TxGemma: شاخه‌ای تخصصی از خانواده هوش مصنوعی گوگل
این مدل‌های جدید، که مجموعاً TxGemma نامیده می‌شوند، یک بسط تخصصی از خانواده مدل‌های هوش مصنوعی مولد (GenAI) و متن‌باز Gemma گوگل هستند. مدل‌های Gemma، به نوبه خود، بر پایه پلتفرم پیشرفته هوش مصنوعی Gemini گوگل ساخته شده‌اند، که آخرین نسخه آن در دسامبر رونمایی شد.
قرار است کیت ابزار TxGemma در اواخر این ماه از طریق برنامه Google’s Health AI Developer Foundations در اختیار جامعه علمی قرار گیرد. هدف از این ابتکار، تقویت همکاری و توسعه بیشتر با اجازه دادن به محققان برای ارزیابی و اصلاح مدل‌ها است. در حالی که دامنه کامل کاربرد آنها هنوز مشخص نیست، انتشار اولیه سوالاتی را در مورد پتانسیل آنها برای سازگاری تجاری ایجاد می‌کند.
درک زبان درمان
دکتر کارن دسالوو، مدیر ارشد بهداشت گوگل، در مورد قابلیت‌های منحصر به فرد TxGemma توضیح داد. این مدل‌ها توانایی درک هم متن استاندارد و هم ساختارهای پیچیده موجودیت‌های درمانی مختلف را دارند. این شامل مولکول‌های کوچک، مواد شیمیایی و پروتئین‌ها می‌شود که بلوک‌های ساختمانی اساسی در توسعه دارو هستند.
این درک دوگانه به محققان این امکان را می‌دهد تا به روشی شهودی‌تر با TxGemma تعامل داشته باشند. آنها می‌توانند سوالاتی بپرسند که به پیش‌بینی ویژگی‌های حیاتی درمان‌های بالقوه جدید کمک می‌کند. به عنوان مثال، محققان می‌توانند از TxGemma برای کسب بینش در مورد پروفایل‌های ایمنی و کارایی داروهای کاندید استفاده کنند و روند غربالگری اولیه را تسریع کنند.
پرداختن به چالش‌های توسعه دارو
دکتر دسالوو با اشاره به اینکه “توسعه داروهای درمانی از مفهوم تا استفاده تایید شده یک فرآیند طولانی و پرهزینه است”، بر زمینه این نوآوری تاکید کرد. گوگل با در دسترس قرار دادن TxGemma برای جامعه تحقیقاتی گسترده‌تر، قصد دارد رویکردهای جدیدی را برای افزایش کارایی این تعهد پیچیده بررسی کند.
هوش مصنوعی: نیرویی دگرگون کننده در علوم زیستی
ظهور هوش مصنوعی بدون شک صنعت علوم زیستی را متحول کرده است. توانایی آن در پردازش مجموعه داده‌های وسیع، شناسایی الگوهای پنهان و تولید پیش‌بینی‌های مبتنی بر داده، فرصت‌های بی‌سابقه‌ای را ایجاد کرده است. هوش مصنوعی در حال حاضر به طور فعال در مراحل مختلف توسعه دارو استفاده می‌شود، از جمله:
- شناسایی اهداف دارویی: مشخص کردن مولکول‌ها یا مسیرهای خاص درگیر در فرآیندهای بیماری.
- طراحی داروهای جدید: ایجاد ترکیبات جدید با خواص درمانی مطلوب.
- تغییر کاربری درمان‌های موجود: یافتن کاربردهای جدید برای داروهایی که قبلاً برای سایر شرایط تایید شده‌اند.
چشم‌انداز نظارتی در حال انطباق با هوش مصنوعی
پذیرش سریع هوش مصنوعی در توسعه دارو، نهادهای نظارتی را بر آن داشته تا واکنش نشان دهند. در اوایل سال جاری، FDA اولین راهنمای خود را در مورد استفاده از هوش مصنوعی در پرونده‌های نظارتی منتشر کرد و شفافیت در مورد نحوه ادغام این فناوری در ارائه‌ها را ارائه داد. به طور مشابه، در سال 2024، EMA یک مقاله بازتابی منتشر کرد که دیدگاه خود را در مورد کاربرد هوش مصنوعی در طول چرخه عمر محصول دارویی تشریح می‌کرد. این تحولات، شناخت روزافزون نقش هوش مصنوعی در شکل‌دهی آینده تحقیقات و مقررات دارویی را برجسته می‌کند.
فراتر از TxGemma: نگاهی اجمالی به ابتکارات بهداشتی گوگل
رویداد ‘The Check Up’ طیف وسیعی از پیشرفت‌های مرتبط با سلامت گوگل را به نمایش گذاشت:
نتایج بهبود یافته سلامت در جستجوی گوگل
گوگل بر بهبود توانایی موتور جستجوی خود برای ارائه اطلاعات بهداشتی قابل اعتماد و مرتبط به کاربران تاکید کرد. این شامل اصلاح الگوریتم‌های جستجو برای اولویت‌بندی منابع معتبر و ارائه اطلاعات به شکلی واضح و در دسترس است.
ویژگی سوابق پزشکی در برنامه Health Connect
یک ویژگی جدید در برنامه Health Connect گوگل معرفی شد که به کاربران امکان می‌دهد سوابق پزشکی خود را به طور ایمن ذخیره و مدیریت کنند. هدف این پلتفرم متمرکز، توانمندسازی افراد با کنترل بیشتر بر داده‌های سلامت خود و تسهیل اشتراک‌گذاری یکپارچه با ارائه‌دهندگان مراقبت‌های بهداشتی است.
‘همکار دانشمند’ هوش مصنوعی: یک شریک تحقیقاتی مجازی
گوگل با تکیه بر اعلامیه خود در فوریه، مفهوم ‘همکار دانشمند’ هوش مصنوعی خود را بیشتر توضیح داد. این همکار مجازی برای کمک به دانشمندان در تولید فرضیه‌ها و پیشنهادات تحقیقاتی جدید طراحی شده است. با استفاده از پردازش زبان طبیعی، همکار دانشمند هوش مصنوعی می‌تواند اهداف تحقیقاتی را تجزیه و تحلیل کند و فرضیه‌های قابل آزمایشی را همراه با خلاصه‌ای از ادبیات منتشر شده مرتبط و رویکردهای تجربی بالقوه پیشنهاد دهد.
به عنوان مثال، اگر محققان قصد دارند درک خود را از گسترش یک میکروب بیماری‌زا عمیق‌تر کنند، می‌توانند این هدف را به زبان طبیعی بیان کنند. سپس همکار دانشمند هوش مصنوعی با فرضیه‌های پیشنهادی، مقالات تحقیقاتی مرتبط و طرح‌های آزمایشی احتمالی پاسخ خواهد داد.
Capricorn: هوش مصنوعی برای درمان شخصی سرطان دوران کودکی
در نهایت، گوگل یک ابزار هوش مصنوعی به نام Capricorn را معرفی کرد که از مدل‌های Gemini برای تسریع شناسایی درمان‌های شخصی برای سرطان‌های دوران کودکی استفاده می‌کند. Capricorn با ادغام داده‌های پزشکی عمومی با اطلاعات بیمار ناشناس، این کار را انجام می‌دهد و پزشکان را قادر می‌سازد تا استراتژی‌های درمانی را به طور موثرتری برای بیماران خاص تنظیم کنند.
کاوش عمیق در کاربردهای بالقوه TxGemma
قدرت اصلی در توانایی مدل برای پر کردن شکاف بین متن قابل خواندن توسط انسان و دنیای پیچیده و اغلب مرموز ساختارهای مولکولی نهفته است.
در اینجا نحوه استفاده مورد انتظار از TxGemma آمده است:
شناسایی هدف:
- یک محقق ممکن است وارد کند: “اهداف پروتئینی بالقوه برای مهار رشد سلول‌های سرطانی جهش یافته KRAS را شناسایی کنید.”
- TxGemma، با استفاده از پایگاه‌های داده وسیع مقالات علمی و داده‌های مولکولی، می‌تواند لیستی از پروتئین‌هایی را پیشنهاد دهد که با پروتئین KRAS تعامل دارند یا در مسیرهایی که KRAS بر آنها تأثیر می‌گذارد، دخیل هستند. همچنین می‌تواند این اهداف را بر اساس عواملی مانند “قابلیت دارویی” (احتمال اینکه یک مولکول کوچک بتواند به طور موثر به پروتئین متصل شده و آن را تعدیل کند) رتبه‌بندی کند.
کشف ترکیب سرب:
- یک محقق می‌تواند وارد کند: “مولکول‌های کوچکی را پیدا کنید که با میل ترکیبی بالا به محل فعال پروتئین کیناز AKT1 متصل می‌شوند.”
- TxGemma می‌تواند کتابخانه‌های مجازی متشکل از میلیاردها ترکیب را بررسی کند و میل ترکیبی آنها به پروتئین AKT1 را بر اساس ساختار سه بعدی آنها پیش‌بینی کند. همچنین می‌تواند این ترکیبات را بر اساس ویژگی‌هایی مانند حلالیت پیش‌بینی‌شده، نفوذپذیری و سمیت بالقوه فیلتر کند.
مطالعات مکانیسم عمل:
- یک محقق یک ترکیب امیدوارکننده دارد اما دقیقاً مطمئن نیست که چگونه کار می‌کند. آنها می‌توانند وارد کنند: “مکانیسم عمل ترکیب XYZ را که فعالیت ضد بیماری آلزایمر را در مدل‌های پیش بالینی نشان می‌دهد، پیش‌بینی کنید.”
- TxGemma می‌تواند ساختار ترکیب را تجزیه و تحلیل کند، آن را با داروهای شناخته شده مقایسه کند و آن را با داده‌های مربوط به تغییرات بیان ژن و فعل و انفعالات پروتئین-پروتئین ارجاع متقابل دهد تا مسیرها یا اهداف بالقوه‌ای را که ترکیب ممکن است تحت تأثیر قرار دهد، پیشنهاد کند.
تغییر کاربری دارو:
- یک محقق ممکن است بپرسد: “داروهای موجودی را که می‌توان برای درمان اختلال ژنتیکی نادر ABC تغییر کاربری داد، شناسایی کنید.”
- TxGemma می‌تواند مبنای ژنتیکی و مولکولی اختلال ABC را تجزیه و تحلیل کند، سپس داروهایی را جستجو کند که مسیرها یا پروتئین‌های درگیر در بیماری را هدف قرار می‌دهند، حتی اگر این داروها در ابتدا برای یک بیماری کاملاً متفاوت ساخته شده باشند.
پیش‌بینی سمیت:
- قبل از انتقال یک ترکیب به آزمایشات بالینی پرهزینه، محققان باید سمیت بالقوه آن را ارزیابی کنند. TxGemma می‌تواند برای موارد زیر استفاده شود: “پتانسیل ترکیب PQR برای ایجاد آسیب کبدی یا سمیت قلبی را پیش‌بینی کنید.”
- این مدل ساختار ترکیب را تجزیه و تحلیل می کند و آن را با پایگاه های داده ترکیبات سمی شناخته شده مقایسه می کند و پرچم های قرمز بالقوه را شناسایی می کند.
مزیت متن‌باز: کاتالیزوری برای نوآوری
گوگل با انتشار TxGemma به عنوان یک مدل متن‌باز، محیطی مشارکتی را تقویت می‌کند و سرعت کشف را افزایش می‌دهد.
تأثیر بالقوه تقویت می‌شود.
محققان در سراسر جهان می‌توانند در توسعه مدل مشارکت کنند، الگوریتم‌های آن را اصلاح کنند، پایگاه دانش آن را گسترش دهند و آن را با نیازهای تحقیقاتی خاص تطبیق دهند.
آینده کشف دارو
معرفی TxGemma و سایر ابزارهای مبتنی بر هوش مصنوعی گامی مهم در جهت توسعه کارآمدتر و موثرتر داروها است. در حالی که هوش مصنوعی یک گلوله جادویی نیست، پتانسیل بسیار زیادی برای تقویت تخصص انسانی، تسریع جدول زمانی تحقیقات و در نهایت ارائه سریع‌تر درمان‌های نجات‌بخش به بیماران دارد. تکامل مداوم هوش مصنوعی در علوم زیستی نوید آینده‌ای را می‌دهد که در آن کشف دارو مبتنی بر داده، دقیق‌تر و در نهایت موفق‌تر باشد.