هوش مصنوعی با داده‌های محرمانه، سرعت کشف دارو را افزایش می‌دهد

به گزارش خبرگزاری صداوسیما و به نقل از مجله «نیچر»، مدل‌های هوش مصنوعی برای پیش‌بینی ساختار پروتئین‌ها در حوزه کشف دارو با کمبود شدید داده‌های عمومی مواجه هستند. در همین راستا، کنسرسیومی از شرکت‌های داروسازی با استفاده از نسخه متن‌باز «اوپن‌فولد ۳» (OpenFold۳) و آموزش آن با بیش از ۲۰ هزار ساختار پروتئینی اختصاصی، توانستند مدلی را توسعه دهند که عملکردی بسیار بهینه‌تر از مدل‌های مبتنی بر داده‌های عمومی دارد.

محمد القریشی، زیست‌شناس محاسباتی دانشگاه کلمبیا، تأکید می‌کند: دسترسی به داده‌های محرمانه شرکت‌ها که از طریق روش‌هایی، چون بلورنگاری پرتو ایکس تولید شده‌اند، نقطه عطفی در بهبود دقت مدل‌هاست. در حال حاضر، پایگاه داده پروتئین (PDB) که منبع اصلی آموزش مدل‌هایی، چون آلفافولد است، نمونه‌های محدودی از تعامل پروتئین‌ها با مولکول‌های دارویی را در اختیار دارد که این موضوع منجر به افت دقت مدل‌ها در مواجهه با مولکول‌های جدید می‌شود.

در همین راستا، پروژه‌هایی مانند «اوپن بایند» با حمایت مالی دولت بریتانیا در حال تلاش‌اند تا با منتشر کردن هزاران ساختار پروتئینی جدید، بخشی از این خلاء داده‌ای را پر کرده و مسیر را برای کشف سریع‌تر و دقیق‌تر دارو‌های جدید هموار کنند.

منبع: خبرگزاری صدا و سیما