۲۵مه ۲۰۲۶- محققان دانشگاه ملی سنگاپور(NUS) یک گردش کار با هدایت هوش مصنوعی ایجاد کرده‌اند که هوش مصنوعی(AI) را با شبیه‌سازی‌های مولکولی ترکیب می‌کند تا نامزدهای دارویی بالقوه برای بهبود زخم دیابتی را شناسایی کند. محققان با کمک این گردش کار توانستند اسید فولیک، را به عنوان یک نامزد برتر شناسایی کنند.
زخم‌های دیابتی، به ویژه زخم‌های پای دیابتی، اغلب به سختی بهبود می‌یابند زیرا بسیاری از فرآیندهای بیولوژیکی به طور همزمان مختل می‌شوند. التهاب، ترمیم بافت و رشد سلول همگی می‌توانند تحت تأثیر قرار گیرند، و شناسایی اینکه کدام داروهای موجود می‌توانند به بهبود زخم کمک کنند را چالش برانگیز می‌کند.
این تیم تحقیقاتی چند رشته‌ای توسط پروفسور جورجیا پاستورین از دانشکده داروسازی و علوم داروییNUS ، با همکاری دانشیار چن-هوا یئو از دانشکده مهندسی زیست پزشکی و دانشیار مین-ین کان از دانشکده علوم کامپیوتر، رهبری شد.این تحقیق در مجله ACS Nano Medicine منتشر شده است.
از هزاران کاندید تا یک سرنخ امیدوارکننده
به جای بررسی یک دارو یا یک پروتئین در یک زمان، تیم تحقیقاتی ۲۹۸۹ داروی موجود را در برابر ۸۷۳۹ پروتئین مرتبط با بهبود زخم دیابتی نقشه‌برداری کرد. از هوش مصنوعی برای بررسی متون علمی و شناسایی روش‌هایی که داروهای مختلف ممکن است بر این پروتئین‌ها تأثیر بگذارند، استفاده شد.
سپس از شیمی محاسباتی برای مطالعه برهمکنش‌های بین امیدوارکننده‌ترین مولکول‌های دارویی و این پروتئین‌ها در سطح مولکولی استفاده شد. این مراحل در کنار هم، جستجو را از میلیون‌ها ترکیب ممکن به ۳۵ داروی کاندید و ۵۰پروتئین کلیدی برای تجزیه و تحلیل دقیق محدود کرد.
یکی از کاندیدهای برتر، اسید فولیک بود، ویتامینی که به طور گسترده به عنوان یک مکمل غذایی شناخته می‌شود اما معمولاً برای درمان زخم پای دیابتی استفاده نمی‌شود. هنگامی که تیم تحقیقاتی اسید فولیک را در آزمایش‌های آزمایشگاهی بهبود زخم با استفاده از سلول‌های پوست آزمایش کردند، در مقایسه با سلول‌های درمان نشده، به طور قابل توجهی بسته شدن زخم را بهبود بخشید و از پیش‌بینی هوش مصنوعی و گردش کار مدل‌سازی پشتیبانی کرد.
در مجموع، این رویکرد یکپارچه، مسیر بررسی متون علمی تا آزمایش‌های آزمایشگاهی را در مقایسه با رویکردهای مرسوم، بیش از ۷۰درصد کوتاه‌تر کرد و پتانسیل مدل‌های محاسباتی را برای تغییر کاربری داروها و استراتژی‌های درمانی جدید که نتایج بهبودی را بهبود می‌بخشند و عوارض را در مدیریت زخم پای دیابتی کاهش می‌دهند، برجسته نمود.
هر بخش نقش متمایزی ایفا می‌کند
ویژگی کلیدی این گردش کار این است که هر بخش نقش متمایزی ایفا می‌کند. هوش مصنوعی حجم زیادی از تحقیقات منتشر شده را اسکن می‌کند تا سرنخ‌های بیولوژیکی احتمالی را شناسایی کند.
سپس شیمی محاسباتی شواهد سطح مولکولی در مورد اینکه آیا یک دارو و یک پروتئین احتمالاً با هم تعامل دارند یا خیر، ارائه می‌دهد. این دو لایه شواهد، در یک فهرست رتبه‌بندی شده از نامزدها ترکیب می‌شوند که سپس از طریق آزمایش‌های آزمایشگاهی اعتبارسنجی می‌شوند تا بررسی شود که آیا پیش‌بینی در سلول‌های زنده منعکس می‌شود یا خیر.
دکتر ژانگ زیانگ، نویسنده اول این مقاله، گفت: "هیچ بخش واحدی از گردش کار نمی‌تواند جایگزین بخش دیگری شود. هوش مصنوعی به شناسایی جهات بیولوژیکی احتمالی کمک می‌کند، شیمی محاسباتی تعاملات مولکولی را بررسی می‌کند و امتیازدهی ترکیبی، این دو لایه را در اولویت‌های قابل آزمایش قرار می‌دهد. سپس اعتبارسنجی آزمایشگاهی با تأیید اینکه آیا پیش‌بینی‌ها در رفتار واقعی بهبود زخم منعکس می‌شوند یا خیر، حلقه را می‌بندد."
پروفسور پاستورین، افزود: «با اتصال شواهد مولکولی، محاسباتی و انتشاراتی در مقیاسی فراتر از دسترس انسان، هوش مصنوعی نه تنها کشف را تسریع می‌کند، بلکه پیوندهای درمانی پنهانی را که در غیر این صورت ممکن است از دست بدهیم، آشکار می‌کند. این نشان‌دهنده یک فرصت بی‌نظیر برای گسترش مرزهای گزینه‌های درمانی برای بیماری‌های پیچیده‌ای مانند زخم پای دیابتی و فراتر از آن است».
این تیم قصد دارد در ادامه، گردش کار را اصلاح کرده و کاربرد آن را در سایر بیماری‌های پیچیده و کاربردهای نانوپزشکی بررسی کند.
منبع:
https://medicalxpress.com/news/2026-05-ai-drug-flags-folic-acid.html