Insilico Medicine و دانشگاه تورنتو برای توسعه داروهای هوش مصنوعی برای اهداف سرطان "غیرقابل درمان" شریک هستند.
به طور خلاصه
دانشگاه تورنتو با Insilico Medicine برای توسعه راه‌حل‌های پزشکی مبتنی بر هوش مصنوعی برای اهداف سرطانی «غیرقابل درمان» همکاری کرده است.
پروفسور دانشگاه تورنتو، ایگور استاگلیار، وارد همکاری شد داروی Insilico، یک شرکت اکتشافی دارویی مبتنی بر هوش مصنوعی، برای هدف قرار دادن اهداف سرطانی "غیرقابل درمان" - آنهایی که درمان های مرسوم قادر به رسیدگی به آنها نبوده است.
این آزمایشگاه از سنجش‌های مبتنی بر سلول زنده برای آزمایش اثربخشی مولکول‌های طراحی‌شده با هوش مصنوعی Insilico در برابر این اهداف غیرقابل استفاده استفاده می‌کند.
تصور می‌شود که 85 درصد از کل پروتئین‌های انسانی «غیرقابل درمان» هستند، به این معنی که نمی‌توان با استفاده از رویکرد استاندارد شناسایی محل اتصال و طراحی مولکولی که برای القای پاسخ درمانی به آن پاکت متصل می‌شود، هدف قرار داد. پترینا کامیا، رئیس پلتفرم های هوش مصنوعی و رئیس Insilico Medicine کانادا گفت Metaverse Post.
"علت، داده ها و AI ارائه راه حل هوش مصنوعی می‌تواند اهدافی را که قبلاً فاش نشده بود پیدا کند - مانند یک جیب اتصال کم عمق - و یک مولکول جدید طراحی کند که بتواند آن را مهار کند یا مولکولی را طراحی کند که قادر به دخالت در تعامل پروتئین-پروتئین با استفاده از پارامترهای خاصی است که ما تعیین می‌کنیم.
آزمایشگاه Stagljar بر شناسایی برهمکنش‌های نابجای پروتئین-پروتئین (PPIs) که به بیماری‌هایی مانند سرطان کمک می‌کند تمرکز دارد و او آن را گزینه‌ای جذاب در توسعه دارو می‌داند.
ایگور استاگلیار، بیوشیمی‌دان و استاد ژنتیک مولکولی در دانشگاه تورنتو، در توضیح نقش هوش مصنوعی گفت که هوش مصنوعی از مجموعه داده‌های بیولوژیکی گسترده و الگوریتم‌های پیشرفته برای شناسایی بازدارنده‌های مولکول کوچک برای اهداف چالش‌برانگیز استفاده می‌کند. ابزارهای هوش مصنوعی تجزیه و تحلیل داده های بیولوژیکی پیچیده مانند توالی های ژنومی و ساختارهای پروتئینی، به شناسایی دقیق هدف کمک می کند.
آنها تعاملات مولکولی را پیش‌بینی می‌کنند، انتخاب ترکیب را ساده می‌کنند و غربالگری مجازی کتابخانه‌های شیمیایی را تسریع می‌کنند. علاوه بر این، تجزیه و تحلیل مبتنی بر هوش مصنوعی پایگاه‌های داده دارو فرصت‌هایی را برای استفاده مجدد از داروها و تسریع توسعه شناسایی می‌کند.
هر دو تیم با یک هدف غیرقابل درمان شروع می‌کنند – مانند KRAS، یکی از پروتئین‌های سرطانی که اغلب جهش یافته‌اند، که به دلیل جیب کم عمق آن، درمان آن دشوار بوده است. اینسیلیکو از پلتفرم هوش مصنوعی سرتاسر خود برای «تصور» مولکول‌های جدیدی استفاده می‌کند که برای مهار این هدف دشوار طراحی شده‌اند، که بهینه‌سازی شده‌اند تا ویژگی‌های مورد نیاز برای داروهای موفق را داشته باشند - از جمله ثبات متابولیک، قدرت و ایمنی.
ما با استفاده از پلتفرم خود برای طراحی درمان‌های جدید سرطان با استفاده از هوش مصنوعی، موفقیت زیادی کسب کرده‌ایم. اکثر 31 داروی طراحی شده با هوش مصنوعی در خط لوله ما در فضای سرطان هستند - از جمله یک مهارکننده KAT6 برای سرطان سینه که منجر به توافقنامه مجوز اصلی با گروه Menarini شد و یک مهارکننده USP1 که برای تومورهای جهش یافته BRCA نیز دیده می شود. پترینا کامیا از Insilico گفت: سرطان سینه، موضوع یک معامله مهم با Exelixis بود.
آزمایش سلول زنده با ادغام هوش مصنوعی، کشف دارو را به پیش می‌برد
تحت این همکاری، دو سنجش شامل MaMTH-DS و SIMPL در حال استفاده است. MaMTH-DS یک پلت فرم غربالگری داروی سلول های زنده برای شناسایی و نظارت بر PPI ها است، در حالی که SIMPL از یک split intein (نوعی پروتئین با خواص منحصر به فرد که به طور طبیعی در بسیاری از سلول ها وجود دارد) به عنوان حسگر برای تشخیص PPI در هر پروتئین انسانی در هر سلولی استفاده می کند. خط تلفن.
این سنجش‌ها وقتی با InSilico Medicine ترکیب می‌شوند دارای هوش مصنوعی پروفسور استاگلیار گفت: ابزارها، تولید سریع ترکیبات شیمیایی جدید با خواص دارویی مطلوب، از جمله گزینش پذیری، قدرت، و ADME مناسب را تسهیل می کنند و در نتیجه تلاش های کشف دارو را پیش می برند. Metaverse Post.
سنجش سلول های زنده فراهم می کند داده ها در مورد چگونگی اتصال یک مولکول کوچک در یک محیط بیولوژیکی، و همچنین نفوذپذیری سلولی و سمیت آن، مزایایی را نسبت به سنجش های سنتی لوله آزمایش ارائه می دهد.
علاوه بر این، با سنجش سلول‌های زنده، محققان می‌توانند به سرعت کارایی مولکول‌های طراحی‌شده با هوش مصنوعی را در مهار اهداف پروتئینی خاص تعیین کنند و به‌طور بالقوه فرآیند اعتبارسنجی دارو را از ۴ تا ۵ سال به تنها چند ماه کاهش دهند.
سلب مسئولیت
در خط با دستورالعمل های پروژه اعتماد، لطفاً توجه داشته باشید که اطلاعات ارائه شده در این صفحه به عنوان مشاوره حقوقی، مالیاتی، سرمایه گذاری، مالی یا هر شکل دیگری در نظر گرفته نشده است و نباید تفسیر شود. مهم است که فقط در موردی سرمایه گذاری کنید که توانایی از دست دادن آن را دارید و در صورت شک و تردید به دنبال مشاوره مالی مستقل باشید. برای کسب اطلاعات بیشتر، پیشنهاد می کنیم به شرایط و ضوابط و همچنین صفحات راهنمایی و پشتیبانی ارائه شده توسط صادرکننده یا تبلیغ کننده مراجعه کنید. MetaversePost متعهد به گزارش دقیق و بی طرفانه است، اما شرایط بازار بدون اطلاع قبلی ممکن است تغییر کند.
درباره نویسنده
کومار یک روزنامه‌نگار باتجربه فناوری با تخصص در تقاطع‌های پویا AI/ML، فناوری بازاریابی، و زمینه‌های نوظهور مانند رمزنگاری، بلاک چین و NFTس کومار با بیش از 3 سال تجربه در این صنعت، سابقه اثبات شده ای در ساخت روایت های قانع کننده، انجام مصاحبه های روشنگرانه و ارائه بینش های جامع ایجاد کرده است. تخصص کومار در تولید محتوای با تاثیر بالا، از جمله مقالات، گزارش‌ها و انتشارات تحقیقاتی برای پلتفرم‌های صنعتی برجسته است. کومار با مجموعه ای از مهارت های منحصر به فرد که دانش فنی و داستان سرایی را با هم ترکیب می کند، در انتقال مفاهیم پیچیده فناوری به مخاطبان مختلف به شیوه ای واضح و جذاب برتری می یابد.
مقالات بیشتر
کومار یک روزنامه‌نگار باتجربه فناوری با تخصص در تقاطع‌های پویا AI/ML، فناوری بازاریابی، و زمینه‌های نوظهور مانند رمزنگاری، بلاک چین و NFTس کومار با بیش از 3 سال تجربه در این صنعت، سابقه اثبات شده ای در ساخت روایت های قانع کننده، انجام مصاحبه های روشنگرانه و ارائه بینش های جامع ایجاد کرده است. تخصص کومار در تولید محتوای با تاثیر بالا، از جمله مقالات، گزارش‌ها و انتشارات تحقیقاتی برای پلتفرم‌های صنعتی برجسته است. کومار با مجموعه ای از مهارت های منحصر به فرد که دانش فنی و داستان سرایی را با هم ترکیب می کند، در انتقال مفاهیم پیچیده فناوری به مخاطبان مختلف به شیوه ای واضح و جذاب برتری می یابد.
