شركة بريطانية ناشئة تراهن على المحاكاة القائمة على الفيزياء لتسريع اكتشاف الأدوية

أطلقت الشركة البريطانية الناشئة Potential Sciences هذا الأسبوع مقترحًا جريئًا: تجاوز المختبر الرطب والسماح للمحاكاة القائمة على الفيزياء بإنشاء مجموعات البيانات الكيميائية الحيوية الضخمة اللازمة لتدريب نماذج الذكاء الاصطناعي من الجيل القادم لاكتشاف الأدوية. وبتمويل من صندوق SovAI الاستثماري التابع للحكومة البريطانية وTwin Path Ventures، تخطط الشركة لمحاكاة التفاعلات الذرية من المبادئ الأولى، وبناء مجموعات بيانات أكبر بعدة أوامر من بنك بيانات البروتين الذي يقيد حاليًا معظم جهود اكتشاف الأدوية المدعومة بالذكاء الاصطناعي.

يصف المؤسس والرئيس التنفيذي حاتم حليل الهدف بعبارات صريحة: "نريد للجزيئات التي لن تنجح في العيادة أن تفشل بسرعة." ومن خلال التنبؤ بسلوك الجزيئات مقابل بيولوجيا الإنسان حاسوبيًا، تأمل Potential Sciences في تقليل الوقت والتكلفة لتحديد مرشحي الأدوية القابلة للتطبيق — مما قد يجعل العلاجات للأمراض النادرة مجدية اقتصاديًا لأول مرة.

لماذا يهم هذا البنية التحتية لوحدات معالجة الرسوميات / الذكاء الاصطناعي

يتطلب تدريب النماذج على ديناميكا الجزيئات المحاكاة على نطاق واسع قدرًا هائلاً من الحوسبة — وهو بالضبط نوع القدرة المستمرة وعالية الإنتاجية لوحدات معالجة الرسوميات التي توفرها السحابات المتخصصة في الذكاء الاصطناعي. مع انتقال الذكاء الاصطناعي المستند إلى الفيزياء من البحث إلى خطوط إنتاج الأدوية التجارية، سيزداد الطلب على مجموعات وحدات معالجة الرسوميات عالية الكثافة ويمكن الوصول إليها. الشركات مثل AiGpu التي توفر بنية تحتية مرنة لوحدات معالجة الرسوميات عند الطلب ستستفيد مباشرة من هذا التحول نحو سير العمل الثقيلة المحاكاة.

لا يزال المتشككون موجودين. يشير أستاذ جامعة رايس بيتر وولينز إلى أن هندسة البروتين الحالية في "مستوى الرومان، وليس عصر النهضة." ولكن مع إثبات AlphaFold من DeepMind الحائز على نوبل أن الذكاء الاصطناعي يمكنه فك بيولوجيا البنية، بدأ السباق لتحويل البيانات المولدة من المحاكاة إلى تنبؤات سريرية موثوقة. تراهن Potential Sciences على أن نهجها القائم على الفيزياء سيكون العنصر المميز.