فعالیت‌های جانبی دانشمندان؟ استفاده از هوش مصنوعی و محاسبات کوانتومی برای تولید پپتیدهای جدید.

محققان موفق شده‌اند نشان دهند که یک کامپیوتر کوانتومی می‌تواند دقت و کارایی مدل‌های هوش مصنوعی مولد در کشف دارو را بهبود بخشد. این دستاورد با استفاده از زمان آزاد و بودجه باقی‌مانده از پروژه‌های دیگر به دست آمده است.

تیم دانشگاه فنی دانمارک، مدل هوش مصنوعی خود را برای پیش‌بینی پروتئین‌ها با یک کامپیوتر کوانتومی در ابعاد یک چاپگر اجرا کرد که توسط شرکت بریتانیایی ORCA Computing ساخته شده بود. این کار با اتصال ماشین‌های کوانتومی به پردازنده‌های سنتی، سرعت عملکرد هوش مصنوعی را افزایش داد. محققان از این روش ترکیبی برای تولید پپتیدهای جدید – زنجیره‌های کوتاهی از اسیدهای آمینه – استفاده کردند که قادر به اتصال به پروتئین‌های خاص در بدن هستند. این مرحله، یک گام حیاتی در توسعه واکسن محسوب می‌شود.

این گروه تحقیقاتی، در تعطیلات آخر هفته و با جمع‌آوری بودجه باقی‌مانده از پروژه‌های دیگر کار می‌کردند، زیرا "اکثر پیشرفت‌های علمی نوآورانه برای سازمان‌های حمایتی بسیار پرخطر به نظر می‌رسد"، طبق گفته‌ی پروفسور تیموتی پاتریک جنکینز از دانشگاه DTU که رهبری این پروژه را بر عهده داشت.

ساخت این پپتیدها در آزمایشگاه و بررسی اینکه آیا آن‌ها به پروتئین‌های مورد نظر متصل می‌شوند، نشان داد که مدل جدید، پپتیدهای موفق‌تری نسبت به مدل کلاسیک تولید می‌کند، به‌ویژه در مواردی که داده‌های آموزشی کمبود دارند.

این تیم معتقد است که این فناوری می‌تواند توسعه ایمونوتراپی‌ها و واکسن‌های شخصی‌سازی‌شده را تسریع کند و همچنین اثربخشی داروها را در گروه‌هایی که کمتر مورد مطالعه قرار گرفته‌اند، بهبود بخشد.

پاتریک جنکینز به مجله WIRED می‌گوید: "ما باید این موضوع را به طور کامل ثابت کنیم تا شک‌کنندگان را متقاعد کنیم که پیش‌بینی‌های ما با واقعیت سازگار است." محاسبات کوانتومی هنوز یک حوزه نوظهور است و با چالش‌های فنی زیادی روبرو است، زیرا ساخت این ماشین‌ها و استفاده موفقیت‌آمیز از آن‌ها برای حل مسائل دشوار است.

حتی پاتریک جنکینز در ابتدا نسبت به این فناوری بدگمان بود: "من یک منتقد بزرگ محاسبات کوانتومی بودم"، او با خنده می‌گوید و معتقد بود که هر کاربردی از آن در کارش، "ده‌ها سال دورتر است".

او و تیمش از داده‌های بزرگ و هوش مصنوعی برای کشف پروتئین‌هایی استفاده می‌کنند که می‌توانند ایمونوتراپی‌های جدید را ارزان‌تر و سریع‌تر ارائه دهند. این تلاش‌ها اغلب توسط بنیاد نوو نوردیزک (Novo Nordisk Foundation) تأمین مالی می‌شوند. در حالی که بیشتر تولیدکنندگان مدل‌های بیولوژیکی به دنبال داده‌های بیشتری هستند، یکی از چالش‌های اصلی تیم او، کمبود داده در مورد تنوع ژنتیکی کامل در سراسر نژادهای انسانی است، زیرا اکثر تحقیقات پزشکی بر روی جمعیت‌های غربی متمرکز شده‌اند. این موضوع می‌تواند توسعه پپتیدهایی را که برای گروه‌هایی که کمتر مورد مطالعه قرار گرفته‌اند، مانند جمعیت‌های آسیایی و آفریقایی، کارآمد باشند، دشوار کند.

این تیم فرضیه داشتند که ادغام یک کامپیوتر کوانتومی در گردش کار آن‌ها می‌تواند منجر به تولید مجموعه‌ای متنوع‌تر از پپتیدها شود، به‌ویژه برای مواردی که داده کمتری در مورد آن‌ها وجود دارد. این ایده پس از مشاهده اینکه ماشین‌های کوانتومی اثر مشابهی در تولید تصاویر دارند، شکل گرفت.

این فرآیند جدید هنوز نمی‌تواند تحولی بزرگ ایجاد کند، زیرا کامپیوترهای کوانتومی هنوز آنقدر کوچک نیستند که بتوانند مدل‌های پیشرفته هوش مصنوعی را اجرا کنند. بنابراین، نتایج بهتری می‌توان با استفاده از یک کامپیوتر کلاسیک به دست آورد.

ژاناتان فانک، دانشجوی دکترا در دانشگاه DTU، می‌گوید: "محاسبات کوانتومی هنوز قدرت کافی ندارند، بنابراین سطحی از پیچیدگی که ما می‌توانستیم در آن کدگذاری کنیم، معادل یک آنتی‌بادی با اندازه معمولی نبود، که چیزی است که معمولاً با آن کار می‌کنیم." علاوه بر این، یافتن پپتیدی که بتواند به یک ژن خاص متصل شود، تنها یک گام در توسعه واکسن است و به تنهایی نمی‌تواند منجر به تولید داروهای موثر شود.

ریچارد موری، مدیرعامل شرکت ORCA Computing، به مجله WIRED می‌گوید: "من فکر می‌کنم که جای تعجب نیست که بسیاری از شرکت‌های صنعتی، محاسبات کوانتومی را مبهم و دوردست می‌دانند"، تا حدودی به این دلیل که "این فناوری هنوز مثال‌های واضح و کاربردی کوتاه‌مدتی نداشته است."

او می‌گوید که این مطالعه، یک کاربرد تجاری کوتاه‌مدت برای محاسبات کوانتومی را نشان می‌دهد. شرکت او نیز در حال استفاده از این فناوری در پروژه‌هایی با شرکت بزرگ نفتی BP در زمینه شیمی و شرکت خودروسازی تویوتا برای افزایش کارایی فرآیند طراحی است.

تیم دانشگاه DTU اکنون قصد دارد بررسی کند که آیا می‌توانند از این روش در مدل‌های پیشرفته‌تر و با پروتئین‌های بزرگتر استفاده کنند. پاتریک جنکینز می‌گوید: "ما به این روش نیاز داشتیم تا بتوانیم به راحتی تأیید کنیم که اکنون شانس جدی برای ایجاد تغییرات اساسی داریم." او همچنین به دنبال استفاده از یک کامپیوتر کوانتومی برای بهبود روش هوش مصنوعی مولد خود در طراحی آنتی‌دوت‌های مصنوعی برای سم مارمولک است.

منبع: https://www.wired.com/story/scientists-using-ai-and-quantum-computing-to-generate-new-peptides/