Rola AI-ya hilberîner di kifşkirina dermanan de çi ye?

Rola AI-ya Generative di kifşkirina dermanan de çi ye?

Bersiva kurt: AI-ya afirîner bi piranî kifşkirina zû ya dermanan bi çêkirina molekulên namzed an rêzikên proteînan, pêşniyarkirina rêyên sentezê, û derxistina holê ya hîpotezên ceribandinê lez dike, da ku tîm bikaribin kêmtir ceribandinên "kor" bikin. Ew çêtirîn performans dike dema ku hûn sînorkirinên hişk bicîh tînin û encaman piştrast dikin; wekî orakulek tê dermankirin, ew dikare bi bawerî xelet bike.

Xalên sereke:

Lezkirin : GenAI bikar bînin da ku hilberîna ramanan berfireh bikin, dûv re bi fîlterkirina hişk teng bikin.

Astengkirin : Berî çêkirinê, pêdivî bi rêzeyên taybetmendiyan, qaîdeyên scaffold, û sînorên nûbûnê heye.

Tesdîqkirin : Derana wekî hîpotez bihesibîne; bi ceribandin û modelên ortogonal piştrast bike.

Şopandinî : Têbînî, derketin û sedemên bingehîn tomar bike da ku biryar bikaribin werin venêrîn û nirxandin.

Berxwedana bi karanîna xelet : Bi rêvebirin, kontrolên gihîştinê û nirxandina mirovî, pêşî li rijandin û baweriya zêde bigirin.

Rola AI-ya afirîner di kifşkirina dermanan de çi ye? Infografîk

Gotarên ku hûn dikarin piştî vê yekê bixwînin:

🔗 Rola AI di lênihêrîna tenduristiyê de
Çawa AI teşhîs, herikînên kar, lênêrîna nexweşan û encaman baştir dike.

🔗 Gelo AI dê şûna radyologan bigire?
Vekolînê dike ka çawa otomasyon radyolojiyê temam dike û çi mirovî dimîne.

🔗 Ma AI dê şûna bijîşkan bigire?
Nirxandineke rasteqîne li bandora AIê li ser kar û pratîka bijîşkan.

🔗 Amûrên çêtirîn ên laboratûara AI ji bo vedîtina zanistî
Amûrên laboratûara AI-ê yên top ji bo lezandina ceribandinan, analîz û vedîtinê.

Rola AI-ya afirîner di kifşkirina dermanan de, bi yek nefesê 😮💨

AI-ya hilberîner alîkariya tîmên dermanan dike biafirînin , taybetmendiyan pêşbînî bikin, guhertinan pêşniyar bikin, rêyên sentezê pêşniyar bikin, hîpotezên biyolojîkî lêkolîn bikin, û çerxên dubarekirinê kêm bikin - nemaze di vedîtina zû û çêtirkirina rêberiyê de. Nature 2023 (nirxandina vedîtina lîgandê) Nirxandina Elsevier 2024 (modelên hilberîner di sêwirana dermanan de de novo)

Û belê, ew dikare bi bawerî bêwateyiyan jî çêbike. Ev beşek ji peymanê ye. Mîna stajyerek pir bi coş bi motorek roketî. Rêbernameya klînîsyenan (rîska halûsînasyonan) npj Dermanê Dîjîtal 2025 (çarçoveya halûsînasyon + ewlehiyê)

Çima ev ji ya ku mirov qebûl dikin girîngtir e 💥

Gelek xebata vedîtinê "lêgerîn" e. Lêgerîna fezaya kîmyewî, lêgerîna biyolojiyê, lêgerîna wêjeyê, lêgerîna têkiliyên avahî-fonksiyonê. Pirsgirêk ev e ku fezaya kîmyewî... bi bingehîn bêdawî ye. Hesabên Lêkolîna Kîmyewî 2015 (fezaya kîmyewî) Irwin & Shoichet 2009 (pîvana fezaya kîmyewî)

Tu dikarî çend jiyanan tenê bi ceribandina guhertoyên "maqûl" derbas bikî.

AI-ya afirîner rêça kar ji:

  • "Werin em biceribînin ka em dikarin çi bifikirin"

ber:

  • "Werin em komek vebijarkên mezintir û aqilmendtir çêbikin, dûv re yên çêtirîn biceribînin"

Ne li ser rakirina ceribandinan e. Li ser hilbijartina ceribandinên çêtir e . 🧠 Xweza 2023 (nirxandina kifşkirina lîgandê)

Her wiha, û ev kêm tê nîqaşkirin, ew alîkariya tîman dike ku di navbera dîsîplînan de biaxivin . Kîmyager, biyolog, kesên DMPK, zanyarên hesabker… her kes xwedî modelên derûnî yên cûda ye. Sîstemeke hilberîner a baş dikare wekî xêzkirinek hevpar xizmet bike. Nirxandina Frontiers in Drug Discovery 2024

Çi guhertoyek baş a AI-ya afirîner ji bo kifşkirina dermanan çêdike? ✅

Ne hemû AI-ya afirîner wekhev têne afirandin. Guhertoyek "baş" ji bo vê qadê kêmtir li ser demoyên balkêş û bêtir li ser pêbaweriya ne-seksî ye (ne-seksî li vir fezîletek e). Xweza 2023 (nirxandina kifşkirina lîgandê)

Sazkirinek AI-ya hilberîner a baş bi gelemperî ev e:

Eger AI-ya te ya afirîner nikaribe astengiyan birêve bibe, ew bi bingehîn jeneratorek nûbûnê ye. Li partiyan kêf. Di bernameyeke narkotîkê de kêf kêmtir.

Li ku derê AI-ya hilberîner li seranserê xeta kifşkirina dermanan cîh digire 🧭

Nexşeya aqil a hêsan li vir e. AI-ya afirîner dikare hema hema di her qonaxê de beşdar bibe, lê ew çêtirîn performansê dike li cihên ku dubarekirin biha ye û qada hîpotezê pir mezin e. Xweza 2023 (nirxandina kifşkirina lîgandê)

Xalên têkiliyê yên hevpar:

Di gelek bernameyan de, serkeftinên herî mezin ji entegrasyona herikîna kar , ne ji "zanabûna" modelek tenê. Model motor e - boriyê otomobîl e. Xweza 2023 (nirxandina kifşkirina lîgandê)

Tabloya Berawirdkirinê: nêzîkatiyên AI-ya afirîner ên populer ên ku di kifşkirina dermanan de têne bikar anîn 📊

Tabloyeke hinekî ne temam, ji ber ku jiyana rast hinekî ne temam e.

Amûr / Rêbaz Baştirîn ji bo (temaşevanan) Bihayekî zêde Çima ew dixebite (û kengê ew naxebite)
Çêkerên molekulên de novo (SMILES, grafîk) Kîmyaya navîn + kîmyaya berhevkirî $$-$$$ Di keşifkirina analogên nû de pir baş e 😎 - lê dikare kesên nelihevhatî yên nearam derxe holê REINVENT 4 GENTRL (Nature Biotech 2019)
Çêkerên proteîn / avahiyê Tîmên biyolojîk, biyolojiya avahîsaziyê $$$ Alîkariya pêşniyarkirina rêzan + avahiyan dike - lê "gumanbar xuya dike" ne wekî "xebite" ye. AlphaFold (Nature 2021) RFdiffusion (Nature 2023)
Sêwirana molekulî ya bi şêwaza belavbûnê Tîmên ML yên pêşketî $$-$$$$ Di şertkirina sînordarkirin û cihêrengiyê de bihêz - sazkirin dikare bibe… tiştek tevahî JCIM 2024 (modelên belavbûnê) nirxandina belavbûnê ya PMC 2025
Hevpîlotên pêşbîniya milkê (kombînasyona QSAR + GenAI) DMPK, tîmên projeyê $$ Ji bo triyaj û rêzkirinê baş e - eger wekî încîl were hesibandin xirab e 😬 OECD (qada sepandinê) ADMETlab 2.0
Plankerên Retrosentezê Kîmyaya pêvajoyê, CMC $$-$$$ Fikirandina rêyê leztir dike - ji bo gengazbûn û ewlehiyê hîn jî hewceyê mirovan e AiZynthFinder 2020 Coley 2018 (CASP)
Hevpîlotên laboratuwara pirmodal (nivîs + daneyên ceribandinê) Tîmên wergerandinê $$$ Ji bo kişandina sînyalan di nav setên daneyan de kêrhatî ye - heke daneyên nebaş bin meyla zêdebaweriyê heye Nature 2024 (bandorên komê di wênekirina hucreyê de) npj Digital Medicine 2025 (pirmodal di bîyoteknolojiyê de)
Alîkarên wêje û hîpotezê Her kes, di pratîkê de $ Dema xwendinê pir kêm dike - lê halûsînasyon dikarin şemitok bin, mîna windabûna corapan. Şablonên 2025 (LLM di kifşkirina dermanan de) Rêbernameya klînîsyenan (halûsînasyon)
Modelên bingehê yên xwerû yên navxweyî Dermansaziyên mezin, biyoteknolojiyên baş-fînansekirî $$$$ Kontrola herî baş + entegrasyon - her weha biha û hêdî ye ku were avakirin (bibore, rast e) Nirxandina Frontiers in Drug Discovery 2024

Têbînî: Biha li gorî pîvan, hesabkirin, lîsanskirin û gelo tîma we dixwaze "plug and play" an "werin em keştîyek fezayî ava bikin" pir diguhere

Nirxandinek ji nêz ve: AI-ya afirîner ji bo kifşkirina serkeftinê û sêwirana de novo 🧩

Ev rewşa karanîna sereke ye: molekulên namzed ji sifirê (an jî ji stûyê) çêbikin ku bi profîla hedef re li hev dikin. Nature Biotechnology 2019 (GENTRL) REINVENT 4

Bi gelemperî di pratîkê de çawa dixebite:

  1. Sînorkirinan diyar bike

  2. Namzetan çêbikin

  3. Bi awayekî êrîşkar fîltre bike

  4. Ji bo sentezê komek piçûk hilbijêrin

    • mirov hîn jî hildibijêrin, ji ber ku mirov carinan dikarin bêwateyan bêhn bikin

Rastiya ecêb: nirx ne tenê "molekulên nû" ne. Ew molekulên nû ne ku ji bo sînorkirinên bernameya we watedar in . Ew beşa dawîn her tişt e. Xweza 2023 (nirxandina kifşkirina lîgandê)

Her wiha, zêdegaviyeke sivik tê: dema ku baş were kirin, meriv dikare hîs bike ku we tîmek ji kîmyagerên ciwan ên bêwestan kirê kiriye ku qet ranazin û gazinan nakin. Lê dîsa jî, ew jî fêm nakin çima stratejiyeke parastinê ya taybetî kabûsek e, ji ber vê yekê… hevsengî 😅.

Nirxandinek ji nêz ve: Optimîzasyona rêberan bi AI-ya afirîner (mîhengkirina pir-parametreyî) 🎛️

Optimîzasyona rêberan ew cih e ku xewn tevlihev dibin.

Tu dixwazî:

  • hêz zêde dibe

  • bijartîbûn jor

  • zêdebûna stabîlîteya metabolîzmê

  • çareserîbûn bilind dibe

  • sînyalên ewlehiyê daketin

  • permeabilîtî "tam rast"

  • Û hîn jî sentezkirî be

Ev optimîzasyona klasîk a pir-armanc e. AI-ya afirîner di pêşniyarkirina komek çareseriyên danûstandinê de neasayî baş e, li şûna ku xeyal bike ku yek pêkhateyek bêkêmasî heye. REINVENT 4 Elsevier 2024 (modelên hilberîner)

Rêbazên pratîkî yên ku tîm wê bikar tînin:

  • Pêşniyara analog : "30 guhertoyên ku paqijkirinê kêm dikin lê potansiyelê diparêzin çêbikin"

  • Skenkirina cîgir : lêgerîna rêberkirî li şûna jimartina bi zorê

  • Hopping li ser îskeletê : dema ku bingehek li dîwarekî dixe (toks, IP, an jî aramî)

  • Pêşniyarên ravekirinê : "Ev koma qutbî dibe ku bibe alîkar ji bo çareserbûnê lê dikare zirarê bide permeabilîteyê" (ne her tim rast e, lê alîkar e)

Hişyariyek: pêşbînkerên taybetmendiyan dikarin şikestî bin. Ger daneyên perwerdehiya we bi rêzeya kîmyewî ya we re li hev nekin, model dikare bi ewlehî xelet be. Mîna, pir xelet. Û ew ê sor nebe. Prensîbên pejirandina OECD QSAR (qada sepandinê) Weaver 2008 (qada sepandinê ya QSAR)

Nirxandinek ji nêz ve: ADMET, jehrîbûn, û ceribandina "ji kerema xwe bernameyê nekujin" 🧯

ADMET cihê ku gelek namzed bêdeng têk diçin e. AI-ya afirîner biyolojiyê çareser nake, lê ew dikare xeletiyên pêşîlêgirtî kêm bike. ADMETlab 2.0 Waring 2015 (ji kar dûrketin)

Rolên hevpar:

  • pêşbînîkirina berpirsiyariyên metabolîk (cihên metabolîzmê, meylên paqijkirinê)

  • nîşankirina motîfên jehrîbûna muhtemel (hişyarî, cîgirên navberên reaktîf)

  • texmînkirina rêjeyên çareserî û permeabilîteyê

  • pêşniyarkirina guhertinan ji bo kêmkirina rîska hERG an baştirkirina îstîqrarê 🧪 FDA (Q&A ya ICH E14/S7B) EMA (Nirxandina ICH E14/S7B)

Şêweya herî bibandor bi vî rengî xuya dike: ji bo pêşniyarkirina vebijarkan GenAI bikar bînin, lê ji bo verastkirinê model û ceribandinên taybetî bikar bînin.

AI-ya afirîner motora ramanê ye. Tesdîqkirin hîn jî di ceribandinan de dijî.

Nirxandinek ji nêz ve: AI-ya afirîner ji bo biyolojîk û endezyariya proteînan 🧬✨

Vedîtina dermanan ne tenê molekulên piçûk e. AI-ya hilberîner ji bo van armancan jî tê bikar anîn:

Çêkirina proteîn û rêzan dikare bi hêz be ji ber ku "zimanê" rêzan bi awayekî ecêb baş bi rêbazên ML-ê ve girêdayî ye. Lê li vir paşveçûna bêserûber heye: ew baş tê girêdan… heta ku ew neguhere. Ji ber ku astengiyên îmmunogenîk, îfade, şêwazên glîkozîlasyonê, û pêşkeftinê dikarin hovane bin. AlphaFold (Nature 2021) ProteinGenerator (Nat Biotech 2024)

Ji ber vê yekê, mîhengên çêtirîn ev in:

  • fîlterên pêşvebirinê

  • pîvandina rîska îmmunojenîkîteyê

  • sînorkirinên çêkirinê

  • lûpên laboratûara şil ji bo dubarekirina bilez 🧫

Heke hûn wan ji bîr bikin, hûn rêzefîlmek xweşik digirin ku di hilberînê de wekî dîvayekê tevdigere.

Nirxandinek ji nêz ve: Plansaziya sentezê û pêşniyarên retrosentezê 🧰

AI-ya hilberîner ne tenê ramankirina molekulan, di operasyonên kîmyayê de jî bi dizî dikeve nav xwe.

Plankerên Retrosentezê dikarin:

  • rêyên ber bi kompleksek hedef pêşniyar bikin

  • materyalên destpêkê yên bazirganî pêşniyar bikin

  • rêyan li gorî jimara gavan an jî gengazbûna texmînkirî rêz bike

  • alîkariya kîmyageran bikin ku ramanên "xweşik lê ne gengaz" zû ji holê rakin AiZynthFinder 2020 Coley 2018 (CASP)

Ev dikare demê rast xilas bike, nemaze dema ku hûn gelek avahiyên namzed vedikolin. Dîsa jî, mirov li vir pir girîng in ji ber ku:

  • guhertinên berdestbûna reagentan

  • fikarên ewlehî û pîvanê rast in

  • hin gav li ser kaxezê baş xuya dikin lê dubare caran têk diçin

Metaforeke ne bêkêmahî ye, lê dîsa jî ez ê wê bikar bînim: retrosentez AI mîna GPS-ê ye ku bi piranî rast e, lê carinan ew we di nav golê re derbas dike û israr dike ku ew kurtebir e. 🚗🌊 Coley 2017 (retrosenteza bi alîkariya komputerê)

Daneyên, modelên pirmodal, û rastiya qirêj a laboratûvaran 🧾🧪

Sûnifa afirîner ji daneyan hez dike. Laboratûar daneyan hildiberînin. Li ser kaxezê, ev hêsan xuya dike.

Ha. Na.

Daneyên rastîn ên laboratîfê:

Sîstemên hilberîner ên pirmodal dikarin li hev bicivin:

Dema ku ew dixebite, ew ecêb e. Hûn dikarin qalibên ne-eşkere kifş bikin û ceribandinên ku pisporek tenê dibe ku ji bîr bike pêşniyar bikin.

Dema ku têk diçe, bi bêdengî têk diçe. Derî naqelişe. Tenê te ber bi encameke xelet a bi bawer ve dibe. Ji ber vê yekê rêveberî, pejirandin û nirxandina qadê ne vebijarkî ne. Rêbera klînîsyenan (halucînasyon) npj Dermanê Dîjîtal 2025 (halusînasyon + çarçoveya ewlehiyê)

Rîsk, sînorkirin, û beşa "bi derana herikbar neyên xapandin" ⚠️

Heke hûn tenê tiştekî bi bîr bînin, vê yekê bi bîr bînin: AI-ya afirîner bandorker e. Ew dikare rast xuya bike dema ku xelet be. Rêbera klînîsyenan (halucînasyon)

Rîskên sereke:

Kêmkirina kêşeyan di pratîkê de dibe alîkar:

  • mirovan di nav çerxa biryardanê de bihêlin

  • ferman û derketinên tomarê ji bo şopandinê

  • bi rêbazên ortogonal (ceribandin, modelên alternatîf) piştrast bikin

  • sînorkirin û fîlteran bixweber bicîh bîne

  • derketinê wekî hîpotez, ne wekî tabletên rastiyê bihesibînin Rêbernameya OECD QSAR

AI-ya afirîner amûrek hêzê ye. Amûrên hêzê te nakin darçêker… ew tenê zûtir xeletîyan dikin heke tu nizani tu çi dikî.

Tîm çawa AI-ya afirîner bêyî kaosê bikar tînin 🧩🛠️

Tîm gelek caran dixwazin vê yekê bêyî ku rêxistinê veguherînin pêşangehek zanistî bikar bînin. Rêyeke pratîkî ya pejirandinê wiha xuya dike:

Her wiha, çandê kêm nebînin. Ger kîmyager hîs bikin ku zekaya sûnî li wan tê sepandin, ew ê wê paşguh bikin. Ger ew demê wan xilas bike û rêzê li pisporiya wan bigire, ew ê zû wê bipejirînin. Mirov bi vî rengî henekbaz in 🙂.

Dema ku hûn ji zoomê derdikevin, rola AI-ya afirîner di Vedîtina Dermanan de çi ye? 🔭

Dema ku em biçûktir bikin, rol ne "cihêkirina zanyaran" e. Ew "berfirehkirina qada zanistî" ye. Nature 2023 (nirxandina kifşkirina lîgandê)

Ew alîkariya tîman dike:

  • hefteyekê bêtir hîpotezan bikolin

  • ji bo her çerxekê bêtir avahiyên namzed pêşniyar bikin

  • ceribandinan bi aqilmendîtir bidin pêşanî

  • çerxên dubarekirinê di navbera sêwirandin û ceribandinê de çikandin

  • parvekirina zanînê li seranserê sîloyan Şablonên 2025 (LLM di kifşkirina dermanan de)

Û dibe ku beşa herî kêm nirxandî: ew alîkariya te dike ku xerc nekî . Divê mirov li ser mekanîzmay, stratejî û şîrovekirinê bifikirin - ne ku bi rojan bi destan navnîşên varyantan çêkin. Xweza 2023 (nirxandina kifşkirina lîgandê)

Belê, rola AI-ya afirîner di Dîtina Dermanan de lezker, jenerator, fîlter û carinan jî alozker e. Lê roleke biqîmet e.

Kurteya dawî 🧾✅

AI-ya hilberîner di kifşkirina dermanên nûjen de dibe şiyanek bingehîn ji ber ku ew dikare molekul, hîpotez, rêz û rêyan ji mirovan zûtir çêbike - û ew dikare alîkariya tîman bike ku ceribandinên çêtir hilbijêrin. Nirxandina Frontiers in Drug Discovery 2024 Nature 2023 (nirxandina kifşkirina lîgandê)

Kurteya xalan:

Eger hûn wek hevkarekî - ne wek pêxemberekî - lê binêrin, ew dikare bi rastî bernameyan ber bi pêş ve bibe. Û eger hûn wek pêxemberekî - lê binêrin... dibe ku hûn dîsa li dû wê GPS-ê bikevin golê. 🚗🌊

Pirsên Pir tên Pirsîn

Rola AI-ya hilberîner di kifşkirina dermanan de çi ye?

AI-ya hilberîner bi pêşniyarkirina molekulên namzed, rêzikên proteînan, rêyên sentezê û hîpotezên biyolojîkî di destpêkê de hêlîna ramanan di kifşkirina zû û çêtirkirina rêberiyê de fireh dike. Nirx kêmtir "ceribandinan biguhezîne" û bêtir "ceribandinên çêtir hilbijêre" ye bi çêkirina gelek vebijarkan û dûv re jî fîlterkirina dijwar. Ew çêtirîn wekî lezkerek di hundurê karekî dîsîplînkirî de dixebite, ne wekî biryarderek serbixwe.

Li seranserê xeta kifşkirina dermanan, AI-ya hilberîner li ku derê çêtirîn performansê nîşan dide?

Ew meyla wê yekê dike ku nirxa herî zêde li cihên ku qada hîpotezê fireh e û dubarekirin biha ye, wekî nasnameya lêdanê, sêwirana de novo, û çêtirkirina rêberan, peyda bike. Tîm her weha wê ji bo triyaja ADMET, pêşniyarên retrosentezê, û piştgiriya wêjeyê an hîpotezê bikar tînin. Qezencên herî mezin bi gelemperî ji entegrekirina nifşê bi fîlteran, xalan, û nirxandina mirovî re têne, li şûna ku li bendê bin ku modelek yekane "zîrek" be

Hûn çawa sînordaran datînin da ku modelên hilberîner molekulên bêkêr hilberînin?

Rêbazek pratîkî ew e ku berî çêkirinê sînorkirin werin destnîşankirin: rêzeyên taybetmendiyan (wek armancên çareserî an logP), qaîdeyên scaffold an jî binesaziyê, taybetmendiyên cîhê girêdanê, û sînorên nûbûnê. Dûv re fîlterên kîmyaya dermanan (di nav de PAINS/komên reaksiyonê) û kontrolên sentezkirinê bicîh bînin. Çêkirina pêşî-sînorkirinê bi taybetî bi sêwirana molekulî ya bi şêwaza belavbûnê û çarçoveyên wekî REINVENT 4 re alîkar e, ku tê de armancên pir-armanc dikarin werin kodkirin.

Divê tîm çawa encamên GenAI piştrast bikin da ku ji halûsînasyon û zêdebaweriyê dûr bikevin?

Her encamê wekî hîpotezekê bihesibîne, ne wekî encamekê, û bi ceribandin û modelên ortogonal piştrast bike. Çêkirinê bi fîlterkirina êrîşkar, docking an skorkirinê li cihê ku guncaw be, û kontrolên qada sepandinê ji bo pêşbînkerên bi şêwaza QSAR-ê ve girêbide. Dema ku gengaz be, nezelaliyê xuya bikin, ji ber ku model dikarin bi bawerî li ser kîmyaya derveyî belavkirinê an îdiayên biyolojîkî yên nezelal xelet bin. Nirxandina mirov-di-çerxê de taybetmendiyek ewlehiyê ya bingehîn dimîne.

Hûn çawa dikarin rê li ber rijandina daneyan, xetera IP-yê, û encamên "jiberkirî" bigirin?

Kontrolên rêvebirin û gihîştinê bikar bînin da ku hûrguliyên hesas ên bernameyê bi awayekî bêserûber di nav fermanan de neyên danîn, û ferman/derketinan ji bo kontrolkirinê tomar bikin. Kontrolên nûbûn û wekheviyê bicîh bînin da ku namzetên çêkirî pir nêzîkî pêkhateyên naskirî an herêmên parastî nebin. Qanûnên zelal li ser kîjan daneyan di pergalên derveyî de destûr in bihêlin, û ji bo xebata hesasiyeta bilind jîngehên kontrolkirî tercîh bikin. Nirxandina mirovî dibe alîkar ku pêşniyarên "pir nas" zû werin girtin.

AI-ya hilberîner ji bo çêtirkirina rêber û mîhengkirina pir-parametreyan çawa tê bikar anîn?

Di baştirkirina rêberan de, AI-ya afirîner bi qîmet e ji ber ku ew dikare gelek çareseriyên danûstandinê pêşniyar bike li şûna ku li dû yek pêkhateyek "bêkêmasî" biçe. Herikînên xebatê yên hevpar pêşniyara analog, şopandina cîgirê rêberkirî, û guheztina scaffold dema ku hêz, toksîn, an sînorkirinên IP pêşveçûnê asteng dikin vedihewîne. Pêşbînkerên taybetmendiyê dikarin şikestî bin, ji ber vê yekê tîm bi gelemperî namzedan bi gelek modelan rêz dikin û dûv re vebijarkên çêtirîn bi ceribandinî piştrast dikin.

Ma AI-ya hilberîner dikare di biyolojîk û endezyariya proteînan de jî bibe alîkar?

Belê - tîm wê ji bo çêkirina rêza antîkoran, ramanên gihîştina afînîteyê, başkirinên îstîqrarê, û lêkolîna enzîm an peptîdê bikar tînin. Hilberîna proteîn/rêzikê bêyî ku pêşkeftin be dikare maqûl xuya bike, ji ber vê yekê girîng e ku fîlterên pêşkeftin, îmmunogenîk û çêkirinê werin sepandin. Amûrên avahîsaziyê yên wekî AlphaFold dikarin piştgirîya aqilmendîyê bikin, lê "avahîya maqûl" hîn jî delîla îfade, fonksiyon, an ewlehiyê nine. Xelekên laboratûara şil girîng dimînin.

AI-ya hilberîner çawa piştgiriyê dide plansazkirina sentezê û retrosentezê?

Plankerên retrosentezê dikarin rê, materyalên destpêkê, û rêzkirina rêyan pêşniyar bikin da ku ramanê bilezînin û rêyên ne gengaz bi lez ji holê rakin. Amûr û nêzîkatiyên mîna plansaziya bi şêwaza AiZynthFinder dema ku bi kontrolên gengazbûnê yên cîhana rastîn ên ji kîmyageran re têne hevber kirin, herî bibandor in. Berdestbûn, ewlehî, sînorkirinên mezinbûnê, û "reaksiyonên kaxezê" yên ku di pratîkê de têk diçin hîn jî hewceyê darizandina mirovan in. Bi vî rengî tê bikar anîn, ew bêyî ku xeyal bike ku kîmya çareser bûye dem xilas dike.

Referans

  1. Xweza - Nirxandina kifşkirina lîgandê (2023) - nature.com

  2. Bioteknolojiya Xwezayê - GENTRL (2019) - nature.com

  3. Xweza - AlphaFold (2021) - nature.com

  4. Xweza - RFdiffusion (2023) - nature.com

  5. Bioteknolojiya Xwezayî - Proteînjenerator (2024) - nature.com

  6. Nature Communications - Bandorên komî di wênekirina hucreyê de (2024) - nature.com

  7. Dermanê Dîjîtal npj - Halucînasyon + çarçoveya ewlehiyê (2025) - nature.com

  8. Dermanê Dîjîtal npj - Pirmodal di bîyoteknolojiyê de (2025) - nature.com

  9. Zanist - ProteinMPNN (2022) - science.org

  10. Qalibên Hucreyan - LLM di kifşkirina dermanan de (2025) - cell.com

  11. ScienceDirect (Elsevier) - Modelên hilberîner di sêwirana dermanan de de novo (2024) - sciencedirect.com

  12. ScienceDirect (Elsevier) - Vogt (2023): fikarên li ser nûbûn/bêhempabûnê - sciencedirect.com

  13. Analîza Wêneyên Bijîşkî (ScienceDirect) - AI-ya Pirmodal di bijîşkiyê de (2025) - sciencedirect.com

  14. PubMed Central - Rêbernameya klînîsyenan (rîska halûsînasyonan) - nih.gov

  15. Hesabên Lêkolînên Kîmyewî (Weşanên ACS) - Cihê Kîmyewî (2015) - acs.org

  16. PubMed Central - Irwin & Shoichet (2009): pîvana fezaya kîmyewî - nih.gov

  17. Sînorên Vedîtina Dermanan (PubMed Central) - Nirxandin (2024) - nih.gov

  18. Kovara Agahdarî û Modelkirina Kîmyewî (Weşanên ACS) - Modelên belavbûnê di sêwirana dermanan de de novo (2024) - acs.org

  19. PubMed Central - REINVENT 4 (çarçoveya vekirî) - nih.gov

  20. PubMed Central - ADMETlab 2.0 (girîngiya ADMET ya destpêkê) - nih.gov

  21. OECD - Prensîbên Pejirandina Modelên (Q)SAR ji bo Armancên Rêziknameyî - oecd.org

  22. OECD - Belgeya rêberiyê li ser pejirandina modelên (Q)SAR - oecd.org

  23. Hesabên Lêkolînên Kîmyewî (Weşanên ACS) - Plansaziya senteza bi alîkariya komputerê / CASP (Coley, 2018) - acs.org

  24. Zanista Navendî ya ACS (Weşanên ACS) - Retrosenteza bi alîkariya komputerê (Coley, 2017) - acs.org

  25. PubMed Central - AiZynthFinder (2020) - nih.gov

  26. PubMed - Lipinski: Çarçoveya Qanûna 5an - nih.gov

  27. Kovara Kîmyaya Dermanî (Weşanên ACS) - Baell & Holloway (2010): PAINS - acs.org

  28. PubMed - Waring (2015): windabûn - nih.gov

  29. PubMed - Rives (2021): modelên zimanê proteînê - nih.gov

  30. PubMed Central - Leek û yên din (2010): bandorên komê - nih.gov

  31. PubMed Central ( 2025) - nih.gov

  32. FDA - E14 û S7B: nirxandina klînîkî û ne-klînîkî ya dirêjkirina navberê QT/QTc û potansiyela proaritmîk (Q&A) - fda.gov

  33. Ajansa Dermanên Ewropî - Pêşgotinek li ser rêbernameya ICH E14/S7B - europa.eu

  34. USENIX - Carlini et al. (2021): derxistina daneyên perwerdeyê ji modelên ziman - usenix.org

  35. Zanîngeha Edinburghê – Xizmetên Lêkolînên Dîjîtal - Çavkaniya deftera laboratûvarê ya elektronîkî (ELN) - ed.ac.uk

  36. ScienceDirect (Elsevier) - Weaver (2008): Qada sepandina QSAR - sciencedirect.com

AI-ya herî dawî li Dikana Alîkarên AI-ya Fermî bibînin

Çûna nava

Vegere blogê