این روزها صنعت کشف دارو در داغ‌ترین حالت خودش قرار دارد! مدتی پیش با معرفی مدل AlphaFold3 توسط Google DeepMind همه‌ی توجه‌ها به این مدل جلب شد. چرا که بهتر از تمام مدل‌های قبلی بود و می‌توانست شکل ظاهری همه‌ی مولکول‌های زیستی را پیش‌بینی کند.
اما هفته‌ی گذشته با معرفی Chai-1 (لینک مقاله) این بازی وارد مرحله‌ی جدیدتری هم شد. این مدل که در برخی از بنچ‌مارک‌ها توانسته دقیق‌تر از AlphaFold3 عمل کند توسط تیم Chai Discovery [که هنوز چند ماه از شروع فعالیت‌اش نمی‌گذرد] به صورت Open Source (لینک مخزن گیتهاب) به دنیای کشف دارو معرفی شد.
این شرکت که هنوز وب‌سایت‌شان هم کامل نشده است (لینک)، به تازگی وارد صنعت کشف دارو شده و در همین روزهای ابتدایی‌اش با معرفی این مدل جای پای محکمی را برای خودش در نظر گرفت!
همان‌طور که در تصویر زیر هم می‌توانید معماری این مدل را مشاهده کنید، این مدل می‌تواند طیف گسترده‌ای از ورودی‌ها را دریافت کند و این اتفاق، مدل را قادر به پیش‌بینی با دقت بسیار بهتری می‌کند.
و اما نوبت به مهم‌ترین نکته‌ی این مدل می‌رسد! دقتی بهتر از AlphaFold3! همان‌طور که در تصویر زیر هم مشاهده می‌کنید، این مدل در طیف گسترده‌ای از تسک‌های پیش‌بینی ساختار سه‌بعدی مولکول‌ها، بهتر از بهترین مدلی که تا به حال داشتیم، یعنی AlphaFold3، عمل کرده است و این پیشرفت، در هفته‌ی گذشته سر و صدای زیادی را به پا کرد و توجه همه‌ی محققان این زمینه را به شرکت Chai Discovery جلب کرد!
وقتی درمورد مدل AlphaFold3 نوشتیم (لینک)، به نکات ضعف و محدودیت‌هایش اشاره کردیم. حالا فرصت به بررسی محدودیت‌های این مدل می‌رسد. این مدل، فارغ از این‌که دقت بهتری در پیش‌بینی ساختار سه‌بعدی مولکول‌های زیستی کسب کرده است، اما دو محدودیت مهم دارد.
اول این‌که نمی‌تواند جایگاه رنجیزه‌های مفرد را در ساختارهای پیچیده به درستی مشخص کند. دوم هم این‌که نسبت به Modified Residues (باقیمانده‌های اصلاح شده آمینواسیدها یا نوکلئوتیدهایی هستند که دستخوش تغییرات پس از ترجمه (PTMs) شده‌اند) حساس هستند و این موضوع می‌تواند دقت مدل را بسیار کاهش دهد. در تصویر زیر هم که مربوط به مقاله‌ی منتشرشده است، همین موضوع مطرح شده است.
پیشرفت‌های صنعت کشف دارو (Drug Discovery) هر روز سریع‌تر از روز قبل در حال پیشرفت است و سرمایه‌های زیادی را هم به سمت خودش کشیده است. این صنعت که می‌تواند تاثیر منقلب‌کننده‌ای بر بهبود سلامت بیماران داشته باشد، فرصت خوبی برای ورود پژوهشگران علاقه‌مند است و در ادامه هم مطالب بیشتری را در این زمینه منتشر خواهیم کرد.
