بررسی فرصت‌های تحول‌آفرین هوش مصنوعی در فرآیند کشف مولکول‌ها و توسعه داروها

کاربرد هوش مصنوعی و مدل‌های یادگیری عمیق در فرآیندهای اکتشاف، طراحی محاسباتی و توسعه داروهای نوین، کانون توجه نشست تخصصی بیوانفورماتیک و صنعت داروسازی قرار گرفت. در این همایش علمی، اساتید شیمی دارویی و متخصصان زیست‌شناسی محاسباتی به بررسی قابلیت‌های شگفت‌انگیز هوش مصنوعی زاینده (Generative AI) در شناسایی اهداف زیستی جدید، پیش‌بینی ساختار سه‌بعدی پروتئین‌ها و طراحی مولکول‌های کوچک اختصاصی پرداختند. فرآیند سنتی کشف دارو معمولاً بیش از یک دهه به طول انجامیده و نیازمند صرف میلیاردها دلار هزینه است که بخش عمده‌ای از آن به دلیل شکست مولکول‌ها در مراحل اولیه سمیت یا فارماکوکینتیک هدر می‌رود. با به‌کارگیری الگوریتم‌های پیشرفته، دانشمندان می‌توانند ویژگی‌های جذب، توزیع، متابولیسم، دفع و سمیت (ADMET) میلیاردها ساختار شیمیایی را به صورت مجازی در کسری از ثانیه شبیه‌سازی کرده و نرخ موفقیت را به شدت افزایش دهند. در ایران نیز هسته‌های فناور دانش‌بنیان و آزمایشگاه‌های پیشرفته دانشگاهی پروژه‌های متعددی را برای طراحی داروهای ضدسرطان، آنتی‌بیوتیک‌های نوین مقاوم به بتالاکتاماز و داروهای مؤثر بر بیماری‌های متابولیک با تکیه بر این فناوری‌ها آغاز کرده‌اند که می‌تواند زمان طراحی داروها را تا نصف کاهش دهد. صاحب‌نظران تأکید کردند که بهره‌گیری حداکثری از این موج تحول‌آفرین در داروسازی ملی نیازمند سرمایه‌گذاری در زیرساخت‌های ابرمحاسباتی و تجمیع پایگاه‌های داده ژنومیک و دارویی استاندارد در کشور است. کارشناسان معتقدند توسعه الگوریتم‌های هوش مصنوعی بومی و ایجاد همگرایی میان شیمیدان‌ها، بیولوژیست‌ها و متخصصان علوم داده، زیربنای جهش در طراحی داروهای جدید است. این فناوری‌ها می‌توانند مسیر دستیابی به مولکول‌های درمانی نوین را کوتاه‌تر کرده و ظرفیت کشور را در رقابت‌های علمی زیست‌دارویی در عرصه بین‌المللی ارتقا بخشند.