هوش مصنوعی دیگر یک واژهٔ علمی تخیلی نیست؛ حالا دارد واقعی‌ترین اثر خود را در زندگی ما نشان می‌دهد و صنعت بیوتکنولوژی یکی از بزرگ‌ترین صحنه‌های این تحول است. تصور کنید دارویی که کشف آن ده‌ها سال طول می‌کشید، حالا با کمک هوش مصنوعی در چند ماه یا سال‌های کوتاه‌تر از مرحله آزمایشگاهی به مرحله بالینی می‌رسد.
همه‌گیری کووید-۱۹ نشان داد وقتی زمان اهمیت دارد، هوش مصنوعی می‌تواند تفاوت بین تأخیر چند ماهه و کشف سریع درمان یا واکسن را رقم بزند. از آن زمان، شرکت‌های بیوتکنولوژی یکی پس از دیگری به سراغ این فناوری آمده‌اند تا فرآیند کشف دارو را سریع‌تر، دقیق‌تر و مقرون‌به‌صرفه‌تر کنند.
در ادامه با ۱۲ شرکت پیشرو در زمینه کشف داروی مبتنی بر هوش مصنوعی آشنا می‌شویم؛ شرکت‌هایی که نه فقط دارو می‌سازند، بلکه آیندهٔ زیست‌فناوری را دوباره تعریف می‌کنند.
Anima Biotech: هوش مصنوعی در خدمت درمان‌های مبتنی بر mRNA
Anima Biotech یکی از شرکت‌هایی است که نگاه تازه‌ای به درمان‌های مبتنی بر mRNA دارد. پلتفرم mRNA Lightning.AI این شرکت با بررسی دقیق رفتار سلول‌های سالم و بیمار، الگوهای غیرطبیعی را شناسایی می‌کند و بر اساس آن مدل‌های هوش مصنوعی را برای کشف داروهای جدید آموزش می‌دهد.
نتیجه این رویکرد، مجموعه‌ای از ۲۰ داروی پیش‌بالینی است که یکی از امیدبخش‌ترین آن‌ها برای درمان فیبروز ریوی توسعه می‌یابد. همکاری با شرکت‌هایی مانند AbbVie، Takeda و Eli Lilly نشان می‌دهد Anima Biotech به‌درستی در مسیر تبدیل هوش مصنوعی به یک ابزار کلیدی در طراحی دارو قدم برداشته است.
Atomwise: تسریع طراحی داروهای مولکول‌کوچک
Atomwise با پلتفرم AtomNet، یادگیری عمیق را وارد مرحله‌ای جدید از طراحی دارو کرده است. این فناوری قادر است در کتابخانه‌ای شامل بیش از سه تریلیون ترکیب جست‌وجو کند و گزینه‌های امیدوارکننده را با سرعتی بسیار بیشتر از روش‌های سنتی شناسایی کند.
همکاری این شرکت با Sanofi به Atomwise کمک کرده است تا ظرفیت‌های این فناوری را در مقیاس جهانی به کار بگیرد و مسیر کشف داروهای مولکول‌کوچک را کاملاً هدفمند و کارآمد کند.
BPGbio: ترکیب داده‌های عظیم با نانو‌فناوری دارویی
BPGbio با اتکا به پلتفرم NAi Interrogative Biology میلیون‌ها نمونه داده را تحلیل می‌کند تا اهداف دارویی و نشانگرهای زیستی جدید را شناسایی کند. مهم‌ترین دارایی این شرکت، BPM31510 است؛ نانودیسپرسیونی مبتنی بر دارو، لیپید که اکنون در فاز دوم مطالعات بالینی برای سرطان و بیماری‌های نادر قرار دارد و برچسب داروی اورفان FDA را نیز دریافت کرده است.
همکاری با دانشگاه آکسفورد، AstraZeneca و Boehringer Ingelheim نقش این شرکت را در پیوند میان داده، هوش مصنوعی و پژوهش بالینی پررنگ‌تر می‌کند.
Cradle Bio: نسل جدید طراحی پروتئین با هوش مصنوعی مولد
Cradle Bio با استفاده از مدل‌های مولد هوش مصنوعی، پروتئین‌های اصلاح‌شده‌ای را طراحی می‌کند که می‌توانند در درمان، تشخیص، صنایع غذایی و حتی کشاورزی کاربرد داشته باشند. این مدل‌ها که روی میلیاردها توالی پروتئینی آموزش دیده‌اند، توانایی شرکت را در همکاری با بازیگران بزرگ صنعت مانند Novo Nordisk و Johnson & Johnson نشان می‌دهند.
Iktos: ترکیب هوش مصنوعی، شیمی و رباتیک
Iktos با ترکیب الگوریتم‌های هوش مصنوعی و اتوماسیون پیشرفته، فرآیند طراحی مولکول‌های کوچک را سرعت می‌دهد. این شرکت پلتفرم‌هایی مانند Makya (برای طراحی مولکول)، Spaya (برای رتروسنتز) و Ilaka (برای مدیریت فرآیند سنتز) را ارائه می‌کند که در کنار هم چرخه توسعه دارو را به شکل چشمگیری کوتاه‌تر می‌کنند.
این شرکت اخیراً ۲.۵ میلیون یورو از شتاب‌دهنده EIC جذب کرده و همکاری‌های جدیدی با Cube Biotech برای توسعه آگونیست‌های گیرنده آمیلین آغاز کرده است.
Insilico Medicine: اولین داروی کاملا طراحی‌شده توسط هوش مصنوعی
Insilico Medicine با پلتفرم جامع Pharma.AI، هر مرحله از کشف دارو را به‌صورت هوشمندانه مدیریت می‌کند. نتیجه این تلاش‌ها، داروی INS018_055 است که به عنوان اولین داروی کاملاً طراحی‌شده با کمک هوش مصنوعی وارد فاز دوم کارآزمایی بالینی برای درمان فیبروز ریوی شده است.
این شرکت علاوه بر تأمین ۱۱۰ میلیون دلار در سری E، یک قرارداد ۱.۲ میلیارد دلاری با Sanofi امضا کرده که مقیاس واقعی تأثیر فناوری آن را نشان می‌دهد.
Insitro: مدل‌سازی داده‌های ژنومی برای توسعه درمان‌ها
Insitro با تولید داده‌های دقیق ژنومی و تحلیل آن با مدل‌های پیشرفته یادگیری ماشین، پلتفرمی ایجاد کرده که می‌تواند رفتار بیماری‌ها را پیش‌بینی و گزینه‌های درمانی جدید را طراحی کند. همکاری این شرکت با Gilead، BMS و Eli Lilly و جذب ۴۰۰ میلیون دلار سرمایه در سری C، جایگاه آن را در میان نوآوران این حوزه تثبیت کرده است.
Isomorphic Labs: آینده پیش‌بینی ساختار پروتئین
Isomorphic Labs که با Google DeepMind همکاری نزدیکی دارد، نقش مهمی در توسعه AlphaFold3، پیشرفته‌ترین مدل پیش‌بینی ساختار پروتئین، ایفا کرده است. دقت این مدل در تعیین ساختارهای سه‌بعدی پروتئین‌ها، کشف دارو را به‌طور قابل توجهی سرعت می‌بخشد. همکاری با Eli Lilly و Novartis این شرکت را به یکی از بازیگران استراتژیک حوزه بیوانفورماتیک تبدیل کرده است.
Generate Biomedicines: طراحی پروتئین‌های درمانی با رویکرد مولد
Generate Biomedicines با پلتفرم Generate Platform، توالی‌های پروتئینی را طراحی و به‌صورت تجربی آزمایش می‌کند تا درمان‌های جدیدی بسازد. داروی GB-0895 این شرکت که برای درمان آسم شدید توسعه یافته، وارد فاز نخست شده و همکاری با شرکت‌هایی مانند Novartis و Amgen قدم‌های بعدی این شرکت را تقویت می‌کند.
Latent Labs: ساخت پروتئین‌هایی که پیش از این وجود نداشته‌اند
Latent Labs تمرکز خود را روی طراحی پروتئین‌های کاملاً جدید گذاشته است؛ پروتئین‌هایی که طبیعت آن‌ها را نساخته اما می‌توانند بیماری‌هایی را هدف قرار دهند که درمان‌های فعلی قادر به مقابله با آن‌ها نیستند. این شرکت به‌جای توسعه محصول داخلی، فناوری خود را در اختیار محققان دانشگاهی و شرکت‌های کوچک قرار می‌دهد تا مشارکت گسترده‌تری شکل بگیرد.
Relay Therapeutics: حمله به پروتئین‌های دشوار
Relay Therapeutics با پلتفرم Dynamo مدل‌های محاسباتی پیشرفته را با داده‌های تجربی ترکیب می‌کند تا به سراغ پروتئین‌هایی برود که هدف قرار دادن آن‌ها دشوار است. یکی از داروهای کلیدی آن، RLY-2608، مهارکننده‌ای برای PI3Kα جهش‌یافته است که در سرطان پستان نقش مهمی دارد و نتایج اولیه بسیار امیدوارکننده بوده‌اند.
Recursion: تحلیل عظیم داده برای سرعت‌بخشیدن به توسعه دارو
Recursion با تکیه بر RecursionOS و مدل زبانی LOWE حجم عظیمی از داده‌های زیستی و شیمیایی را تحلیل می‌کند. داروی REC-994 این شرکت برای درمان ناهنجاری غاری مغزی (CCM) وارد فاز دوم شده و نتایج مثبتی ثبت کرده است.
چالش‌های واقعی، پتانسیل‌های زیاد
با وجود رشد سریع، کشف دارو با تکیه بر هوش مصنوعی هنوز با چالش‌هایی از جمله کیفیت داده، پیچیدگی زیستی و الزامات نظارتی روبه‌رو است. اما نمونه‌هایی مانند BPGbio نشان داده‌اند که استفاده درست از داده و مدل‌های هوشمند می‌تواند فرآیند توسعه دارو را متحول کند.
بازار جهانی هوش مصنوعی در کشف دارو در سال ۲۰۲۲ حدود ۱.۱ میلیارد دلار ارزش داشت و پیش‌بینی می‌شود تا سال ۲۰۳۰ با رشد سالانه نزدیک به ۳۰ درصد افزایش یابد—روندی که نشان می‌دهد آینده بیوتکنولوژی به‌طور جدی به هوش مصنوعی گره خورده است.
نظرات کاربران