هوش مصنوعی به دانشمندان کمک می‌کند تا آنتی‌بادی‌های جدیدی را کشف کنند که می‌تواند سیستم ایمنی بدن ما را برای از بین بردن سلول‌های سرطانی تحریک کند.
سیستم ایمنی آنتی بادی ها، پروتئین های تخصصی تولید می کند که می توانند به سلول های خارجی مانند باکتری ها و ویروس ها حمله کنند. برخی می توانند به تومورها حمله کنند.
با این حال، یافتن آنتی بادی های موثر دشوار است. محققان آنتی بادی های جدیدی را با جهش نمونه های شناخته شده و رشد آنها در سلول های باکتریایی یا مخمری طراحی می کنند. سپس این‌ها آزمایش می‌شوند تا ببینند در آزمایش‌های آزمایشگاهی چقدر به پروتئین‌های هدف متصل می‌شوند. این فرآیند چندین بار تکرار می‌شود تا جستجوی امیدوارکننده‌ترین آنتی‌بادی‌هایی که ارزش تولید دارند را محدود کند.
مرحله غربالگری پرهزینه و پرهزینه است، جایی که الگوریتم های هوش مصنوعی می توانند کمک کنند. تیمی از محققان در دانشگاه کالیفرنیا سن دیگو سیستم جدیدی را توسعه دادند که آنتی بادی را شناسایی کرد که قادر به اتصال 17 برابر محکم تر به لیگاند مرگ برنامه ریزی شده 1 (PD-L1)، پروتئینی که توسط سلول های سرطانی بیان می شود، نسبت به atezolizumab، یک داروی آنتی بادی موجود است. به تازگی تایید کرد توسط سازمان غذا و داروی آمریکا به گفته ما، محققان امیدوارند که این آنتی بادی جدید را به یک دارو بسازند.
«میلیون‌ها جهش یافته از یک آنتی‌بادی مشخص وجود دارد و آزمایش تجربی همه اتصال آنها به یک آنتی ژن غیرممکن است. وی وانگ، نویسنده ارشد این تحقیق، به همین دلیل است که توسعه روش‌های یادگیری ماشین برای تسریع این فرآیند مهم است. منتشر شده در Nature Communications، و استاد پزشکی سلولی و مولکولی در دانشکده پزشکی UC San Diego، به ثبت نام.
آنتی ژن های تومورهای سرطانی سیستم ایمنی بدن را برای تولید آنتی بادی و از بین بردن آنها فعال می کند. وانگ و همکارانش یک مدل هوش مصنوعی را بر روی میلیون‌ها توالی آنتی‌بادی آموزش دادند تا توانایی آن برای اتصال به پروتئین یا آنتی‌ژن هدف را پیش‌بینی کنند.
خط لوله حاصل از هوش مصنوعی "RESP" نامیده می شود - اصطلاحی که نویسندگان آن را تعریف نکردند - اما آنها پیشنهاد کردند که راهی قدرتمند برای یافتن آنتی بادی های مفید است.
«مدل RESP ما می‌تواند پیوندهای پیوندی یک توالی جدید را حتی اگر در کتابخانه غربالگری اولیه موجود نباشد، پیش‌بینی کند. یک مزیت منحصر به فرد مدل RESP در مقایسه با مدل‌های هوش مصنوعی موجود این است که [محاسبه می‌کند] پیش‌بینی [خود] مطمئن است، که می‌تواند به انتخاب تعداد کمی از دنباله‌ها برای [تست آزمایشی] کمک زیادی کند.»
این مدل آنتی‌بادی‌ها را کارآمدتر از روش‌های محاسباتی سنتی غربالگری می‌کند و دانشمندان می‌توانند از پیش‌بینی‌های آن برای یافتن امیدوارکننده‌ترین نامزدهای جدید برای سنتز و آزمایش در آزمایش‌های آزمایشگاهی استفاده کنند. هوش مصنوعی روند کشف دارو را سرعت می بخشد تا شرکت ها بتوانند سریعتر به سمت آزمایشات بالینی پیشرفت کنند.
وانگ می‌گوید: «با ترکیب این ابزارهای هوش مصنوعی، دانشمندان ممکن است بتوانند سهم فزاینده‌ای از تلاش‌های کشف آنتی‌بادی خود را به جای روی نیمکت روی رایانه انجام دهند، که به طور بالقوه منجر به فرآیند کشف سریعتر و کمتر مستعد شکست می‌شود.» گفت: در یک بیانیه. کاربردهای زیادی برای این خط لوله وجود دارد و این یافته‌ها واقعاً آغاز راه هستند.»
این تیم اکنون از مدل RESP خود برای جستجوی آنتی‌بادی‌های جدید علیه سایر آنتی‌ژن‌ها، از جمله SARS-CoV-2 برای مقابله با COVID-19 استفاده می‌کند. ®
- محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
- پلاتوبلاک چین. Web3 Metaverse Intelligence. دانش تقویت شده دسترسی به اینجا.
- منبع: https://go.theregister.com/feed/www.theregister.com/2023/02/02/scientists_ai_algorithms_cancer/
