گوگل Cloud روز سه‌شنبه دو ابزار جدید مبتنی بر هوش مصنوعی را راه‌اندازی کرد که هدف آن کمک به شرکت‌های بیوتکنولوژی و داروسازی در تسریع کشف دارو و پیشرفت پزشکی دقیق است.

یکی از ابزارها به نام مجموعه شناسایی هدف و سرب، برای کمک به شرکت‌ها در پیش‌بینی و درک ساختار پروتئین‌ها، بخش اساسی توسعه دارو، طراحی شده است. دیگری، Multiomics Suite، به محققان کمک می کند تا مقادیر انبوهی از داده های ژنومی را جذب، ذخیره، تجزیه و تحلیل و به اشتراک بگذارند.

تحولات جدید نشان‌دهنده آخرین پیشرفت گوگل در مسابقه تسلیحاتی هوش مصنوعی است، جایی که شرکت‌های فناوری برای تسلط بر بازاری رقابت می‌کنند که تحلیلگران معتقدند روزی می‌تواند تریلیون‌ها ارزش داشته باشد. از زمان انتشار عمومی ChatGPT در اواخر سال گذشته، این شرکت برای نمایش فناوری هوش مصنوعی مولد خود با فشار مواجه شده است.

گوگل در ماه فوریه ربات چت مولد خود Bard را معرفی کرد. پس از اینکه گوگل در کنفرانس سالانه توسعه دهندگان خود از چندین پیشرفت هوش مصنوعی رونمایی کرد، سهام شرکت مادر آلفابت هفته گذشته 4.3 درصد افزایش یافت.

دو مجموعه جدید Google Cloud به حل یک مشکل طولانی مدت در صنعت داروسازی زیستی کمک می کند: فرآیند طولانی و پرهزینه ارائه یک داروی جدید به بازار ایالات متحده.

شرکت های دارویی می توانند از چند صد میلیون دلار تا بیش از 2 میلیارد دلار برای راه اندازی یک دارو سرمایه گذاری کنند. بر اساس گزارش اخیر Deloitte. تلاش آنها همیشه موفق نیست. بر اساس گزارش دیگری از Deloitte، داروهایی که به آزمایش‌های بالینی می‌رسند، 16 درصد احتمال دارد که در ایالات متحده تأیید شوند.

این هزینه هنگفت و میزان موفقیت ضعیف با یک فرآیند تحقیقاتی گسترده و خسته کننده همراه است که معمولاً حدود 10 تا 15 سال طول می کشد.

شوتا مانیار، مدیر جهانی استراتژی و راه‌حل‌های علوم زیستی Google Cloud، گفت که مجموعه‌های جدید باعث صرفه‌جویی در زمان و پول شرکت‌ها از نظر آماری قابل توجهی در طول فرآیند توسعه دارو می‌شوند. گوگل ارقام خاصی را به CNBC ارائه نکرده است.

مانیار در مصاحبه ای به CNBC گفت: “ما به سازمان ها کمک می کنیم تا داروها را سریعتر به افراد مناسب برسانند.” من شخصاً بسیار هیجان زده هستم، این چیزی است که من و تیم چند سالی است که روی آن کار می کنیم.

هر دو سوئیت از روز سه شنبه به طور گسترده در دسترس مشتریان هستند. گوگل گفت که هزینه بسته به شرکت متفاوت خواهد بود. چندین کسب و کار، از جمله داروسازی بزرگ فایزر و شرکت های بیوتکنولوژی Cerevel Therapeutics و Colossal Biosciences قبلا از این محصولات استفاده کرده اند.

به گفته مانیار، مجموعه شناسایی هدف و سرب با هدف ساده‌سازی اولین گام کلیدی توسعه دارو، که شناسایی یک هدف بیولوژیکی است که محققان می‌توانند بر روی آن تمرکز کرده و درمانی را طراحی کنند، است.

یک هدف بیولوژیکی معمولاً یک پروتئین، بلوک ساختمانی ضروری بیماری ها و سایر بخش های زندگی است. یافتن آن هدف مستلزم شناسایی ساختار پروتئین است که عملکرد آن یا نقشی که در بیماری ایفا می کند را تعیین می کند.

مانیار گفت: «اگر می‌توانید نقش، ساختار و نقش پروتئین را درک کنید، اکنون می‌توانید داروهایی را در اطراف آن تولید کنید.

اما این فرآیند زمان بر و اغلب ناموفق است.

بر اساس دستورالعملی که به طور گسترده برای داروسازان در پایگاه داده ای که توسط کتابخانه ملی پزشکی فدرال اداره می شود، ارسال شده است، دانشمندان می توانند حدود 12 ماه طول بکشد تا یک هدف بیولوژیکی را شناسایی کنند. به گفته مانیار، دو تکنیکی که محققان به طور سنتی برای تعیین ساختارهای پروتئینی استفاده می‌کنند، دارای نرخ بالایی از شکست هستند.

او همچنین گفت که افزایش یا کاهش میزان کاری که بر اساس تقاضا انجام می دهند برای فناوری های سنتی دشوار است.

مجموعه Google Cloud یک رویکرد سه جانبه برای کارآمدتر کردن این فرآیند دارد.

این مجموعه به دانشمندان اجازه می‌دهد تا داده‌های مولکولی را بر روی یک پروتئین با استفاده از Google Cloud’s Analytics Hub مصرف کنند، به اشتراک بگذارند و مدیریت کنند.

سپس محققان می‌توانند از این داده‌ها برای پیش‌بینی ساختار پروتئین با AlphaFold2، یک مدل یادگیری ماشینی که توسط یکی از شرکت‌های تابعه گوگل توسعه یافته است، استفاده کنند.

AlphaFold2 روی خط لوله Vertex AI گوگل اجرا می شود، پلتفرمی که به محققان اجازه می دهد مدل های یادگیری ماشینی را سریعتر بسازند و به کار گیرند.

در عرض چند دقیقه، AlphaFold2 می‌تواند ساختار سه‌بعدی یک پروتئین را با دقت بیشتری نسبت به فناوری‌های سنتی و در مقیاسی که محققان نیاز دارند، پیش‌بینی کند. پیش بینی این ساختار بسیار مهم است زیرا می تواند به محققان در درک عملکرد پروتئین در یک بیماری کمک کند.

مؤلفه نهایی مجموعه Google Cloud به محققان کمک می کند تا چگونگی تعامل ساختار پروتئین با مولکول های مختلف را شناسایی کنند. یک مولکول می تواند پایه ای برای یک داروی جدید شود اگر عملکرد پروتئین را تغییر دهد و در نهایت توانایی درمان بیماری را نشان دهد.

بر اساس بیانیه مطبوعاتی در مورد ابزارهای جدید، محققان می توانند از منابع محاسباتی با کارایی بالا Google Cloud برای یافتن “امیدبخش ترین” مولکول هایی که می توانند منجر به توسعه دارویی جدید شوند، استفاده کنند. این خدمات به شرکت‌های زیرساختی برای تسریع، خودکارسازی و بزرگ‌تر کردن کارشان نیاز دارند.

به گفته مدیر ارشد علمی جان رنگر، Cerevel، که بر توسعه درمان‌های بیماری‌های علوم اعصاب تمرکز دارد، معمولاً باید کتابخانه بزرگی از 3 میلیون مولکول مختلف را غربال کند تا یکی را پیدا کند که تأثیر مثبتی در برابر بیماری ایجاد کند. او این فرآیند را “پیچیده، درگیر و پرهزینه” خواند.

اما رنگر گفت که این شرکت می‌تواند با استفاده از مجموعه Google Cloud سریع‌تر مولکول‌ها را از بین ببرد. او گفت که رایانه‌ها از غربالگری مولکول‌ها مراقبت می‌کنند و به سرول کمک می‌کنند تا «به سرعت به یک پاسخ برسد».

رنگر تخمین می زند که Cerevel با استفاده از مجموعه برای کشف یک داروی جدید حداقل سه سال به طور متوسط ​​پس انداز خواهد کرد. او گفت که تخمین این که شرکت چقدر پول پس انداز می کند دشوار است، اما تاکید کرد که مجموعه منابع و کار دستی را که معمولاً برای غربالگری مولکول ها لازم است، کاهش می دهد.

او به سی‌ان‌بی‌سی گفت: «یعنی ما می‌توانیم سریع‌تر به آنجا برسیم، ارزان‌تر به آنجا برسیم و می‌توانیم خیلی سریع‌تر به داروها به بیماران برسیم، بدون اینکه شکست بخورند.»

Cerevel بیش از یک ماه است که برای درک بیشتر مجموعه و تعیین نحوه استفاده شرکت از آن با گوگل کار می کند. اما رنگر امیدوار است سرول در ماه آینده “در جایی باشد که ما به نتایجی دست یابیم”.

راه حل دوم Google Cloud، Multiomics Suite، با هدف کمک به محققان برای مقابله با چالش دلهره آور دیگر: تجزیه و تحلیل داده های ژنومی.

Colossal Biosciences، یک شرکت بیوتکنولوژی که هدف آن استفاده از DNA و مهندسی ژنتیک برای معکوس کردن انقراض است، در تحقیقات خود از Multiomics Suite استفاده کرده است.

به عنوان یک استارتاپ، Colossal زیرساخت داخلی لازم برای سازماندهی یا رمزگشایی مقادیر عظیمی از داده های ژنومی را نداشت. یک توالی ژنوم انسانی به تنهایی به بیش از 200 گیگابایت فضای ذخیره سازی نیاز دارد و محققان معتقدند که تا سال 2025 برای ذخیره داده های ژنومی جهان به 40 اگزابایت نیاز دارند.

این موسسه تخمین می‌زند که پنج اگزابایت می‌تواند هر کلمه‌ای را که تا به حال توسط انسان گفته شده است ذخیره کند، بنابراین ساخت فناوری برای پشتیبانی از تجزیه و تحلیل داده‌های ژنومی کار کوچکی نیست.

به این ترتیب، Multiomics Suite قصد دارد زیرساخت‌هایی را برای شرکت‌هایی مانند Colossal فراهم کند تا بتوانند حجم زیادی از داده‌ها را درک کنند تا بتوانند زمان بیشتری را صرف تمرکز بر اکتشافات علمی جدید کنند.

“اگر مجبور بودیم همه چیز را از ابتدا انجام دهیم، منظورم این است که این قدرت Google Cloud است، درست است؟” الکساندر تیتوس، معاون استراتژی و علوم محاسباتی Colossal در مصاحبه ای به CNBC گفت. ما مجبور نیستیم آن را از ابتدا بسازیم، بنابراین قطعاً در زمان و هزینه ما صرفه جویی می کند.

توانایی محققان در تعیین توالی DNA از نظر تاریخی از توانایی آنها در رمزگشایی و تجزیه و تحلیل آن پیشی گرفته است. اما با پیشرفت فناوری در سال‌های اخیر، داده‌های ژنومی بینش‌های جدیدی را در زمینه‌هایی مانند تغییرات ژنتیکی مرتبط با بیماری باز کرده است.

Google Cloud’s Maniar گفت که در نهایت می تواند به توسعه داروها و درمان های شخصی سازی شده کمک کند. طبق مقاله ای که در مجله “Nature” منتشر شده است، تنها در سال 2021، دو سوم داروهای تایید شده توسط سازمان غذا و دارو توسط تحقیقات ژنتیک انسانی پشتیبانی می شوند.

مانیار معتقد است که مجموعه Multiomics به تشویق نوآوری بیشتر کمک خواهد کرد.

بن لام، مدیر عامل Colossal، گفت که Multiomics Suite دلیلی است که این شرکت توانسته است در مورد “هر جدول زمانی معقول” تحقیق کند. Colossal از اواخر سال گذشته آزمایشی فناوری گوگل را آغاز کرد و در نتیجه، لام گفت که این شرکت در نظر دارد تا سال 2028 یک ماموت پشمالو تولید کند.

بدون Multiomics Suite، لام گفت که فکر می‌کند این شرکت بیش از یک دهه عقب افتاده بود.

او گفت: «ما به جایی که امروز هستیم نزدیک نخواهیم بود.

لام گفت، قبل از استفاده از مجموعه Google Cloud، بسیاری از مدیریت داده های Colossal به صورت دستی و با استفاده از صفحات گسترده انجام می شد.

او گفت که تلاش برای ساخت ابزارهای پیچیده تری که برای تحقیق مورد نیاز است، “بار بزرگی” بر دوش شرکت خواهد بود.

Colossal’s Titus گفت: «در مورد زیست شناسی دیگر در داده های کوچک نیستیم. ما در مقیاسی فکر می کنیم که چگونه می توانیم بینش هایی را در مورد 10000، 20000، 10 میلیون سال تاریخ تکامل به دست آوریم؟ و این سوالات بدون زیرساخت محاسباتی مقیاس پذیر و ابزارهایی مانند محاسبات ابری و Multiomics پاسخ داده نمی شوند.

تصحیح: طبق دستورالعملی که به طور گسترده برای داروسازان دنبال می شود که در پایگاه داده ای که توسط کتابخانه ملی پزشکی فدرال اداره می شود، دانشمندان فقط برای شناسایی یک هدف بیولوژیکی حدود 12 ماه زمان نیاز دارند. نسخه قبلی انتساب را اشتباه بیان کرد.