گسترش مرزهای کشف دارو
مرد مسنی در مطب پزشک خود نشسته و گزارش میدهد که تنگی نفس، گرفتگی عضلات و خارش مداومش بدتر شده است.
پزشک او وظیفه دارد که به او بگوید بیماری مزمن کلیهاش پیشرفت بیشتری کرده و داروهای موجود کمکی نمیکنند.
یک دختر نوجوان در بخش مراقبتهای ویژه برای زندگی خود میجنگد.
متخصص انکولوژی درمانگر باید به خانوادهاش گزارش دهد که تومور او جهش یافته و به هیچ یک از داروهای موجود پاسخ نمیدهد.
صحنههایی از این دست هر روز میلیونها بار در سراسر جهان تکرار میشود.
با وجود یک قرن پیشرفت، پزشکی مدرن راه درازی در پیش دارد.
معلوم شده است که تاکنون، ما فقط میتوانیم حدود ۵۰۰ بیماری از تقریباً ۱۰۰۰۰ بیماری شناخته شده انسان را درمان کنیم.
و حتی آنهایی را که درمان میکنیم، اغلب به خوبی درمان نمیکنیم.
اصلاح روند یافتن داروهای جدید تأثیر مستقیمی بر سلامت همه دارد.
لنز باریک کشف داروهای مدرن
این کمبود در پزشکی به دلیل کمبود تلاش یا پول نیست، بلکه به دلیل یک محدودیت فیزیکی است: هر ترکیبی که ممکن است به عنوان دارو عمل کند، ابتدا باید قبل از آزمایش ساخته شود.
چالش اصلی پزشکی مدرن به طرز فریبندهای ساده بوده است: یافتن داروهای مولکولی کوچکی که بتوانند دقیقاً به پروتئینهای بدن انسان متصل شوند و نقصهایی را که باعث بیماری میشوند، اصلاح کنند.
این پروتئینها که توسط کد ژنهای ما شکل گرفتهاند، تقریباً مسئول هر فرآیند زندگی هستند.
وقتی تحت شرایط خاصی عملکرد یک یا چند پروتئین مختل شود، بیماری به دنبال آن میآید.
پس از پروژه ژنوم انسان، با وجود انفجار دانش در مورد مسیرهای بیماری، یعنی پروتئینهای دخیل در بیماریهای خاص، پیشرفت در توسعه داروهای جدید کند شده است. تعداد سالانه داروهای مولکولی کوچک جدید مورد تأیید FDA برای بیش از یک دهه تا حد زیادی راکد مانده است.
یک دلیل اصلی: مجموعه ترکیباتی که ما برای یافتن داروهای جدید آزمایش میکنیم بسیار محدود هستند.
بشریت تاکنون موفق شده است کمتر از 10 میلیون ترکیب متمایز شبیه دارو بسازد.
اما قوانین شیمی آلی میتواند بیش از 10^33 یا یک میلیارد تریلیون تریلیون خانواده متمایز از ترکیبات تولید کند که نمایانگر داروهای بالقوه مولکولهای کوچک هستند.
جایی در درون آن جهان شیمیایی، درمان هزاران بیماری نهفته است. حتی با سیستمهای غربالگری رباتیک خودکار، تعداد کل خانوادههای ترکیبات آزمایششده تاکنون کمتر از ده میلیون بخش بسیار کوچکی از آنچه شیمی اجازه میدهد را نشان میدهد.
این فرآیند کند و پرهزینه ساخت و آزمایش ترکیبات بالقوه شبهدارو، همچنان یک نقطه ضعف برای کشف داروهای جدید است.
واقعیت تلخ است سنتز فیزیکی ترکیبات و به دنبال آن آزمایش آزمون و خطا هرگز ما را به اندازه کافی پیش نخواهد برد.
اگر میخواهیم داروهای فردا را پیدا کنیم، به روشی جدید برای کشف جهان شیمیایی ممکن بدون نیاز به ساختن آن نیاز داریم.
محاسبات: مرز بعدی
در طول سالها، محققان امیدوار بودهاند که روشهای محاسباتی این بنبست را بشکنند. این چشمانداز قدرتمند است: استفاده از رایانهها برای پیشبینی چگونگی اتصال ترکیبات شبهدارویی بالقوه به پروتئینهای مرتبط با بیماری بدون نیاز به ساخت اولیه آن ترکیبات. امید این است که رویکردهای محاسباتی بتوانند مناطق جدید و گستردهای از جهان شیمیایی را برای اکتشاف باز کنند.
در سالهای اخیر، بسیاری در این صنعت برای تسریع کشف به هوش مصنوعی روی آوردهاند.
این مفهوم انقلابی به نظر میرسد: الگوریتمها را روی مجموعه دادههای وسیعی از ترکیبات شناخته شده آموزش دهید، سپس اجازه دهید ماشین ترکیبات جدیدی را طراحی کند. اما در عمل، هوش مصنوعی با یک مانع اساسی، کمبود دادهها مواجه شده است.
سیستمهای هوش مصنوعی فقط میتوانند از دادههای تجربی موجود یاد بگیرند، که منحصراً از تعداد کمی از مولکولهایی که بشریت قبلاً سنتز کرده است، به دست میآیند.
به همین دلیل، هوش مصنوعی به جای یافتن ساختارهای شیمیایی جدید، تمایل به ایجاد تغییرات جزئی در ساختارهای شیمیایی شناخته شده دارد.
پیشبینیهای آن محدود به دانش قبلی انسان است. به طور خلاصه، هوش مصنوعی نمیتواند آنچه را که هرگز ندیده است تصور کند.
میتواند شناختهها را بهینه کند، اما نمیتواند جهان شیمیایی ناشناختهای را که کلیدهای بیماریهایی را که هنوز نمیتوانیم درمان کنیم، در اختیار دارد، ترسیم کند.
عبور از این مانع صد ساله نیازمند رویکردی اساساً متفاوت است، رویکردی که با فیزیک شروع میشود، نه حدس و گمان یا دادههای پراکنده.
ورسئون دقیقاً همین رویکرد را از طریق پلتفرم مدلسازی کوانتومی عمیق (DQM) خود توسعه داده است.
هارتموت میشل، برنده جایزه نوبل، میگوید: «پیشرفتهای اساسی که ورسئون در مدلسازی مکانیکی کوانتومی تعاملات پروتئین-دارو داشته است، بسیار چشمگیر است».
DQM پیچیدگیهای پیچیده فیزیک کوانتومی را در مقیاس زیر نانومتر یا آنگستروم و پایینتر بررسی میکند تا به طور سیستماتیک مولکولهای دارویی جدیدی را طراحی کند که به طور قوی و انتخابی به پروتئین هدف خود متصل میشوند.
سپس دانشمندان ورسئون امیدوارکنندهترین نامزدها را در آزمایشگاه تولید و آزمایش میکنند و این نتایج دنیای واقعی را به VersAI، یک سیستم هوش مصنوعی اختصاصی که به طور خاص برای کار در محیطهای کمداده معمول در مراحل اولیه کشف دارو طراحی شده است، میدهند.
VersAI به نوبه خود انواع مولکولهای شبهدارویی را که DQM پیدا میکند، تولید میکند و بهترین آنها در آزمایشگاه آزمایش شده و به آزمایشات بالینی ارتقا مییابند.
به دلیل پیشرفتهایشان در طراحی مبتنی بر فیزیک، Verseon میتواند مناطق کاملاً جدیدی از جهان شیمی را کشف کند.
این پلتفرم قادر به طراحی و اعتبارسنجی مولکولهای شبهدارویی است که هرگز وجود نداشتهاند و از محدودیتهایی که مانع کشفهای مرسوم شدهاند، رهایی مییابد.
از همگرایی فیزیک، زیستشناسی و هوش مصنوعی تا داروهای واقعی
فناوری Verseon نتایج ملموسی را به همراه دارد، داروهای ضدانعقاد خوراکی دقیق این شرکت (PROACs) برای جلوگیری از لخته شدن خون خطرناک بدون خطرات خونریزی رایج در درمانهای فعلی طراحی شدهاند.
مطالعات بررسیشده توسط همتایان نشان میدهد که این مولکولها میتوانند تشکیل لخته را مسدود کنند و در عین حال توانایی طبیعی بدن برای جلوگیری از خونریزی را حفظ کنند، شاهکاری که هیچ داروی ضدانعقاد موجود به آن دست نمییابد.
پروفسور جان دینفیلد، یکی از رهبران کلیدی در زمینه قلب و عروق، میگوید: «داروهای ضدانعقاد Verseon با نحوه عملکرد منحصر به فرد و خطر خونریزی کم، فرصتی هیجانانگیز برای «پزشکی دقیق» برای درمان جمعیت عظیمی از بیماران قلبی عروقی ارائه میدهند.»
برنامه دیگری رتینوپاتی دیابتی، یکی از علل اصلی نابینایی در سراسر جهان را هدف قرار میدهد.
استاندارد مراقبت فعلی این است که صبر کنیم تا بینایی به طور قابل توجهی بدتر شود.
تنها در آن مرحله است که شدت بیماری، خطرات تزریق منظم داروهای سرطانی با کاربرد مجدد به چشم را توجیه میکند.
و علائم فقط در حدود ۵۰٪ از بیماران بهبود مییابد.
در تضاد کامل، شرکت Verseon داروهای خوراکی درجه یکی را برای پیشگیری یا حتی معکوس کردن آسیب شبکیه که منجر به از دست دادن بینایی میشود، قبل از وقوع، توسعه داده است.
Verseon در حال توسعه داروهایی است که از تمام آسیبهای اندامهای انتهایی دیابتی، از جمله دژنراسیون پیشرونده کلیه که بسیاری از دیابتیها را به نارسایی کلیه و دیالیز میرساند، جلوگیری میکند.
همچنین داروهای جدید شیمیدرمانی این شرکت حتی زمانی که تومورها جهش مییابند و در برابر سایر عوامل شیمیدرمانی شناخته شده مقاوم میشوند، همچنان مؤثر هستند.
این برنامهها نشان میدهند که چگونه توانایی کشف مواد شیمیایی شبه دارویی که قبلاً غیرقابل دسترس بودند، از طریق طراحی پیشبینی مبتنی بر فیزیک، میتواند داروهای ایمنتر و مؤثرتری را برای بیماریهایی که مدتها غیرقابل درمان تلقی میشدند، ارائه دهد.
آینده پزشکی
آدیتیو پراکاش، مدیرعامل ورسئون، آیندهای را تصور میکند که در آن داروها میتوانند فرآیندهای بیماری را با دقت فوقالعادهای هدف قرار دهند.
«توانایی کنترل عملکرد هر پروتئین، پیامدهایی بسیار فراتر از درمان بیماریها پس از شروع آنها دارد. این امر دریچهای را برای پیشگیری از بیماری قبل از شروع آن و کند کردن فرآیندهایی که باعث ویرانیهای پیری میشوند، باز میکند.»
پیشرفتهای ورسئون در مدلسازی فیزیک کوانتومی، آنچه را که در کشف دارو امکانپذیر است، بازتعریف میکند.
برای اولین بار، محاسبات میتواند واقعاً جهان شیمیایی را کاوش کند نه با برونیابی از آنچه که ما از قبل میدانیم، بلکه با شبیهسازی قوانین اساسی طبیعت که بر تعاملات مولکولی حاکم هستند.
این توانایی مدلسازی زیستشناسی در سطح کوانتومی در نهایت به پزشکی اجازه میدهد تا فراتر از محدودیتهای فعلی خود پیش برود.
با پیشرفت این رویکرد، جهان سرانجام از درمان چند صد بیماری به درمان هزاران بیماری حرکت خواهد کرد.
آینده پزشکی نه بر اساس آزمون و خطا، بلکه بر اساس درک و طراحی ساخته خواهد شد. پیشرفتهای ورسئون نشان میدهد که مسیر درمان بیماریهای بیشتر، نه در حدس زدن بهتر، بلکه در دانستن بیشتر در مورد فیزیک خود زندگی نهفته است.
پیامدهای این امر عمیق است، کنترل دقیق فعالیت پروتئینهای بیماریزا به علم پزشکی اجازه میدهد تا قبل از ظهور بیماریها مداخله کند و طول عمر سالم انسان را بسیار فراتر از آنچه اکنون ممکن است، افزایش دهد.
همگرایی فیزیک، زیستشناسی و هوش مصنوعی در حال تغییر شکل مبانی کشف دارو است.
پلتفرم Verseon دریچهای را برای کاوش در جهان وسیع و بکر شیمیایی برای یافتن داروهای جدید و قابل توجه باز میکند و برای همیشه زندگی میلیاردها نفر را تغییر میدهد.
لینک مفید:عصر درمان دقیق و دارورسانی هوشمند
بیشتر بدانید:پیشرفت در کاربرد سیستمهای دارورسانی مبتنی بر نانو و میکرو در بیماریهای ریوی
بیشتر بخوانید:دارورسانی به مغز از طریق اسپری بینی
تاریخ:1404/10/9
مهسا نعمتی
