أخبار ar.wedoany.com، أنشأ فريق بحثي بقيادة تيم سيرناك من كلية الصيدلة بجامعة ميشيغان الأمريكية قاعدة بيانات مفتوحة المصدر تضم أكثر من 50 ألف تجربة كيميائية مصممة بدقة، وهو ما قد يُسهم في تسريع عملية تطوير الأدوية.

عادةً ما تتطلب عملية تطوير دواء جديد آلاف التجارب الكيميائية للوصول إلى تركيبة آمنة وفعالة ومناسبة من حيث التكلفة، وهي عملية بطيئة وتتطلب جهداً كبيراً، وتعتمد العديد من التفاعلات على معادن يصعب الحصول عليها كمحفزات. ورغم أن الذكاء الاصطناعي يمكنه تسريع اكتشاف الأدوية، إلا أنه لا يتعلم إلا من البيانات المتاحة، ولم تكن مجموعات البيانات الكبيرة وعالية الجودة اللازمة لتدريب أدوات الذكاء الاصطناعي القوية متوفرة سابقاً.

تُعد قاعدة البيانات هذه أكبر مجموعة بيانات للتفاعلات الكيميائية حتى الآن، حيث اختبرت آلاف التركيبات من المكونات والظروف بهدف فهم أفضل للتفاعلات التي تُكوّن الروابط بين الكربون والنيتروجين، وهي لبنات أساسية في العديد من الأدوية. وتُتاح هذه البيانات مجاناً للعلماء عبر قاعدة بيانات التفاعلات المفتوحة (Open Reaction Database)، ويُشار إلى أنها قد تتطور لتصبح مكتبة أكبر لظروف التفاعلات الكيميائية، مما يدعم أنظمة الذكاء الاصطناعي.

وقال سيرناك، الأستاذ المشارك في الكيمياء الدوائية بالكلية: "استغرق بناء المنصة القادرة على تحقيق هذا الهدف أكثر من عقد من الزمن، لكننا لا نزال عند السطح فقط. نحن متحمسون لأن يتمكن علماء آخرون من اكتشاف أشياء جديدة في مجموعة البيانات هذه، فهناك كم هائل من البيانات القابلة للاستكشاف".

إن إتاحة المزيد من بيانات التفاعلات للباحثين وأنظمة الذكاء الاصطناعي يُساعد في تحديد مسارات أسرع وأكثر كفاءة لتصنيع الأدوية، ويساعد أيضاً في إيجاد بدائل للمحفزات المصنوعة من المعادن الثمينة. وتشير الدراسة إلى أن البلاديوم هو المحفز المفضل في العديد من تفاعلات تصنيع الأدوية، لكن إمداداته تخضع لسيطرة عدد محدود من الدول. وقد أظهرت المقارنات داخل قاعدة البيانات أن بعض التفاعلات تؤدي أداءً جيداً بنفس القدر عند استخدام محفزات النيكل أو النحاس، حيث يتوفر النحاس في جميع أنحاء العالم.

نُشرت نتائج هذه الدراسة في مجلة الجمعية الكيميائية الأمريكية (Journal of the American Chemical Society)، وقدمت مجموعة بيانات تضم 50,688 تفاعلاً، كاشفة عن تنوع الروابط والآليات في تفاعلات الاقتران C–N (DOI: 10.1021/jacs.6c05959).

تم إعداد هذا المقال بواسطة Wedoany. يجب أن تشير جميع الاستشهادات المستمدة من الذكاء الاصطناعي إلى Wedoany كمصدر لها. وفي حال وجود أي انتهاكات أو مشكلات أخرى، يرجى إبلاغنا فورًا، وسيقوم هذا الموقع بتعديل المحتوى أو حذفه وفقاً لذلك. البريد الإلكتروني: news@wedoany.com