شرکت میکروپورتکنولوژیز رهبری کنسرسیومی را به عهده دارد که با بودجه ویژه بنیاد نوآوری بریتانیا، روی تسریع توسعه داروها و واکسن‌ها کار خواهد کرد.
هوش مصنوعی و فناوری‌نانو در توسعه سریع‌تر واکسن‌ها و داروها استفاده می‌شوند
تحقیقات جالبی به رهبری شرکت میکروپورتکنولوژیز (Micropore Technologies)، دانشگاه استراسکلاید (University of Strathclyde) و چند مرکز تحقیقاتی دیگر در حال انجام است که روی نقش و چگونه تاثیر هوش مصنوعی (AI) و یادگیری ماشینی بر توسعه و تولید واکسن‌ها و داروهای مبتنی بر mRNA تمرکز دارد. این پروژه به صورت یک برنامه پیشگامی و با بودجه بیش از ۴۴۰ هزار پوند از سوی Innovate UK انجام می‌شود که در آن به بررسی فرآیندهای سریع‌تر در پزشکی ژنومیک می‌پردازد و در آن تحلیل DNA برای درک ساختار ژنتیکی به منظور درمان سرطان، بیماری‌های نادر یا تولید واکسن‌های جدید به صورت ویژه مورد بررسی قرار می‌گیرد.
این مطالعه بر روی آزمایش نانوذرات لیپیدی متمرکز است که RNA را برای انتقال به سلول‌ها کپسوله می‌کنند. RNA که در تمام سلول‌های زنده وجود دارد، به بدن امکان می‌دهد سلول‌ها را بسازد یا به چالش‌های ایمنی پاسخ دهد، در حالی که mRNA دستورالعمل‌های ژنتیکی را برای ایجاد سلول‌ها حمل می‌کند.
این کنسرسیوم توسط شرکت میکروپورتکنولوژیز (Micropore Technologies)، هدایت می‌شود که یکی از شرکت‌های تولیدکننده دارو است. محققانی از دانشگاه‌های نورثومبریا، تیساید و استراسکلاید نیز در این پروژه همکاری دارند.
پروفسور ایوون پری، رئیس مؤسسه داروسازی و علوم زیست‌پزشکی دانشگاه استراسکلاید، اظهار داشت: «این تحقیق پتانسیل ایجاد تحول در توسعه و تولید داروهای ژنومیک را دارد. هدف ما این است که با اعمال یادگیری ماشینی به این فرآیندهای پیچیده، پیشرفت‌های قابل توجهی در سرعت و اثربخشی درمان‌ها ایجاد کنیم. ما خوشحالیم که تخصص خود را در آزمایش نانوذرات به این برنامه همکاری اضافه می‌کنیم.»
پروفسور وی لوک وو از دانشگاه نورثومبریا، استاد یادگیری ماشینی، چالش‌ها و اهداف این مطالعه را چنین توضیح داد: «توسعه داروهای ژنومیک پیچیده است و کپسوله‌سازی اسیدهای نوکلئیک درون نانوذرات محافظ، احتمالاً حیاتی‌ترین مرحله در فرآیند تولید است. طراحی تجهیزات فرآیند، رویکرد عملیاتی، فرمولاسیون و محصول فعال، همه بر رفتار این داروهای درون‌سلولی تأثیر می‌گذارند و رویکردهای فعلی برای درک این رفتارها بسیار زمان‌بر است. این موضوع مانعی برای توسعه و تولید به‌موقع و موفق داروهای درون‌سلولی با استفاده از نانوذرات ایجاد می‌کند.»
او افزود: «هدف ما این است که از یادگیری ماشینی برای شناسایی و یادگیری این روابط پیچیده استفاده کنیم و مدل‌هایی بسازیم که بتوانند توسعه فرمولاسیون را تسریع کنند. این امر بهبودی چشم‌گیر در سرعت و کارایی پیشرفت داروهای ژنومیک از مرحله کشف تا کاربرد واقعی در پیشگیری و درمان بیماری‌ها ایجاد خواهد کرد.»
شرکت میکروپورتکنولوژیز که به‌دلیل فناوری Advanced Crossflow شناخته شده است، مدل‌های یادگیری ماشینی را همراه با محققان دانشگاهی برای افزایش کارایی فرمولاسیون دارو به‌کار خواهد گرفت.
دیو پالمر، مدیر فنی میکروپورتکنولوژیز گفت: «ما مشتاق همکاری با شرکای خود هستیم تا از یادگیری ماشینی برای تسریع توسعه اولیه در مقیاس آزمایشگاهی و مسیر تولید استفاده کنیم و فرآیند تولید را بهبود بخشیم و در نهایت داروهای ژنومیک جدید را بسیار سریع‌تر از گذشته به مرحله استفاده برسانیم.»
