استفاده از هوش مصنوعی در کشف دارو انقلابی در صنعت بیوتکنولوژی ایجاد کرده و استارتاپ هایی مانند Chai Discovery با جذب سرمایه های کلان، مسیر تولید دارو را سریع تر و دقیق تر کرده اند.
کشف دارو، هنر شناسایی مولکول های جدید برای توسعه داروهای شیمیایی، فرآیندیه که به زمان بر بودن و دشواری زیاد معروفه. روش های سنتی مثل غربالگری با بازده بالا (high-throughput screening)، رویکردی هزینه بر و پراکنده دارن که اغلب هم به موفقیت ختم نمی شه. با این حال، نسل جدیدی از شرکت های بیوتکنولوژی دارن از هوش مصنوعی در کشف دارو و فناوری های پیشرفته داده استفاده می کنن تا این فرآیند رو سریع تر و بهینه تر کنن.
نقش هوش مصنوعی در کشف دارو
شرکت Chai Discovery که یک استارت آپ هوش مصنوعی تاسیس شده در سال 1402 (2024 میلادی) هست، یکی از همین شرکت هاست. در عرض کمی بیشتر از 12 ماه، بنیان گذاران جوان این شرکت موفق شدن صدها میلیون دلار سرمایه جذب کنن و حمایت تعدادی از تاثیرگذارترین سرمایه گذاران دره سیلیکون (Silicon Valley) رو به دست بیارن؛ موضوعی که اون ها رو به یکی از پرزرق وبرق ترین شرکت ها در این صنعتِ در حال رشد تبدیل کرده. در آذرماه، این شرکت مرحله دوم جذب سرمایه (Series B) خودش رو کامل کرد که 130 میلیون دلار سرمایه اضافی و ارزش گذاری 1.3 میلیارد دلاری رو براشون به همراه داشت. این موفقیت چشم گیر نشان دهنده پتانسیل بالای سرمایه گذاری در استارتاپ هوش مصنوعی در سال های اخیر است.
جمعه گذشته، Chai همکاری خودش رو با Eli Lilly اعلام کرد؛ قراردادی که توی اون، این غول داروسازی از نرم افزار این استارت آپ برای کمک به توسعه داروهای جدید استفاده می کنه. الگوریتم Chai که Chai-2 نام داره، برای توسعه آنتی بادی ها طراحی شده؛ یعنی همون پروتئین هایی که برای مبارزه با بیماری ها ضروری هستن. این استارت آپ گفته که امیدوار است به عنوان نوعی «مجموعه طراحی به کمک کامپیوتر» برای مولکول ها عمل کنه.
این یک لحظه حیاتی برای حوزه تخصصی Chai محسوب می شه. خبر قرارداد این استارت آپ درست مدت کوتاهی قبل از اونی اعلام شد که Eli Lilly بگه قصد داره با Nvidia هم توی یک مشارکت 1 میلیارد دلاری برای ایجاد یک آزمایشگاه کشف داروی هوش مصنوعی در سانفرانسیسکو همکاری کنه. این همکاری نشان دهنده اهمیت روزافزون هوش مصنوعی در کشف دارو است. این «آزمایشگاه نوآوری مشترک»، همون طور که نامیده می شه، داده های بزرگ، منابع محاسباتی و تخصص علمی رو با هم ترکیب می کنه تا سرعت توسعه داروهای جدید رو بیشتر کنه.
این صنعت بدون منتقد هم نیست. به نظر می رسه بعضی از پیشکسوت های این حوزه فکر می کنن که با توجه به سختی های توسعه سنتی دارو بعیده این فناوری های جدید تاثیر خیلی بزرگی داشته باشن. با این حال، در مقابل هر مخالف، به نظر می رسه به همون اندازه آدم هایی وجود دارن که به این مسیر باور دارن.
النا ویبوش (Elena Viboch)، مدیرعامل General Catalyst که یکی از حامیان اصلی Chai هست به TechCrunch گفت که شرکتش مطمئنه کمپانی هایی که از خدمات این استارت آپ استفاده می کنن، نتیجه اش رو می بینن. ویبوش گفت: «ما معتقدیم شرکت های بیوفارما که با بیشترین سرعت برای همکاری با شرکت هایی مثل Chai اقدام می کنن، اولین هایی خواهند بود که مولکول ها رو به مرحله کلینیکی می رسونن و داروهای مهمی رو می سازن. در عمل، این یعنی همکاری در سال 1405 و تا پایان سال 1406 شاهد ورود اولین داروها در کلاس جهانی به آزمایش های بالینی خواهیم بود.»
آلیزا اپل (Aliza Apple)، مدیر برنامه TuneLab در شرکت Lilly که از هوش مصنوعی و یادگیری ماشین برای پیشبرد هوش مصنوعی در کشف دارو استفاده می کنه هم نسبت به محصول Chai ابراز اطمینان کرد. اون گفت: «با ترکیب مدل های طراحی مولد Chai با تخصص عمیق Lilly در حوزه بیولوژیک و داده های اختصاصی، ما قصد داریم مرزهای چگونگی طراحی مولکول های بهتر توسط هوش مصنوعی رو از همون ابتدا جابه جا کنیم؛ با این هدف نهایی که به تسریع توسعه داروهای نوآورانه برای بیماران کمک کنیم.»
ممکنه Chai کمتر از دو سال پیش تاسیس شده باشه، اما ریشه های این استارت آپ به حدود شش سال پیش برمی گرده، یعنی زمانی که گفتگوهایی بین بنیان گذارانش و سام آلتمن، مدیرعامل OpenAI، شکل گرفت. یکی از اون بنیان گذاران، جاش مایر (Josh Meier)، قبلا در سال 1397 در تیم تحقیق و مهندسی OpenAI کار می کرد. بعد از اینکه اون شرکت رو ترک کرد، آلتمن به دوست قدیمی مایر در دوران دانشگاه، جک دنت (Jack Dent)، پیام داد تا درباره یک فرصت تجاری احتمالی بپرسه. مایر و دنت در اصل توی کلاس های علوم کامپیوتر هاروارد با هم آشنا شده بودن، اما در اون زمان دنت مهندس Stripe بود (شرکت دیگه ای که آلتمن از سرمایه گذاران اولیه اون بود).
آلتمن ازش پرسید که آیا فکر می کنه مایر تمایلی به همکاری در یک استارت آپ پروتئومیکس یعنی شرکتی که روی مطالعه پروتئین ها تمرکز داره داره یا نه.
دنت گفت آلتمن «بهم پیام داد تا بگه همه توی OpenAI نظر خیلی مثبتی نسبت بهش دارن و پرسید که آیا فکر می کنم اون حاضر باشه روی یک شرکت جانبی در حوزه پروتئومیکس باهاشون همکاری کنه یا نه.» دنت به آلتمن گفت «البته»، اما فقط یک مشکل وجود داشت: مایر احساس می کرد که این فناوری هنوز کاملا «آماده» نیست. فناوری هوش مصنوعی پشت این جور شرکت ها که از الگوریتم های قدرتمند استفاده می کنن برای پیشرفت هوش مصنوعی در کشف دارو هنوز یک حوزه در حال رشد بود و با اون چیزی که باید باشه، فاصله داشت.
مایر همچنین خیلی مصمم بود که به تیم تحقیق و مهندسی فیس بوک ملحق بشه، و دقیقا همین کار رو هم کرد. در فیس بوک، مایر به توسعه ESM1 کمک کرد، یعنی اولین مدل زبان پروتئین ترنسفورمر که یک پیش نیاز مهم برای کارهاییه که Chai در حال حاضر انجام می ده. بعد از دوران حضور مایر در فیس بوک، اون سه سال رو در Absci گذروند، یک شرکت بیوتکنولوژی دیگه فعال در حوزه هوش مصنوعی در کشف دارو فعالیت می کنه.
تا سال 1402، بالاخره مایر و دنت احساس کردن آماده ان تا سراغ همون شرکت پروتئومیکسی برن که اول با آلتمن در موردش صحبت کرده بودن. دنت گفت: «من و جاش دوباره با سام تماس گرفتیم و بهش گفتیم که باید اون گفتگو رو از همون جایی که رها کرده بودیم ادامه بدیم و اینکه داریم Chai رو با هم شروع می کنیم.»
در نهایت OpenAI یکی از اولین سرمایه گذارهای مرحله اولیه در Chai شد. مایر و دنت در واقع Chai رو به همراه بقیه بنیان گذاران یعنی متیو مک پارتلون (Matthew McPartlon) و ژاک بوئیترو (Jacques Boitreaud) زمانی تاسیس کردن که در دفتر این غول هوش مصنوعی در محله میشن (Mission) سانفرانسیسکو کار می کردن. دنت فاش کرد: «اون ها به اندازه کافی لطف داشتن که مقداری فضای دفتری در اختیار ما گذاشتن.»
تاثیر هوش مصنوعی در کشف دارو؛ از آغاز تا موفقیت
حالا، کمی بیشتر از یک سال بعد، در حالی که Chai از درخشش همکاری جدیدش با Eli Lilly لذت می بره، دنت می گه کلید رشد سریع این شرکت، جمع کردن تیمی از افراد فوق العاده بااستعداد بوده. دنت گفت: «ما واقعا تمام تمرکزمون رو گذاشتیم و مرزهای توانایی های این مدل ها رو جابه جا کردیم. تک تک خط های کد در پایگاه کد (codebase) ما بومی و محصول خودمونه. ما مدل های زبانی بزرگ رو به صورت آماده از اکوسیستم متن باز برنمی داریم تا اون ها رو شخصی سازی کنیم؛ این ها معماری های کاملا سفارشی هستن.»
ویبوش از شرکت General Catalyst به TechCrunch گفت که احساس می کنه Chai برای شروع پرقدرت کارش کاملا آماده است. اون گفت: «هیچ مانع اساسی برای استفاده از این مدل ها در هوش مصنوعی در کشف دارو وجود نداره. شرکت ها همچنان باید کاندیداهای دارویی رو از مراحل آزمایش و کارآزمایی بالینی عبور بدن، اما ما معتقدیم مزایای قابل توجهی برای کسانی که از این فناوری ها استفاده می کنن وجود خواهد داشت نه فقط در کوتاه کردن زمان کشف دارو، بلکه در باز کردن مسیر برای کلاس هایی از داروها که در گذشته توسعه اون ها دشوار بوده و اکنون با هوش مصنوعی در کشف دارو امکان پذیر شده اند.»
تحولات اخیر در بیوفارما و ورود ابزارهای پیشرفته طراحی مولکول، نویدبخش دورانی است که در آن درمان بیماری های دشوار دیگر سال ها به طول نمی انجامد. همکاری های استراتژیک بین دنیای فناوری و داروسازی، زیرساخت های لازم برای جهش علمی بزرگی را فراهم کرده است که ثمره آن بهبود سلامت جهانی خواهد بود.
