يمكن للعلماء تسريع تطوير أدوية جديدة للأجسام المضادة
طور العلماء في كلية الطب بجامعة كاليفورنيا في سان دييغو استراتيجية تستند إلى الذكاء الاصطناعي (AI) لاكتشاف عقاقير الأجسام المضادة عالية التقارب.
في الدراسة ، التي نُشرت في 28 يناير 2023 في مجلة Nature Communications ، استخدم الباحثون النهج لتحديد جسم مضاد جديد يربط هدفًا رئيسيًا للسرطان أقوى بمقدار 17 ضعفًا من دواء الأجسام المضادة الموجودة. يقول المؤلفون إن خط الأنابيب (Pineapple) يمكن أن يسرع من اكتشاف عقاقير جديدة ضد السرطان وأمراض أخرى مثل COVID-19 والتهاب المفاصل الروماتويدي.
لكي يكون الدواء ناجحًا ، يجب أن يرتبط الجسم المضاد بشدة بهدفه. للعثور على مثل هذه الأجسام المضادة ، يبدأ الباحثون عادةً بسلسلة معروفة من الأحماض الأمينية للأجسام المضادة ويستخدمون خلايا بكتيرية أو خميرة لإنتاج سلسلة من الأجسام المضادة الجديدة مع اختلافات في هذا التسلسل. ثم يتم تقييم هذه الطفرات لقدرتها على ربط المستضد المستهدف. ثم تخضع المجموعة الفرعية من الأجسام المضادة التي تعمل بشكل أفضل لجولة أخرى من الطفرات والتقييمات ، وتتكرر هذه الدورة حتى تظهر مجموعة من المتأهلين للتصفيات النهائية الملزمة بإحكام.
على الرغم من هذه العملية الطويلة والمكلفة ، فإن العديد من الأجسام المضادة الناتجة لا تزال غير فعالة في التجارب السريرية. في الدراسة الجديدة ، صمم علماء جامعة كاليفورنيا في سان دييغو خوارزمية لتعلم الآلة على أحدث طراز لتسريع وتبسيط هذه الجهود.
يبدأ النهج بالمثل ، مع قيام الباحثين بإنشاء مكتبة أولية تضم حوالي نصف مليون تسلسل ممكن من الأجسام المضادة وفحصها لمعرفة مدى تقاربها مع هدف بروتيني معين. ولكن بدلاً من تكرار هذه العملية مرارًا وتكرارًا ، يقومون بتغذية مجموعة البيانات في شبكة بايزي العصبية التي يمكنها تحليل المعلومات واستخدامها للتنبؤ بتقارب الربط بين التسلسلات الأخرى.
قال كبير المؤلفين وي وانج ، دكتوراه ، أستاذ الطب الخلوي والجزيئي في جامعة كاليفورنيا في سان دييغو: “باستخدام أدوات التعلم الآلي الخاصة بنا ، يمكن تنفيذ هذه الجولات اللاحقة من الطفرات المتسلسلة والاختيار بسرعة وكفاءة على جهاز كمبيوتر بدلاً من المختبر”. مدرسة الطب.
تتمثل إحدى الميزات الخاصة لنموذج الذكاء الاصطناعي الخاص بهم في قدرته على الإبلاغ عن اثبات كل تنبؤ. قال وانغ: “على عكس الكثير من أساليب الذكاء الاصطناعي ، يمكن لنموذجنا أن يخبرنا في الواقع عن مدى ثقته في كل من تنبؤاته ، مما يساعدنا على تصنيف الأجسام المضادة وتحديد أي منها يجب تحديد أولوياته في تطوير الأدوية”.
للتحقق من صحة خط الأنابيب (Pineapple) ، شرع علماء المشروع والمؤلفون المشاركون في الدراسة جوناثان باركنسون ، دكتوراه ، وريان هارد ، دكتوراه ، في تصميم جسم مضاد ضد بروتين (PD-L1) ، وهو بروتين يتم التعبير عنه بشكل كبير في السرطان و هدفاً للعديد من الأدوية المضادة للسرطان المتوفرة تجارياً. باستخدام هذا النهج ، حددوا جسمًا مضادًا جديدًا مرتبطًا بـ PD-L1 أفضل 17 مرة من atezolizumab (الاسم التجاري Tecentriq) ، وهو الجسم المضاد من النوع البري المعتمد للاستخدام السريري من قبل إدارة الغذاء والدواء الأمريكية.
يستخدم الباحثون الآن هذا النهج لتحديد الأجسام المضادة الواعدة ضد المستضدات الأخرى ، مثل SARS-CoV-2. كما أنهم يطورون نماذج ذكاء اصطناعي إضافية تحلل تسلسل الأحماض الأمينية لخصائص الأجسام المضادة الأخرى المهمة لنجاح التجارب السريرية ، مثل الاستقرار والقابلية للذوبان والانتقائية.
قال وانغ: “من خلال الجمع بين أدوات الذكاء الاصطناعي هذه ، قد يكون العلماء قادرين على أداء نصيب متزايد من جهود اكتشاف الأجسام المضادة على جهاز كمبيوتر بدلاً من على مقاعد البدلاء ، مما قد يؤدي إلى عملية اكتشاف أسرع وأقل عرضة للفشل”. “هناك الكثير من التطبيقات لهذا الخط ، وهذه النتائج هي في الحقيقة مجرد البداية.”
