តើការរៀនដោយម៉ាស៊ីនអាចជួយផលិតវ៉ាក់សាំងមហារីកផ្ទាល់ខ្លួនដោយរបៀបណា?

ការប្រើប្រាស់បណ្តាញសរសៃប្រសាទសិប្បនិម្មិតអាចកាត់បន្ថយរយៈពេលគណនាដែលត្រូវការដើម្បីបង្កើតវ៉ាក់សាំងមហារីកផ្ទាល់ខ្លួន ដែលបច្ចុប្បន្នជាដំណើរការដ៏វែងមួយគឺតិចជាងមួយម៉ោង លោក Alexander Gintsburg នាយកមជ្ឈមណ្ឌលស្រាវជ្រាវជាតិ Gamaleya សម្រាប់រោគរាតត្បាត និងមីក្រូជីវសាស្ត្រ (រុស្ស៊ី) បានប្រាប់ TASS ។

"បច្ចុប្បន្ន វាត្រូវការពេលយូរក្នុងការរចនាវ៉ាក់សាំង ព្រោះអ្នកត្រូវគណនាថាតើវ៉ាក់សាំង mRNA មើលទៅដូចអ្វី ដោយប្រើវិធីសាស្ត្រម៉ាទ្រីស ក្នុងន័យគណិតវិទ្យា។ យើងបានទាក់ទងវិទ្យាស្ថាន Ivannikov ដែលនឹងពឹងផ្អែកលើ AI ដើម្បីធ្វើគណិតវិទ្យានេះ ដែលដំណើរការទាំងនេះនឹងចំណាយពេលប្រហែលកន្លះម៉ោងទៅមួយម៉ោង។"

មុននេះ អ្នកស្រាវជ្រាវបានពន្យល់ប្រាប់ TASS ថា មូលដ្ឋានទិន្នន័យសាកល្បងនៃដុំសាច់ពី 40,000 ទៅ 50,000 ជាមួយនឹងការទទួលស្គាល់អង់ទីហ្សែនដែលត្រូវគ្នា បំប្លែងទៅជាប្រូតេអ៊ីន ឬ RNA ចំពោះអ្នកជំងឺគឺចាំបាច់ដើម្បីបណ្តុះបណ្តាល AI ។ លោកបានមានប្រសាសន៍ថា នេះនឹងជួយកំណត់ថាតើវ៉ាក់សាំងនេះអាចត្រូវបានប្រើប្រាស់នៅលើមូលដ្ឋានបុគ្គលឬយ៉ាងណា។

វ៉ាក់សាំងនេះត្រូវបានបង្កើតឡើងដោយសហការជាមួយមជ្ឈមណ្ឌលស្រាវជ្រាវជាច្រើន។ លោក Andrey Kaprin អគ្គនាយកនៃមជ្ឈមណ្ឌលស្រាវជ្រាវវិទ្យុសកម្មនៃក្រសួងសុខាភិបាលរុស្ស៊ី បាននិយាយថា ការសាកល្បងព្យាបាលមុនត្រូវបានបញ្ចប់។

តើការរៀនម៉ាស៊ីនអាចជួយផលិតវ៉ាក់សាំងមហារីកយ៉ាងដូចម្តេច?

ការប្រើប្រាស់បញ្ញាសិប្បនិមិត្តក្នុងការអភិវឌ្ឍន៍វ៉ាក់សាំងមហារីកអាចឱ្យការព្យាបាលផ្ទាល់ខ្លួន ប៉ុន្តែក៏បង្កបញ្ហាប្រឈមថ្មីសម្រាប់អ្នកបង្កើតថ្នាំ និងនិយតករផងដែរ។

ជាមួយនឹងការព្យាបាលដោយភាពស៊ាំ ការវិវឌ្ឍន៍នៃបញ្ញាសិប្បនិមិត្ត និងការរៀនម៉ាស៊ីនអាចជួយដំណើរការទិន្នន័យពីការធ្វើកោសល្យវិច័យមហារីក ដើម្បីរចនាវ៉ាក់សាំងដែលកំណត់គោលដៅការផ្លាស់ប្តូរជាក់លាក់របស់អ្នកជំងឺម្នាក់ៗ។ សមត្ថភាពក្នុងការកំណត់គោលដៅបំរែបំរួលជាក់លាក់សម្រាប់អ្នកជំងឺម្នាក់ៗមិនមែនជារឿងថ្មីទេ ហើយថ្នាំមហារីកគោលដៅ ដូចជាការព្យាបាលប្រឆាំងនឹង HER2 និងថ្នាំទប់ស្កាត់ CDK4/6 បានក្លាយជាអ្នកលក់ដ៏ក្តៅគគុកនៅក្នុងឧស្សាហកម្មនេះ។ ទោះជាយ៉ាងណាក៏ដោយ សក្តានុពលនៃ AI ដើម្បីកំណត់អត្តសញ្ញាណ neoantigens ពីការធ្វើកោសល្យវិច័យរបស់អ្នកជំងឺម្នាក់ៗបានបន្ថែមទៅលើប្រសិទ្ធភាពនៃដំណើរការនេះ។

ការប្រើប្រាស់ AI បានក្លាយជាប្រធានបទសំខាន់នៃការពិភាក្សានៅក្នុងឧស្សាហកម្មជាច្រើន ហើយឱសថក៏មិនមានករណីលើកលែងដែរ។

លោក Scott Ebbinghaus អនុប្រធាននៃការស្រាវជ្រាវគ្លីនិកនៅក្រុមហ៊ុន Merck បាននិយាយថា "ការផ្លាស់ប្តូរដែលបានរកឃើញនៅក្នុងការធ្វើកោសល្យវិច័យរបស់អ្នកជំងឺអាចត្រូវបានបញ្ចូលទៅក្នុងក្បួនដោះស្រាយដើម្បីទស្សន៍ទាយថាតើការផ្លាស់ប្តូរណាដែលទំនងជាមានភាពស៊ាំខ្លាំងបំផុត" Scott Ebbinghaus អនុប្រធាននៃការស្រាវជ្រាវគ្លីនិកនៅក្រុមហ៊ុន Merck បាននិយាយថា "ពីទីនោះ យើងអាចសំយោគ RNA encoding ហ្សែនមហារីកផ្លាស់ប្តូរនីមួយៗ ដែលតម្រូវតាមប្រព័ន្ធការពារនីមួយៗ។

មិនដូចការព្យាបាលដែលត្រូវបានបង្កើតឡើងប្រឆាំងនឹង antigen ថេរតែមួយ ប្រព័ន្ធ AI នឹងស្វែងរកការកែលម្អសមត្ថភាពរបស់វាក្នុងការជ្រើសរើស neoantigens ។ ក្បួនដោះស្រាយនេះពិនិត្យមើលការផ្លាស់ប្តូរហ្សែនដែលមានវត្តមាននៅក្នុងដុំសាច់របស់អ្នកជំងឺ ហើយព្យាករណ៍ថា neoantigens ទំនងជានឹងបង្កើតការឆ្លើយតបនៃប្រព័ន្ធភាពស៊ាំ។ លោក Kyle Holen នាយកផ្នែកអភិវឌ្ឍន៍ការព្យាបាល និងជំងឺមហារីកនៅ Moderna បាននិយាយថា "ក្បួនដោះស្រាយមានសមត្ថភាពក្នុងការរៀនតាមពេលវេលាតាមរយៈការផ្គូផ្គងទិន្នន័យគ្លីនិក និង immunogenicity ដោយសង្ឃឹមថានឹងកាន់តែប្រសើរឡើងក្នុងការជ្រើសរើស neoantigens ជាមួយនឹងសកម្មភាពព្យាបាលខ្ពស់" ។

ក្រុមហ៊ុនមួយទៀតដែលប្រើប្រាស់ AI គឺក្រុមហ៊ុន Transgene ដែលកំពុងចាប់ដៃគូជាមួយ NEC Corporation ដើម្បីរចនាវ៉ាក់សាំងការពារមហារីកផ្ទាល់ខ្លួន។ ជំនួសឱ្យវ៉ាក់សាំង mRNA Transgene កំពុងធ្វើការជាមួយវ៉ិចទ័រមេរោគដើម្បីបណ្តុះបណ្តាលប្រព័ន្ធការពាររបស់អ្នកជំងឺដើម្បីប្រយុទ្ធប្រឆាំងនឹងគោលដៅមហារីកជាក់លាក់។

នៅពេលដែលវ៉ាក់សាំងមហារីកផ្លាស់ទីទៅការសាកល្បងនៅដំណាក់កាលក្រោយ បញ្ហាប្រឈមមួយនឹងត្រូវបានគ្រប់គ្រងលើផលិតផលដែលមានសក្តានុពល។ រដ្ឋបាលចំណីអាហារ និងឪសថអាមេរិក FDA បានចេញផ្សាយឯកសារណែនាំស្តីពីវ៉ាក់សាំងប្រឆាំងមេរោគច្រើនប្រភេទ។ ទីភ្នាក់ងារនេះបាននិយាយថាសមាសធាតុនីមួយៗនៃការបាញ់ប្រហារទាំងនេះប្រហែលជាមិនចាំបាច់ត្រូវបានវាយតម្លៃដាច់ដោយឡែកពីគ្នាសម្រាប់សុវត្ថិភាព និងប្រសិទ្ធភាពនោះទេ។ ទោះយ៉ាងណាក៏ដោយ ឯកសារនេះចែងថា នេះនឹងត្រូវបាន "ពិចារណាលើករណីនីមួយៗ"។

អ្នកនាំពាក្យរបស់ FDA បាននិយាយថា “FDA ទទួលស្គាល់សក្តានុពលនៃសិប្បនិម្មិត/ការរៀនម៉ាស៊ីន (AI/ML) ដើម្បីពន្លឿនការអភិវឌ្ឍន៍នៃការព្យាបាលផ្ទាល់ខ្លួន” ។

Phuong Anh (ប្រភព៖ BioSpace, Tass)

ប្រភព