علماء في الإمارات العربية المتحدة ينجحون في استكشاف فوائد الشبكات الكمومية المولدة التنافسية في الكيمياء التوليدية

أعلنت شركة إنسيليكو ميديسين، وهي شركة اكتشاف الأدوية بمرحلة الاختبارات السريريه ، اليوم أن مركزها لأبحاث وتطوير الذكاء الاصطناعي(AI) والحوسبة الكمومية في أبوظبي يقوم بريادة دمج تقنيتين تتطوران بسرعة، وهما الحوسبة الكمومية والذكاء الاصطناعي المولد، لاستكشاف المرشح الرئيسي في عملية تطوير الأدوية والتوصل بنجاح إلى مزايا الشبكات الكمومية المولدة التنافسية في الكيمياء التوليدية.

يقود هذه الدراسة مركز إنسيليكو في الإمارات العربية المتحدة، وهو أكبر مركز بحث في مجال التكنولوجيا الحيوية المدعوم بالذكاء الاصطناعي في المنطقة والموجود في مدينة مصدر، والذي يركز على ريادة وبناء الطرق والمحركات الابتكارية باستخدام التكنولوجيات المتطورة بسرعة بما في ذلك الذكاء الاصطناعي المولد والحوسبة الكمومية لتسريع اكتشاف الأدوية وتطويرها، بدعم من الدكتور آلان آسبورو-غوزيك، مدير اتحاد العجلة في جامعة تورنتو، ومعهد بحوث هون هاي فوكسكون

تعد شبكات التوليد المتنافسة (GANs) أحد أنماط التوليد الأكثر نجاحًا في اكتشاف الأدوية وتصميمها، حيث أظهرت نتائج مذهلة في إنتاج بيانات تحاكي توزيع البيانات في مهام مختلفة.

يتألف نموذج GAN الكلاسيكي من مولد ومميز. يأخذ المولد ضجيجًا عشوائيًا كإدخال ويحاول تقليد توزيع البيانات، بينما يحاول المميز التمييز بين العينات الوهمية والعينات الحقيقية. يتم تدريب GAN حتى لا يتمكن المميز من تمييز البيانات المولدة عن البيانات الحقيقية. في هذا البحث، استكشف الباحثون الميزة الكمومية في اكتشاف الجزيئات الدوائية الصغيرة من خلال استبدال كل جزء من نموذج MolGAN، وهو نموذج GAN ضمني للرسوم البيانية الجزيئية الصغيرة، بدائرة كمية تكميلية (VQC) خطوة بخطوة، بما في ذلك مولد الضجيج والمولد بطريقة التصليح والمميز الكمومي، ومقارنة أدائه مع المقابل الكلاسيكي.

تظهر الدراسة ليس فقط أن GANs الكمومي المدرب يمكنه إنتاج جزيئات مشابهة لمجموعة التدريب باستخدام VQC كمولد الضجيج، ولكن المولد الكمومي يفوق GAN الكلاسيكي في خصائص الدواء للمركبات المُنتَجَة وفحص الهدف الموجه. بالإضافة إلى ذلك، تظهر الدراسة أن مميز الكم GAN بعدد قليل من المعلومات التي يمكن تعلمها يمكنه إنتاج جزيئات صالحة ويفوق المقابل الكلاسيكي الذي يحتوي على عشرات الآلاف من المعلومات من حيث خصائص الجزيئات المُنتَجَة ومعدل التباين KL. “تُعترف الحوسبة الكمومية كتقدم تكنولوجي سيجعل تأثيرًا كبيرًاعلى جميع المجتمعات، ويعتقد أن صناعة الأدوية هي واحدة من أولى الصناعات التي ستستفيد من التقدم.

يُظهر البحث النسمة الأولى لإنسيليكو في مجال الحوسبة الكمومية مع الذكاء الاصطناعي في تكوين الجزيئات، مما يؤكد رؤيتنا في هذا المجال”، قال الدكتور أليكس أليبر، رئيس إنسيليكو، الذي سيكون مدير المركز الإقليمي. سيدعم النتيجة الواعدة علماء إنسيليكو بمزيد من دمج نموذج GAN الكمومي المختلط في Chemistry42، محرك إنسيليكو الحصري لتكوين الجزيئات الصغيرة، للحصول على نتائج أكثر كفاءة ودقة في اكتشاف الأدوية المدفوع بالذكاء الاصطناعي وعملية التطوير.

كون إنسيليكو واحدة من الرواد في استخدام GANs في تصميم جديد للجزيئات، قامت إنسيليكو بنشر أول ورقة علمية في هذا المجال في عام 2016، وقد قامت الشركة بتقديم 11 مرشحًا ما قبل السريري بدعم من منصتها الشاملة Pharma.AI المبنية على نماذج الذكاء الاصطناعي المولدة منذ عام 2021، ثلاثة منها دخلت التجارب السريرية. “أنا فخور بالنتائج الإيجابية التي حققها فريق الحوسبة الكمومية لدينا من خلال جهودهم وابتكارهم. أعتقد أن هذه هي الخطوة الصغيرة الأولى في رحلتنا”، قال أليكس زافورونكوف، مؤسس والرئيس التنفيذي لإنسيليكو ميديسين. “نحن ملتزمون بتسريع العلاجات الفعالة ذات الجودة العالية للمرضى لتمديد الحياة الصحية وتحسينها، والحوسبة الكمومية والذكاء الاصطناعي ستلعبان دورًا حاسمًا في تحقيق هذه الغاية”.

مركز إنسيليكو في الإمارات العربية المتحدة يعمل حاليًا على تجربة مبتكرة باستخدام حاسوب كمومي حقيقي في مجال الكيمياء ويتطلع إلى مشاركة أفضل الممارسات التابعة لإنسيليكو مع الصناعة والأوساط الأكاديمية.

عن إنسيليكو ميديسين:

إنسيليكو ميديسين هي شركة تكتشف الأدوية بمرحلة سريرية تعتمد تمامًا على الذكاء الاصطناعي من البداية إلى النهاية، حيث تربط بين علوم الأحياء والكيمياء وتحليل التجارب السريرية باستخدام أنظمة ذكاء اصطناعي جيل المستقبل. قامت الشركة بتطوير منصات ذكاء اصطناعي تستخدم نماذج توليدية عميقة وتعلم تعزيزي وأجهزة تحويل وتقنيات التعلم الآلي الحديثة الأخرى لاكتشاف أهداف جديدة وتصميم هياكل جزيئية جديدة ذات الخواص المطلوبة. تقدم إنسيليكو ميديسين حلولًا مبتكرة لاكتشاف وتطوير الأدوية الابتكارية لعلاج السرطان والتليف والمناعة والجهاز العصبي المركزي والأمراض المرتبطة بالشيخوخة. لمزيد من المعلومات، يرجى زيارة www.insilico.com.