सदस्य:Manangoel1999/आर्टिफिशियल इंटेलिजेंस का उपयोग कर ड्रग डिज़ाइन
ड्ररग डिज़ाइन[2] जैविक लक्ष्य के ज्ञान के आधार पर नई दवाएं खोजने की प्रक्रिया है। एक दवा आम तौर पर एक छोटा कार्बनिक अणु है जो एक बायोमोलेक्यूल के कार्य को रोकता है जैसे कि एक प्रोटीन जो तब रोगी पर चिकित्सीय प्रभाव डालता है।इसके लिए आवश्यक है कि डिज़ाइन किए गए अणु लक्ष्य के पूरक हों। हाल ही में ड्रग डिज़ाइन की प्रक्रिया कंप्यूटर आधारित मॉडलिंग तकनीकों का उपयोग करने की ओर बढ़ गई है और विशेष रूप से आवश्यक गुणों वाले अणुओं को उत्पन्न करने के लिए मशीन लर्निंग[3] आधारित दृष्टिकोण का उपयोग करते हुए जिसमें जैवउपलब्धता, चयापचय आधा जीवन, दुष्प्रभाव [4]आदि शामिल हैं |
कंप्यूटर एडेड ड्रग डिजाइन[संपादित करें]
आर्टिफिशियल इंटेलिजेंस ड्रग डिस्कवरी के लिए एक सुव्यवस्थित, स्वचालित दृष्टिकोण बना सकता है, लक्ष्यों की पहचान करने, उम्मीदवार अणुओं को खोजने और संश्लेषण मार्गों की भविष्यवाणी करने के लिए विशाल डेटासेट को पीछे छोड़ सकता है।[5]
लक्ष्य पहचान[संपादित करें]
लक्ष्यीकरण पहचान[6] और सत्यापन को लक्षित करने के लिए जैविक संस्थाओं की पहचान करने के लिए एआई का उपयोग करके प्राप्त किया जा सकता है। उदाहरण के लिए, एआई और प्राकृतिक भाषा प्रसंस्करण (एनएलपी) का उपयोग चिकित्सा साहित्य और जेनेटिक डेटासेट के विशाल कब्रों को स्कैन करने के लिए किया जा सकता है, ताकि नए लक्ष्य की पहचान के लिए जीन-रोग संघों के बारे में सुराग मिल सके।
अणु निर्माण[संपादित करें]
आर्टिफिशियल इंटेलिजेंस का उपयोग खरोंच से आणविक पीढ़ी के लिए किया जा सकता है, प्रस्तावित नए अणुओं की पहचान करने और आभासी परीक्षण चक्रों का प्रदर्शन करने के लिए।जबकि आर्टिफिशियल इंटेलिजेंस मानव मार्गदर्शन के बिना ड्रग्स बनाने से किसी तरह से है, यह विचार पीढ़ी की प्रक्रिया पर ध्यान केंद्रित करने में अमूल्य है।
अणुओं को विभिन्न मशीन लर्निंग आधारित दृष्टिकोणों का उपयोग करके उत्पन्न किया जाता है जैसे कि वेरिएशन ऑटोकेनोडर्स का उपयोग किया जाता है जो अणुओं की तरह ज्ञात दवा पर प्रशिक्षित होता है और फिर अणुओं को खोजने के लिए अव्यक्त स्थान पर अनुकूलन किया जाता है जो लक्ष्य अणु के साथ आवश्यक गुणों के अधिकारी होते हैं।एक और तरीका यह है कि अणुओं को अक्सर (सबसे आम तौर पर SMILES और SMARTS के रूप में[7]) के रूप में दर्शाया जाता है और इन स्ट्रिंग्स को उत्पन्न करने के लिए आवर्तक तंत्रिका नेटवर्क का उपयोग किया जाता है जिन्हें तब वैध अणुओं का प्रतिनिधित्व करने के लिए पार्स किया जाता है।फिर इन अणुओं का परीक्षण किया जाता है, और यह सुनिश्चित करने के लिए जेनरिक मॉडल को घुमाया जाता है कि आवश्यक गुणों वाले अणु उत्पन्न होते हैं। ऐसा करने का सबसे आम तरीका दीप सुदृढीकरण सीखने का उपयोग किया गया है। GANs जैसे अधिक दृष्टिकोणों को अणु पीढ़ी के साथ-साथ बाध्यकारी साइट और अणु की 3 डी जानकारी का उपयोग करने के लिए भी प्रस्तावित किया गया है।
संपत्ति की भविष्यवाणी[संपादित करें]
अणु को भी अन्य गुणों की एक पूरी मेजबानी की आवश्यकता होती है - जैसे अवशोषण, वितरण, चयापचय, उन्मूलन और विषाक्तता। पहचाने गए उम्मीदवारों के लिए, एआई सिलिको संपत्ति की भविष्यवाणी में प्रदर्शन कर सकता है, जिससे गरीब उम्मीदवारों को जल्दी खत्म किया जा सकता है, और अच्छी गुणवत्ता वाले लीड्स के बढ़ते प्रवाह को बढ़ाया जा सकता है। जबकि सिलिको मॉडलिंग में कुछ भी नया नहीं है, यह अधिक डेटा और बेहतर एल्गोरिदम के साथ बेहतर हो रहा है।[8]
संश्लेषण[संपादित करें]
तंत्रिका नेटवर्क का उपयोग प्रत्याहार मार्गों के पूर्वानुमान के लिए भी किया जा सकता है, जो किसी उम्मीदवार की संश्लेषण क्षमता का आकलन करता है, और इसलिए यह समझने में मदद करता है कि दवा बनाना कितना आसान है। यह नियोजन को बेहतर बनाने में मदद करता है और ऐसे रास्तों को समाप्त करता है जो महत्वपूर्ण रूप से पैमाने पर नहीं होंगे।
निष्कर्ष[संपादित करें]
आर्टिफिशियल इंटेलिजेंस की बढ़ती शक्ति इसे तेजी से नई खोज करने की अनुमति देगी। यह जोखिम और अवसरों के साथ आता है। छोटे सामान - प्रोसेस ऑटोमेशन और ऑप्टिमाइज़ेशन - की संभावना तेजी से बढ़ेगी। लेकिन बड़ी सामग्री - नई दवाओं को खोजने के लिए एआई का उपयोग करना - धीमा हो सकता है। यह थोड़ा 'चिकन और अंडा' है - कंपनियों को एआई की पूरी क्षमता को उजागर करने के लिए आवश्यक परिवर्तनों को बनाने के लिए तैयार होने से पहले जहां एआई ने अंतर किया है, वहां के उदाहरणों को देखने की जरूरत है, लेकिन बड़ी व्यावसायिक सफलताएं अणुओं के अच्छे उदाहरणों को जल्द ही ले जाएंगी इससे पहले कि वे निर्णायक रूप से सिद्ध हों, परीक्षण के चरण, जो वर्षों के हो सकते हैं।[9]
References[संपादित करें]
- ↑ "Drug design", Wikipedia (अंग्रेज़ी में), 2020-07-26, अभिगमन तिथि 2020-08-22
- ↑ "Drug design", Wikipedia (अंग्रेज़ी में), 2020-07-26, अभिगमन तिथि 2020-08-22
- ↑ Fleming, Nic (2018-05-30). "How artificial intelligence is changing drug discovery". Nature (अंग्रेज़ी में). 557: S55–S57. डीओआइ:10.1038/d41586-018-05267-x.
- ↑ "Protein–ligand complex", Wikipedia (अंग्रेज़ी में), 2020-05-23, अभिगमन तिथि 2020-08-22
- ↑ "How Artificial Intelligence is Transforming Drug Design". www.ddw-online.com. अभिगमन तिथि 2020-08-22.
- ↑ "Biological target", Wikipedia (अंग्रेज़ी में), 2020-04-15, अभिगमन तिथि 2020-08-22
- ↑ "SMILES Tutorial | Research | US EPA". archive.epa.gov (अंग्रेज़ी में). अभिगमन तिथि 2020-08-22.
- ↑ "Quantitative structure–activity relationship", Wikipedia (अंग्रेज़ी में), 2020-08-21, अभिगमन तिथि 2020-08-22
- ↑ "Artificial intelligence in drug development: present status and future prospects". Drug Discovery Today (अंग्रेज़ी में). 24 (3): 773–780. 2019-03-01. आइ॰एस॰एस॰एन॰ 1359-6446. डीओआइ:10.1016/j.drudis.2018.11.014.