هوش مصنوعی نامزد‌های دارویی ضد سرطان را با محاسبات کوانتومی پیدا می‌کند

به گزارش گروه سرطان، سرطان نیوز، یک مطالعه جدید بررسی شده توسط همسالان منتشر شده در بیوتکنولوژی طبیعت،  به رهبری دانشگاه تورنتو و پزشکی Insilico، نشان می‌دهد که چگونه AI می‌تواند مولکول‌های ضد سرطان را برای پروتئین‌هایی ایجاد کند که قبلاً با استفاده از محاسبات کوانتومی نمی‌توانند از نظر دارویی مورد هدف قرار گیرند.

الکس ژورونکوف، بنیانگذار و مدیر عامل شرکت Insilico Medicine گفت: “به نظر من، محاسبات کوانتومی امروز در همان وضعیتی است که AI تولیدی در شیمی در سال ۲۰۱۵ تا ۲۰۱۶ بود، وقتی تیم من تصمیم گرفت همه چیز را روی آن بگذارد. ” “ما می‌دانیم که زود است. ما می‌دانیم که بلافاصله مزایا را به دست نمی‌آوریم، اما می‌خواهیم مرز‌های خودمان و کل صنعت را تحت فشار قرار دهیم، به طور خاص روی آنچه می‌دانیم بهترین – شیمی و زیست شناسی است. “

مشکل جهانی سرطان

سرطان عامل اصلی مرگ در سراسر جهان است، طبق گفته‌های بیماری‌های قلبی عروقی، دوم دنیای ما در داده هابشر در سطح جهانی، تا سال ۲۰۵۰، تخمین زده می‌شود ۳۵ میلیون مورد سرطان، طبق گفته حقایق و ارقام جهانی سرطان ۵دومین نسخه توسط انجمن سرطان آمریکا (ACS) و تقریباً ۱ از ۵ آمریکایی در طول زندگی خود به سرطان مبتلا می‌شوند.

سرطان طیف گسترده‌ای از بیماری‌ها است که در آن سلول‌های سالم به دلیل رشد سلول کنترل نشده که می‌تواند گسترش یابد، سرطانی می‌شوند. طبق اعلام موسسه ملی سرطان (NCI)، سرطان یک بیماری ژنتیکی است که ناشی از جهش در ژن‌هایی است که سلول‌های ما را مدیریت می‌کنند. جهش ژنتیکی تغییر در توالی DNA است. انکوژن یک ژن جهش یافته با پتانسیل ایجاد سرطان است.

توجه به این نکته حائز اهمیت است که حتی اگر سرطان یک بیماری ژنتیکی است، لزوماً برابر با بیماری خانوادگی یا ارثی نیست. در حقیقت، براساس NCI، اکثریت (۹۰ درصد تا ۹۵ درصد) سرطان‌ها در اثر جهش ایجاد می‌شوند و غیر تحت فشار هستند (همچنین به عنوان خودبخود نیز شناخته می‌شوند)، جایی که شیوه زندگی و محیط زیست بر خطر سرطان تأثیر می‌گذارد. به عنوان مثال، سیگار کشیدن، مصرف دخانیات، عفونت‌های خاص، پرتودرمانی و دارو‌های سرکوب کننده سیستم ایمنی مورد استفاده برای پیوند پس از ارگان، عواملی هستند که برای افزایش خطر سرطان، طبق موسسه ملی سرطان شناخته شده‌اند.

KRAS چیست و چرا آن را هدف قرار می‌دهد؟

برای این مطالعه جدید، تیم محققان به سرپرستی دانشگاه تورنتو و داروی Insilico یک الگوریتم AI مولد کلاسیک ترکیبی ایجاد کردند تا مولکول‌های کوچکی را برای هدف قرار دادن ژن KRAS (Kirsten Ras Oncogene همولوگ) ایجاد کنند. ژن‌های KRAS متعلق به کلاس ژن‌هایی است که به نام آنکوژن‌ها قرار دارند. هنگامی که یک انکوژن جهش می‌یابد، پتانسیل ایجاد سرطان را دارد. در اوایل دهه ۱۹۸۰، دانشمندان اولین انکوژن‌های انسانی را شناسایی کردند. در سال ۱۹۸۲، محقق دانشکده پزشکی هاروارد Channing J. Der و سایر دانشمندان آزمایشگاه پروفسور جفری کوپر کشف خود را از نقش ویروس‌های هاروی و کیرستن سارکوم در کارسینومای مثانه و ریه منتشر کردند.

بیشتر بخوانید

براساس یک مطالعه انکولوژی دقیق در سال ۲۰۲۴ که در ۹۰ درصد از سرطان‌های لوزالمعده می‌توان در ۹۰ درصد از سرطان‌های لوزالمعده، یک سوم از کل سرطان‌ها را تخمین زده شد، و در ۹۰ درصد از سرطان‌های لوزالمعده یافت می‌شود.  کلینیک‌های انکولوژی جراحی آمریکای شمالی توسط پزشکان پزشکی Newhook، Tsai و Meric-Bernstam. به گفته دکتر شوبام پانت، استاد مرکز سرطان اندرسون دانشگاه تگزاس، جهش ژن Kras همچنین با ۴۰ درصد از سرطان‌های کولورکتال و ۳۲ درصد سرطان‌های ریه مرتبط است.

چرا محاسبات کوانتومی؟

زمینه در حال ظهور محاسبات کوانتومی این پتانسیل را دارد که از نظر ظاهری سریعتر از محاسبات کلاسیک امروزی (محاسبات باینری) باشد که از منطق باینری و بیت (صفر و موارد) برای پردازش اطلاعات استفاده می‌کند.

سعید ژورونکوف گفت: وقتی در سال ۲۰۱۷-۲۰۱۸ اولین خودرو‌های شرطی درگیر خود را نشان دادیم (ECAAE) و یک آزمایش مشابه با این کار کوانتومی نشان می‌دهد که می‌توانیم مولکول‌ها را از هوش مصنوعی تولیدی که به صورت تجربی کار می‌کنند، سنتز کنیم. سپس، در سال ۲۰۱۹ ما سیستم یادگیری تقویت کننده تنشی (GENTRL) خود را منتشر کردیم و اولین مولکول‌ها را سنتز و آزمایش کردیم و در موش‌ها آزمایش کردیم، این مرحله را برای کل زمینه تنظیم کرد و بسیاری از افراد دیگر نیز همین کار را کردند. این کار کوانتومی در سال ۲۰۱۸ شبیه ECAAE است.  

رایانه‌های کوانتومی برای حل مشکلات پیچیده و استفاده از بیت‌های کوانتومی (Qubits) برای ذخیره و پردازش داده‌ها از مکانیک کوانتومی استفاده می‌کنند. Qubits نه تنها می‌تواند حالت صفر یا یک داشته باشد، بلکه ترکیبی از وزنی صفر و یک به طور همزمان نیز دارد.

وی گفت: “در سال‌های ۲۰۲۶-۲۷، بسیاری از هیپرسران، از جمله مایکروسافت و آمازون، مقیاس ماشین‌های کوانتومی خود را دارند و به عنوان یک سرویس برای کوانتوم باز می‌شوند. در چین نیز می‌توانید در حال حاضر به عنوان یک سرویس تجاری در یک دستگاه کوانتومی واقعی زمان بخرید. ما از نزدیک این گروه‌ها را کنترل خواهیم کرد تا اطمینان حاصل کنیم که نرم افزار ما برای برنامه‌های کشف مواد مخدر روی کوانتومی تنظیم شده است. “

AI کوانتومی- کلاسیک ترکیبی

محققان یک الگوریتم AI با کمک کوانتومی با یک الگوریتم LSTM محاسباتی کلاسیک با یک مدل AI مولد کوانتومی ایجاد کردند. این تیم با استفاده از ۲۵۰،۰۰۰ مولکول نمایش داده شده از ۱۰۰ میلیون مولکول با استفاده از VirtualFlow و ۶۵۰ مهار کننده KRAS که به صورت تجربی معتبر هستند، مجموعه داده‌های آموزشی بیش از ۱.۱ میلیون مولکول را تولید کردند. محققان از مدل AI هیبریدی خود برای تولید مولکول‌های کاندیدای جدید برای هدف قرار دادن KRAS و شیمی شیمیایی AI Medicine CRAS و Insilico Medicine ۴۲ استفاده کردند تا ۱۵ مورد برتر را برای ارزیابی در یک آزمایشگاه پیش بینی کنند، که به ویژه، به ویژه، به عنوان مهار کننده‌های KRA‌های آینده از پتانسیل عظیمی برخوردار هستند. محققان دریافتند که مدل کلاسیک کوانتومی ترکیبی آنها از مدل‌های کلاسیک بهتر است و یافته‌های آنها اثبات مهم مفهوم است.

حتی اگر مدل کلاسیک کوانتومی ترکیبی ما از مدل‌های یادگیری ماشین معمولی در تولید ترکیبات ساختاری متنوع و قابل تولید مانند دارویی بهتر عمل کند، با ۲۱.۵ درصد موفقیت بیشتر در معیار‌های طراحی مواد مخدر، در این مقاله ادعا نمی‌کنیم که سریعتر هستیم، ارزان‌تر یا بهتر از GPU، ما فقط نشان می‌دهیم که این امکان پذیر است.