یافتن داروهای جدید کار دشواری است. این استارت آپ هوش مصنوعی از کار آزمایشگاهی صرف نظر می کند

Potential Sciences قصد دارد با استفاده از اصول اولیه فیزیک، مجموعه داده های شیمیایی در مقیاس بزرگ بسازد تا تعاملات بین اتم ها، سپس مولکول های کوچک، سپس اسیدهای آمینه و پروتئین های پیچیده را شبیه سازی کند. با این داده‌ها، شرط می‌بندد که می‌تواند مدل‌های هوش مصنوعی و سیستم‌های پیش‌بینی را آموزش دهد که قادر به شناسایی داروهای بسیار هدفمند برای بیماری‌های خاص، دور زدن آزمایش‌های آزمایشگاهی پرهزینه و زمان‌بر هستند. حاتم هلال، موسس و مدیر عامل Potential Science به WIRED می‌گوید: «ما می‌خواهیم مولکول‌هایی که هرگز در کلینیک کار نمی‌کنند به سرعت از بین بروند.

این به این معنی است که پیش‌بینی‌کننده‌های بهتری از نحوه رفتار آن‌ها در تعامل با زیست‌شناسی انسان داشته باشید.» این استارت‌آپ که در 5 نوامبر راه‌اندازی شد، می‌گوید ده‌ها میلیون دلار سرمایه از SovaI - صندوق سرمایه‌گذاری خطرپذیر هوش مصنوعی دولت بریتانیا - و Twin Path Ventures، در میان سایر سرمایه‌گذاران، دریافت کرده است. بنیانگذاران از افشای رقم دقیق یا ارزش گذاری خودداری کردند. اگر همه چیز همانطور که Potential Sciences امیدوار است پیش برود، می تواند راه را برای توسعه سریع درمان های جدید برای انواع بیماری ها هموار کند.

هلال می‌گوید با کاهش هزینه آزمایش، رویکرد این شرکت می‌تواند برای شرکت‌های داروسازی به صرفه باشد تا داروها را برای شرایط نادری که قبلا درمان نشده‌اند، دنبال کنند. او می‌گوید: «ما می‌خواهیم این امکان را فراهم کنیم که درمان‌های سفارشی‌تری برای بیماری‌ها داشته باشیم - این ایده که داروها می‌توانند ترکیب‌های مولکولی منحصربه‌فردی باشند که بر اساس زیست‌شناسی منحصربه‌فرد انسان شما طراحی شده‌اند.» سوال این است که آیا علوم بالقوه می‌تواند پیش‌بینی کند که نامزدهای دارویی تا چه اندازه به پروتئین‌های مرتبط با بیماری با دقتی که امیدوار است متصل می‌شوند، که نیاز به یک جهش قابل توجه به جلو دارد.

د پیتر وولینز، استاد شیمی در دانشگاه رایس، می‌گوید: «مطمئنم که این یک پیشرفت خواهد بود. اما در حال حاضر، "مهندسی در سطح رومیان است، نه رنسانس، از نظر نحوه انجام مهندسی پروتئین." مشاهیر صنعت مانند دمیس حسابیس، که برنده جایزه نوبل شیمی برای کارش در Google DeepMind شد، مدت‌هاست که گفته‌اند که پیشرفت در هوش مصنوعی در نهایت منجر به پیشرفت‌های مهم علمی می‌شود، به همان شیوه‌ای که این فناوری اخیرا ریاضیات را ایجاد کرده است.

امید در میان استارتاپ‌هایی مانند Potential Sciences این است که کشف دارو یکی از اولین مرزهای علمی باشد که توسط این فناوری دگرگون می‌شود. در حال حاضر، بخش بزرگی از آزمایشگاه‌های کشف داروی هوش مصنوعی در حال توسعه مدل‌هایی بر روی یک پایگاه داده عمومی واحد از ساختارهای اتمی سه‌بعدی - بانک داده‌های پروتئین - هستند که محققان طی دهه‌ها با نتایج آزمایش‌های جدید آن را گسترش داده‌اند.

به گفته هلال، مشکل این است که مجموعه داده‌ها برای آموزش مدل‌های هوش مصنوعی به اندازه کافی پیشرفته برای تسریع در جستجوی نامزدهای دارویی قابل اعتماد بسیار کوچک است. هلال می‌گوید: «از بین تمام اتم‌های جهان، حدود 1060 راه وجود دارد که می‌توانید آنها را به مولکول‌هایی که به طور بالقوه می‌توانید به انسان بدهید، جمع کنید.»

کشف دارو را به عنوان یک مشکل جست‌وجو در نظر بگیرید؛ این در مورد این است که چقدر سریع می‌توانید آن فضا را به مولکول‌های امیدوارکننده برای یک بیماری خاص تغییر دهید.» برای پرداختن به این موضوع، Potential Sciences در تلاش است تا مجموعه داده‌های بسیار بزرگ‌تری متشکل از داده‌های مصنوعی بسازد که از طریق شبیه‌سازی تعاملات بین ترکیبات شیمیایی مختلف تولید می‌شوند. این تئوری می‌گوید از مجموعه‌های بسیار بزرگ‌تری از داده‌ها، این استارت‌آپ می‌تواند مدل‌های هوش مصنوعی و سیستم‌های پیش‌بینی بسیار پیشرفته‌تری را آموزش دهد. دانشگاهیان پتانسیل را در رویکرد مبتنی بر شبیه سازی که علوم بالقوه اتخاذ کرده است، می بینند.

آلن فرشت، استاد ممتاز شیمی در دانشگاه کمبریج که متخصص در مهندسی پروتئین است، می‌گوید: «اگر بتوانیم تعامل بین تمام مولکول‌ها در سلول و نوسانات ساختار آنها را دقیقا محاسبه کنیم، می‌توانیم محل اتصال مولکول‌ها را پیش‌بینی کنیم و این در واقع تحولی در توسعه دارو ایجاد می‌کند.

من خوشبین هستم که در نهایت این اتفاق بیفتد.» با دریافت سرمایه‌گذاری از SovaAI، Potential Sciences به شرکت‌های کشف داروی هوش مصنوعی Basecamp Research و Isomorphic Labs و استارتاپ کشف مواد CuspAI می‌پیوندد. دولت بریتانیا در اوایل سال جاری SovaAI را با مأموریت سرمایه‌گذاری در استارت‌آپ‌های بریتانیایی که قادر به تبدیل شدن به اجزای ضروری زنجیره تامین جهانی هوش مصنوعی هستند، تأسیس کرد و به کشور اهرم ژئوپلیتیکی حیاتی می‌دهد.

این صندوق تقریبا 800 میلیون دلار در اختیار دارد و این توانایی را دارد که به شرکت‌های پرتفوی خود دسترسی به ابررایانه هوش مصنوعی ملی بریتانیا را ارائه دهد. جوزفین کانت، رئیس سرمایه گذاری در SovaAI، که به عنوان بخشی از سرمایه گذاری به هیئت مدیره این استارتاپ پیوسته، می گوید: «پیش به کشف دارو از زاویه فیزیک - فیزیک شیمی - [علوم بالقوه] را از سایر شرکت ها متمایز می کند. با دادن دسترسی به منابع محاسباتی، آنها می توانند این کار را در مقیاسی انجام دهند که در غیر این صورت برای یک استارتاپ کوچک بسیار دشوار خواهد بود. با این حال، کشف داروی هوش مصنوعی بازار شلوغی است.

حتی با پیشروی دولت بریتانیا، علوم بالقوه با رقابت شدید بسیاری از کارآفرینان و دانشگاهیان که برای حل تنگناها از زوایای مختلف در حال رقابت هستند، مواجه خواهد شد. همچنین توانایی شناسایی سریعتر نامزدهای داروی امیدوار کننده، هزینه و زمان مورد نیاز برای آزمایش ایمنی و اثربخشی آنها را حذف نمی کند، به این معنی که درمان های جدید صرف نظر از پیشرفت های هوش مصنوعی، مدت زیادی طول می کشد تا به بازار عرضه شوند.

وولینز می‌گوید: «هزینه طراحی یک دارو در مقایسه با فهمیدن اینکه این دارو با موش‌ها، بیماران واقعا بیمار و افراد عادی چه می‌کند، چیزی نیست. "به نوعی، این پدیده محدود کننده نرخ نیست." با پیشرفت این زمینه، استارت آپ هایی مانند Potential Sciences نیز باید با این چشم انداز مقابله کنند که فناوری هایی که قادر به شناسایی درمان های مؤثر هستند، می توانند برای تولید مواد شیمیایی بسیار خطرناک نیز مورد سوء استفاده قرار گیرند. هلال می‌گوید: «اگر بتوانیم ابزارهایی طراحی کنیم که سمیت را کاملا به حداقل برسانند، برای به حداکثر رساندن آن نیز کمی تلنگر است. علوم بالقوه هنوز همه پاسخ ها را ندارد.

این استارت‌آپ به راهی برای کسب درآمد از فناوری‌های مختلفی که در حال توسعه آن است، تصمیم نگرفته است و با توجه به احتمال سوء استفاده، تصمیم نگرفته است که آیا مدل‌های خود را آزادانه در دسترس قرار دهد یا خیر. اما هلال متقاعد شده است که مشکلات ارزشمند دیگری وجود دارد که می‌توان با هوش مصنوعی آن را برطرف کرد. هلال می‌گوید: «امواج بسیاری از پیشرفت‌های امیدوارکننده وجود داشته است که تأثیری در کشف دارو ندارند. "این یک مشکل اساسی و با تاثیر بالا برای ما است که سعی کنیم و آن را حل کنیم."