رفتن به محتوای اصلی
کشف دارو· 7 دقیقه مطالعه· در هوش مصنوعی

رونمایی گوگل دیپ‌مایند از ابزار هوش مصنوعی Antigravity برای تسریع کشف دارو

شرکت گوگل دیپ‌مایند با معرفی افزونه جدیدی برای پلتفرم Antigravity، روند تحلیل و طراحی داروهای جدید را از چند روز به تنها یک ساعت کاهش داد. این ابزار هوش مصنوعی با جستجوی خودکار در پایگاه‌های داده، مسیر تازه‌ای برای درمان بیماری‌های پیچیده باز می‌کند.

به قلم آزاده ابراهیمی

این خبر را به اشتراک بگذارید

گوش‌ دهید

شرکت «گوگل دیپ‌مایند» در تاریخ ۳ نوامبر ۲۰۲۶ از مجموعه ابزارهای جدیدی با نام «مهارت‌های شیمی‌انفورماتیک» برای پلتفرم هوش مصنوعی Antigravity رونمایی کرد. این سیستم به پژوهشگران اجازه می‌دهد تا با استفاده از عوامل خودکار، داده‌های پیچیده شیمیایی را تحلیل کنند. هدف اصلی این پلتفرم، تسریع مراحل اولیه تحقیقات داروسازی است.[1][2]

این ابزار جدید که از طریق افزونه‌ای به نام Science در دسترس قرار گرفته است، می‌تواند وظایف تحلیلی پیچیده‌ای را بر عهده بگیرد. پیش از این، انجام چنین محاسباتی توسط تیم‌های تحقیقاتی به چندین روز زمان نیاز داشت. اکنون، این هوش مصنوعی می‌تواند همان حجم از کار را در حدود یک ساعت به پایان برساند.[1]

پلتفرم Antigravity به محققان امکان می‌دهد تا با استفاده از زبان طبیعی، به عامل هوش مصنوعی دستور دهند. این عامل می‌تواند مقالات علمی و ثبت‌اختراعات را جستجو کرده و داده‌های مربوط به ترکیبات شیمیایی را استخراج کند. در بیانیه رسمی این شرکت هیچ نقل‌قول مستقیمی از مدیران ارشد منتشر نشده است، اما گوگل بر اهمیت این اتوماسیون تاکید دارد.[1][4]

عامل هوش مصنوعی پس از جمع‌آوری داده‌ها، روابط میان ساختارهای شیمیایی و فعالیت‌های بیولوژیکی را تحلیل می‌کند. این سیستم سپس مدل‌های پیش‌بینی‌کننده می‌سازد و مولکول‌های جدیدی را برای آزمایش در محیط آزمایشگاه پیشنهاد می‌دهد. این رویکرد، بازیابی داده‌ها و طراحی مولکولی را در یک جریان کاری واحد ترکیب می‌کند.[1][3]

آزمایش موفقیت‌آمیز در درمان سرطان ریه

گوگل دیپ‌مایند برای اثبات کارایی این فناوری، یک آزمایش عملی روی داروهای «کریزوتینیب» و «لورلاتینیب» انجام داد. این دو دارو به طور گسترده برای درمان انواع خاصی از سرطان ریه سلول غیرکوچک تجویز می‌شوند. هوش مصنوعی در این آزمایش، هزاران ترکیب شیمیایی مرتبط را مورد بررسی دقیق قرار داد.[1][3]

کاهش چشمگیر زمان تحلیل داده‌های شیمیایی با استفاده از هوش مصنوعی.

سیستم Antigravity جفت‌هایی از ترکیبات را که تنها در یک تغییر ساختاری کوچک با هم تفاوت داشتند، مقایسه کرد. هدف از این مقایسه، درک این موضوع بود که چگونه تغییرات جزئی می‌تواند بر قدرت و اثربخشی دارو تاثیر بگذارد. این تحلیل‌های دقیق، پایه‌ای برای طراحی داروهای قوی‌تر فراهم کرد.[1][3]

نتایج این تحلیل نشان داد که افزودن یک پیوند شیمیایی برای ایجاد ساختارهای حلقوی صلب‌تر، می‌تواند فعالیت مولکولی را بهبود بخشد. بر اساس این یافته‌ها، عامل هوش مصنوعی مدل‌های پیش‌بینی قدرت دارو را توسعه داد. سپس مولکول‌های حلقوی جدیدی را به همراه روش‌های احتمالی برای سنتز آن‌ها پیشنهاد کرد.[1][2]

به گفته شرکت گوگل، کل این جریان کاری و نمایش عملی در حدود یک ساعت به طول انجامید. این در حالی است که استفاده از روش‌های سنتی و جریان‌های کاری متداول در تحقیقات دارویی، معمولا چندین روز زمان می‌برد. این کاهش چشمگیر زمان، یک دستاورد بزرگ برای صنعت داروسازی محسوب می‌شود.[1][3]

ادغام با پایگاه‌های داده عظیم

بسته مهارت‌های شیمی‌انفورماتیک، پلتفرم Antigravity را به پایگاه‌های داده ساختار شیمیایی معتبری مانند PubChem و ChEMBL متصل می‌کند. این سیستم همچنین به بیش از ۳۰ پایگاه داده بزرگ در حوزه علوم زیستی دسترسی دارد. یکی از این منابع، اطلس یک پتابایتی AlphaGenome است که اطلاعات ژنومی گسترده‌ای را در خود جای داده است.[2]

پژوهشگران اکنون می‌توانند میلیون‌ها ترکیب را با استفاده از زبان توصیفی جستجو کنند، بدون اینکه نیازی به استفاده از نمادهای پیچیده مانند SMILES داشته باشند. به عنوان مثال، کاربر می‌تواند از سیستم بخواهد مهارکننده‌های کیناز با نفوذپذیری بهتر در سد خونی-مغزی را پیدا کند. سیستم نیز نامزدهای مناسب را رتبه‌بندی کرده و ارائه می‌دهد.[2]

دسترسی یکپارچه به ده‌ها پایگاه داده عظیم در حوزه علوم زیستی.

ادغام این پلتفرم با ابزارهای موجود شیمی محاسباتی، به Antigravity اجازه می‌دهد تا توصیف‌گرهای مولکولی را محاسبه کند. این سیستم می‌تواند میزان حلالیت را پیش‌بینی کرده و تمایل اتصال مولکول‌ها را تخمین بزند. همه این کارها بدون نیاز به جابجایی کاربر بین نرم‌افزارهای مختلف انجام می‌شود که به یکپارچگی فرآیند کمک می‌کند.[2]

یکی از ویژگی‌های برجسته این سیستم، توانایی طراحی «ماکروسیکل‌های صلب‌شده» است که یک کلاس دارویی امیدوارکننده اما چالش‌برانگیز به شمار می‌رود. هوش مصنوعی با تحلیل حفره‌های پروتئین هدف، نقاط بهینه برای حلقوی‌شدن را پیشنهاد می‌دهد. این سیستم همچنین امکان‌پذیری سنتز این ترکیبات را در کنار پیش‌بینی‌های اتصال در نظر می‌گیرد.[2][4]

چالش‌ها و ضرورت اعتبارسنجی آزمایشگاهی

با وجود این پیشرفت‌های چشمگیر، گوگل دیپ‌مایند صراحتا تاکید کرده است که تمام طراحی‌های مولکولی تولید شده توسط هوش مصنوعی، نیازمند سنتز آزمایشگاهی هستند. هیچ دارویی نمی‌تواند تنها بر اساس پیش‌بینی‌های کامپیوتری تایید شود. اعتبارسنجی تجربی در محیط واقعی آزمایشگاه، گامی غیرقابل حذف در این مسیر است.[1][4]

متخصصان شیمی محاسباتی معتقدند که ادعاهای مربوط به کشف داروی Antigravity باید مورد بررسی دقیق و عملی قرار گیرد. خریداران و کاربران این سیستم باید بپرسند که دقیقا چه وظیفه‌ای انجام شده و چه بخش‌هایی از کار همچنان بر عهده دانشمند انسانی است. بدون مشخص شدن این محدوده، تفسیر مقایسه‌های زمانی دشوار خواهد بود.[4]

اگر سیستم‌های مبتنی بر مکالمه به رابط اصلی محاسبات علمی تبدیل شوند، ابزارهای تثبیت‌شده باید همچنان قابل بازرسی باقی بمانند. یک محاسبه موفق باید ورودی‌ها، مفروضات و خروجی‌های خود را حفظ کند. کاربران باید بتوانند بدون نیاز به اجرای مجدد کل فرآیند، یک نتیجه‌گیری را به چالش بکشند یا اصلاح کنند.[4]

تصویرسازی: طراحی ساختارهای پیچیده مولکولی نیازمند اعتبارسنجی دقیق آزمایشگاهی است.

این موضوع به یک نیاز عملی در محصولات نرم‌افزاری اشاره دارد: نتایج میانی باید قابل ویرایش باشند. اگر یک پژوهشگر یک رکورد منبع را رد کند یا فرضیه‌ای را تغییر دهد، سیستم باید نشان دهد که کدام نتایج پایین‌دستی نیاز به بازبینی دارند. تکرارپذیری در علم، نیازمند شفافیت کامل در شرایط اجرای تحلیل است.[4]

رقابت فزاینده در بازار هوش مصنوعی دارویی

رونمایی از این ابزار در شرایطی صورت می‌گیرد که سرمایه‌گذاری و همکاری در زمینه کشف داروی مبتنی بر هوش مصنوعی به شدت در حال افزایش است. در ماه می ۲۰۲۶، شرکت Isomorphic Labs که از دل گوگل دیپ‌مایند متولد شده است، موفق شد ۲.۱ میلیارد دلار در تامین مالی سری B جذب کند.[3]

این بودجه کلان برای توسعه پلتفرم کشف داروی این شرکت که از هوش مصنوعی پیش‌بینی‌کننده و مولد استفاده می‌کند، اختصاص یافته است. سایر شرکت‌های بزرگ نیز در این مسیر گام برداشته‌اند. در سپتامبر ۲۰۲۶، شرکت‌های Iambic و AbbVie یک همکاری چندساله را برای توسعه داروهای مولکول کوچک آغاز کردند.[3]

این همکاری مشترک بر حوزه‌های علوم اعصاب، انکولوژی و ایمونولوژی متمرکز است و از مدل Enchant v3 شرکت Iambic بهره می‌برد. پیش از آن نیز در ژوئن ۲۰۲۶، شرکت‌های Owkin و Sanofi همکاری خود را در زمینه هوش مصنوعی گسترش دادند تا عوامل هوشمندی برای تحقیق و توسعه دارو بسازند.[3]

سابقه استفاده از عوامل هوش مصنوعی در شیمی به پروژه‌های قبلی نیز بازمی‌گردد. تحقیق ChemCrow که در می ۲۰۲۴ منتشر شد، یک عامل شیمیایی را معرفی کرد که ۱۸ ابزار تخصصی را با هم ادغام می‌کرد. همچنین تحقیق Coscientist در دسامبر ۲۰۲۳، سیستمی را برای اتوماسیون آزمایشگاهی و بهینه‌سازی واکنش‌ها توصیف کرده بود.[4]

برنامه ویژه گوگل برای دسترسی رایگان ۱۰ هزار دانشمند به پلتفرم Antigravity.

دسترسی و چشم‌انداز آینده

گوگل برای ترویج استفاده از این پلتفرم، یک پیشنهاد ویژه برای جامعه علمی ارائه کرده است. این شرکت شش ماه دسترسی رایگان به بالاترین سطح کاربری Antigravity را برای ۱۰ هزار دانشمند واجد شرایط فراهم می‌کند. این دسترسی از طریق افزونه Science در برنامه اصلی قابل استفاده خواهد بود.[1][3]

این استراتژی می‌تواند به تیم‌های کوچک‌تر زیست‌فناوری کمک کند تا با منابع محاسباتی شرکت‌های بزرگ داروسازی رقابت کنند. اگر پیشنهادهای این سیستم برای ساختارهای پیچیده در آزمایشگاه‌های واقعی موفقیت‌آمیز باشد، زمان‌بندی کشف اولیه داروها به شدت فشرده خواهد شد. این امر می‌تواند هزینه‌های تحقیق و توسعه را به میزان قابل توجهی کاهش دهد.[2]

آزمون واقعی این فناوری زمانی فرا می‌رسد که مطالعات منتشر شده نشان دهند آیا ترکیبات طراحی شده توسط Antigravity با نرخ بالاتری نسبت به مولکول‌های کشف شده سنتی به مرحله پیش‌بالینی می‌رسند یا خیر. موفقیت در این مرحله، اثبات نهایی ارزش این هوش مصنوعی در دنیای واقعی خواهد بود.[2]

گسترش مرزهای علوم نظری و کاربردی با کمک هوش مصنوعی، نویدبخش آینده‌ای روشن‌تر برای نظام سلامت جهانی است. با کاهش زمان لازم برای شناسایی نامزدهای دارویی، محققان می‌توانند تمرکز خود را بر روی آزمایش‌های بالینی و ایمنی داروها معطوف کنند. این تغییر پارادایم، روند درمان بیماری‌های صعب‌العلاج را دگرگون خواهد کرد.[1][2]

گسترش مرزهای علوم نظری و کاربردی با کمک هوش مصنوعی، نویدبخش آینده‌ای روشن‌تر برای نظام سلامت جهانی است.

در نهایت، تکامل این ابزارها نشان می‌دهد که هوش مصنوعی دیگر تنها یک دستیار ساده نیست، بلکه به یک شریک تحقیقاتی فعال تبدیل شده است. با ادامه این روند، انتظار می‌رود در سال‌های آینده شاهد معرفی داروهایی باشیم که صفر تا صد طراحی آن‌ها توسط الگوریتم‌های هوشمند و تحت نظارت دانشمندان انجام شده باشد.[1][4]

نکات کلیدی

  1. گوگل دیپ‌مایند افزونه Science را برای پلتفرم Antigravity معرفی کرد که زمان تحلیل داده‌های شیمیایی را از چند روز به یک ساعت کاهش می‌دهد.
  2. این سیستم با جستجوی خودکار در بیش از ۳۰ پایگاه داده بزرگ، ساختارهای مولکولی جدیدی را برای آزمایش پیشنهاد می‌کند.
  3. در یک آزمایش موفق، این هوش مصنوعی توانست مولکول‌های جدیدی را برای بهبود داروهای سرطان ریه طراحی کند.
  4. گوگل برای ترویج این فناوری، شش ماه دسترسی رایگان به بالاترین سطح این پلتفرم را برای ۱۰ هزار دانشمند فراهم کرده است.

آنچه نمی‌دانیم

  • هنوز مشخص نیست چه درصدی از مولکول‌های طراحی شده توسط این هوش مصنوعی در آزمایش‌های بالینی واقعی موفق خواهند بود.
  • در بیانیه‌های منتشر شده، هیچ نقل‌قول مستقیمی از مدیران ارشد دیپ‌مایند درباره محدودیت‌های احتمالی این سیستم ارائه نشده است.
  • نحوه قیمت‌گذاری این خدمات پس از پایان دوره شش ماهه رایگان برای دانشمندان اعلام نشده است.

روند رویداد

  1. دسامبر ۲۰۲۳

    انتشار تحقیق Coscientist درباره استفاده از هوش مصنوعی برای اتوماسیون آزمایشگاهی.

  2. می ۲۰۲۴

    معرفی پروژه ChemCrow که ۱۸ ابزار تخصصی شیمی را با یک عامل هوشمند ادغام کرد.

  3. می ۲۰۲۶

    جذب سرمایه ۲.۱ میلیارد دلاری توسط Isomorphic Labs برای توسعه پلتفرم کشف داروی مبتنی بر هوش مصنوعی.

  4. ۳ نوامبر ۲۰۲۶

    رونمایی رسمی گوگل دیپ‌مایند از مهارت‌های شیمی‌انفورماتیک برای پلتفرم Antigravity.

پژوهشگران داروسازی 40%متخصصان شیمی محاسباتی 35%شرکت‌های زیست‌فناوری 25%
پژوهشگران داروسازی
معتقدند این ابزارها با خودکارسازی کارهای دستی، زمان کشف داروهای جدید را به شدت کاهش می‌دهند.
متخصصان شیمی محاسباتی
تاکید دارند که فرآیندهای هوش مصنوعی باید شفاف، قابل بازرسی و دارای نتایج میانی قابل ویرایش باشند.
شرکت‌های زیست‌فناوری
این فناوری را فرصتی برای رقابت تیم‌های کوچک با منابع عظیم شرکت‌های بزرگ داروسازی می‌دانند.

دیدگاه‌هایی که این گزارش پوشش نداده

  • بیماران نیازمند به داروهای جدید
  • نهادهای نظارتی و تاییدکننده دارو

منابع

پوشش منابع

4 منبع

3 دیدگاه شناسایی‌شده

پژوهشگران داروسازی 40%متخصصان شیمی محاسباتی 35%شرکت‌های زیست‌فناوری 25%
  1. [1]HLTH Newsپژوهشگران داروسازی

    Google DeepMind has introduced new AI-powered drug discovery tools within its Antigravity platform

    مطالعه در HLTH News →
  2. [2]Emergentشرکت‌های زیست‌فناوری

    Google DeepMind released Cheminformatics Skills for Antigravity

    مطالعه در Emergent →
  3. [3]Digital Health Newsپژوهشگران داروسازی

    Google DeepMind has added AI-powered drug discovery tools to Antigravity

    مطالعه در Digital Health News →
  4. [4]Remioمتخصصان شیمی محاسباتی

    Google DeepMind says its chemistry agent completed a research workflow in about an hour

    مطالعه در Remio →
گوش‌ دهید

نظرات

همیشه در جریان باشید

هر زاویه. هر روز.

اخبار هوش مصنوعی با پوشش کامل منابع و تحلیل دیدگاه‌ها، هر روز و رایگان.