاف المخدرات من تلك المستخدمة في برامج الكيمياء الروبوتية الكلاسيكية.

وباستخدام الذكاء الاصطناعي، قام الفريق بعد ذلك بفحص مئات الأدوية المعتمدة من إدارة الغذاء والدواء وآلاف الجزيئات من بنك بيانات كيميائي. وحتى بدون تدريب واضح، استخرج النموذج هياكل كيميائية - تسمى "الشظايا" - أكثر قابلية لمزيد من التطوير كأدوية. تطابقت تفضيلات تسجيل الذكاء الاصطناعي مع تلك الموجودة في الجزيئات الشبيهة بالعقاقير الموجودة، مما يشير إلى أنه قد استوعب جوهر ما يجعل الرصاص محتملاً.

الرومانسية الكيميائية

نوفارتس ليست الشركة الأولى التي تستكشف العلاقة الكيميائية بين الإنسان والروبوت.

سابقا، شركة الأدوية ميرك استغلالها أيضا في خبراتهم الداخلية لتصنيف المواد الكيميائية للسمات المرغوبة. خارج الصناعة، فريق في جامعة جلاسكو استكشف استخدام الروبوتات القائمة على الحدس في التجارب الكيميائية غير العضوية.

إنها لا تزال دراسة صغيرة، ولا يستطيع المؤلفون استبعاد المغالطات البشرية. قد يختار بعض الكيميائيين جزيئًا بناءً على تحيزات شخصية يصعب تجنبها تمامًا. ومع ذلك، يمكن استخدام الإعداد لدراسة الخطوات الأخرى في اكتشاف الأدوية والتي يكون استكمالها تجريبيًا مكلفًا. وعلى الرغم من أن النموذج يعتمد على الحدس، إلا أنه يمكن تعزيز نتائجه من خلال المرشحات المستندة إلى القواعد لتحسين أدائه بشكل أكبر.

وأوضح الفريق أننا في عصر يستطيع فيه التعلم الآلي تصميم عشرات الآلاف من الجزيئات. يمكن لمساعد كيميائي يعمل بالذكاء الاصطناعي، ومسلح بالحدس، أن يساعد في تضييق نطاق المرشحين في المرحلة المبكرة الحاسمة من اكتشاف الأدوية، وبالتالي تسريع العملية برمتها.

الصورة الائتمان: يوجينيا كوزير / Unsplash

• 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 كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
• أفلاطون هيلث. التكنولوجيا الحيوية وذكاء التجارب السريرية. الوصول هنا.
• المصدر https://singularityhub.com/2023/11/03/how-to-give-ai-a-gut-feeling-for-which-molecules-will-make-the-best-drugs/