توسعه چشمگیر فرایند کشف، توسعه و ارزیابی داروها، به کمک مدل سازی های رایانه ای | ایران مدلبز

به گزارش وبدا، استفاده از هوش مصنوعی در سال های اخیر به عنوان ابزارهای دقیق تر و سری عتر، در تسهیل و افزایش دقت و کارآیی روند کشف، توسعه و ارزیابی داروها نقش مهمی را ایفا می کند، مدل‌سازی «in silico» از جمله این روش های پیشگامانه است که در سال های اخیر، دستاوردهای مثبتی را در توسعه صنعت داروسازی در سطح دنیا و کشور ما رقم زده است.

به گفته دکتر «مانیکا نگهداری پور»، عضو هیات علمی گروه زیست فناوری دارویی در دانشگاه علوم پزشکی شیراز، در دانشکده داروسازی شیراز، گروه‌های تحقیقاتی به صورت فعال از تکنیک‌های in silico برای کشف و طراحی واکسن و دارو، مهندسی داروهای پروتئینی، تحلیل مسیرهای متابولیکی، شناسایی گیرنده‌های دارویی، بازکاربردیابی دارو (ریپوزیشنینگ)، پیش‌بینی اثرات جانبی ترکیبات جدید و بسیاری موارد مربوطه استفاده می‌کنند که این تحقیقات نه تنها به تولید دانش علمی و انتشار مقالات معتبر کمک می‌کند، بلکه امکان ارتباط با صنعت داروسازی و توسعه داروهای هدفمند و ایمن را نیز فراهم می‌آورد.

او با بیان اینکه شبیه‌سازی‌های رایانه ای می‌تواند فرایند کشف، توسعه و ارزیابی داروها را به شکل چشمگیری سرعت ببخشد، افزود: این تکنیک شامل استفاده از الگوریتم‌ها، مدل‌های مولکولی و پایگاه‌های داده ژنتیکی و پروتئینی است تا رفتار داروها و تعامل آن‌ها با سلول‌ها، پروتئین‌ها و رفتار مولکول های دارو در مسیرهای متابولیکی بدن یا سیستم ایمنی پیش‌بینی شود.

دکتر نگهداری پور ادامه داد: مدل‌سازی in silico به داروسازان و محققان اجازه می‌دهد تا اثر دارو بر اهداف زیستی مشخص، احتمال تداخل دارویی، سمیت و عوارض جانبی را قبل از آزمایش‌های بالینی بررسی کنند؛ به عنوان مثال، می‌توان پیش‌بینی کرد که یک مولکول دارویی چگونه ممکن است فعالیت یک آنزیم کبدی را مهار یا تقویت کند و چه تأثیری بر سایر داروهای مصرفی بیمار دارد.

استادیار گروه زیست فناوری دارویی در دانشگاه علوم پزشکی شیراز دیگر مزیت بهره مندی از روش های رایانه ای را طراحی ایمن‌تر و مؤثرتر داروها عنوان کرد که خطرات بالینی را در مصرف کنندگان کاهش می‌دهد و افزود: یکی دیگر از کاربردهای مهم تکنیک in silico، شناسایی بیماران مستعد عوارض خاص است.

به گفته عضو هیات علمی دانشگاه علوم پزشکی شیراز با ترکیب داده‌های ژنتیکی و مدل‌های شبیه‌سازی، می‌توان پیش‌بینی کرد که برخی بیماران با ویژگی‌های ژنتیکی خاص، حساسیت بیشتری نسبت به داروی مشخصی دارند که این امکان، مسیر داروی شخصی‌سازی‌شده و ایمن‌تر را هموار می‌کند و احتمال بروز عوارض جدی را کاهش می دهد.

او با معرفی دامنه کاربردی بسیار وسیع تکنیک های in silico در صنعت داروسازی توضیح داد: به کمک این روش ها می توان به کشف داروها و واکسن های جدید دست یافت، به گونه ای که با بررسی هزاران ترکیب مولکولی به صورت شبیه‌سازی‌شده یا روش های دیگر با ابزارهای رایانه ای، ترکیبات مؤثر و ایمن، با سرعت بیشتری شناسایی می شود؛ همچنین در پیش‌بینی اثرات طولانی‌مدت داروها و تداخلات پیچیده، امکان ارزیابی ریسک قبل از ورود به بازار فراهم می‌شود.