پایان نامه
پیش‌بینی ناخالصی واکنش با کمک هوش مصنوعی و شناسایی معکوس ساختار

در صنعت داروسازی، تبدیل یک ماده‌ی شیمیایی به داروی قابل عرضه به بازار، فرآیندی پیچیده و چندمرحله‌ای است که با چالش‌های متعددی روبه‌روست. یکی از حساسترین این چالش‌ها، موضوع ناخالصی‌هاست. وقتی شیمیدانان یک واکنش شیمیایی را برای تولید ماده‌ی مؤثره‌ی یک دارو طراحی می‌کنند، واکنش هرگز به‌طور کامل و صددرصد پیش نمی‌رود و همواره محصولات جانبی و ناخالصی‌های گوناگونی شکل می‌گیرند. این ناخالصی‌ها، اگر کنترل و شناسایی نشوند، می‌توانند ایمنی بیماران را به خطر انداخته، اثربخشی دارو را کاهش دهند یا حتی موجب شکست در فرآیندهای نظارتی برای دریافت مجوز تولید شوند. به همین دلیل، شناسایی و کنترل ناخالصی‌ها یکی از ارکان اصلی توسعه‌ی فرآیندهای شیمیایی در ساخت دارو محسوب می‌شود.

به‌طور سنتی، شیمیدانان با تکیه بر دانش و تجربه‌ی خود، ناخالصی‌های اصلی یک واکنش را پیش‌بینی می‌کنند. اما با افزایش تعداد مراحل واکنش و پیچیده‌تر شدن مولکول‌های دارویی، این کار به‌سرعت از توان یک متخصص خارج می‌شود. برای مثال، اگر ماده‌ی اولیه‌ی یک واکنش، خود دارای ناخالصی‌هایی باشد، این ناخالصی‌ها ممکن است در مراحل بعدی واکنش شرکت کرده و محصولات جدید و غیرمنتظره‌ای تولید کنند. ردیابی این زنجیره‌ی پیچیده از ناخالصی‌ها در چندین مرحله، عملاً برای ذهن انسان غیرممکن است. اینجاست که هوش مصنوعی به‌عنوان یک دستیار قدرتمند وارد می‌شود و می‌تواند این فرآیند طاقت‌فرسا را به شکلی خودکار و سیستماتیک انجام دهد.

پژوهش حاضر، با هدف حل این معضل اساسی، دو ابزار مبتنی بر هوش مصنوعی را طراحی و توسعه داده است. ابزار نخست، یک «پیش‌بین‌کننده‌ی واکنش شیمیایی» است که با دریافت اطلاعات ورودی شامل مولکول‌های واکنش‌دهنده، معرف‌های شیمیایی، حلال‌ها و حتی ناخالصی‌های موجود در هر یک از آن‌ها، فهرستی از تمام ناخالصی‌های محتمل را برای هر مرحله از واکنش تولید می‌کند. این ابزار بر اساس مدل‌های پیشرفته‌ی یادگیری ماشین، به‌ویژه شبکه‌های عصبی گرافی، ساخته شده است و می‌تواند میلیون‌ها واکنش شیمیایی ممکن را در کسری از ثانیه ارزیابی کند. اما ویژگی منحصربه‌فرد این ابزار، قابلیت «تکرارپذیری» یا «گام‌به‌گام اجرا شدن» آن است؛ یعنی می‌توان ناخالصی‌های پیش‌بینی‌شده در مرحله‌ی اول را به‌عنوان مواد ورودی برای مرحله‌ی دوم در نظر گرفت و این فرآیند را تا انتهای زنجیره‌ی سنتز ادامه داد. به این ترتیب، مسیر کامل تولید و گسترش ناخالصی‌ها، از ماده‌ی اولیه تا محصول نهایی، به شکلی شفاف و قابل‌ردیابی ترسیم می‌شود.

ابزار دوم که «شناسایی معکوس ساختار» نام دارد، به چالشی دیگر در فرآیند تولید دارو پاسخ می‌دهد: تفسیر داده‌های آزمایشگاهی. در دنیای واقعی، پس از انجام هر واکنش، نمونه‌ها با استفاده از دستگاه‌های پیشرفته‌ای مانند طیف‌سنج جرمی (MS) آنالیز می‌شوند تا ناخالصی‌های موجود در محصول شناسایی گردند. این دستگاه‌ها طیف‌هایی از نسبت جرم به بار (m/z) مولکول‌ها را تولید می‌کنند که برای یک انسان عادی، تنها مجموعه‌ای از اعداد و قله‌های مبهم است. اما مدل هوش مصنوعی توسعه‌یافته در این پایان‌نامه، که یک «مدل زبانی» مبتنی بر معماری LSTM است، این طیف‌های خام را به ساختارهای شیمیایی قابل‌فهم ترجمه می‌کند. به بیان ساده‌تر، اگر یک طیف جرمی مبهم در اختیار داشته باشیم، این مدل می‌گوید که «این طیف احتمالاً متعلق به فلان مولکول شیمیایی با ساختار خاص است.» این قابلیت، زمان مورد نیاز برای تطبیق داده‌های آزمایشگاهی با ساختارهای شیمیایی را از چند روز به چند دقیقه کاهش می‌دهد.

اما جایی که این دو ابزار درخشش واقعی خود را نشان می‌دهند، ترکیب آن‌ها با یکدیگر است. پژوهشگران یک «چرخه‌ی کامل و خودکار» طراحی کرده‌اند که در آن، ابزار پیش‌بینی ابتدا مجموعه‌ای جامع از ناخالصی‌های محتمل را تولید می‌کند (که شامل صدها یا حتی هزاران مولکول احتمالی است). سپس، پس از انجام واکنش در آزمایشگاه و گرفتن طیف جرمی از محصول، ابزار شناسایی معکوس، چند ساختار شیمیایی را به‌عنوان محتمل‌ترین گزینه‌ها معرفی می‌کند. در نهایت، با یافتن اشتراک میان این دو مجموعه، یعنی مولکول‌هایی که هم در فهرست پیش‌بینی شده‌اند و هم توسط داده‌های طیف‌سنجی تأیید می‌شوند، هویت ناخالصی واقعی با دقت بالایی تعیین می‌گردد. این رویکرد حلقه‌بسته، نه‌تنها خطای انسانی را کاهش می‌دهد، بلکه امکان کشف ناخالصی‌هایی را فراهم می‌کند که به‌دلیل ماهیت نادر یا پیچیده‌ی خود، ممکن است از چشم حتی خبره‌ترین شیمیدانان نیز پنهان بمانند.

برای اعتبارسنجی عملی این روش‌ها، دو داروی بسیار شناخته‌شده یعنی استامینوفن (پاراستامول) و ایبوپروفن انتخاب شدند. این دو دارو علیرغم سادگی ظاهری، فرآیندهای سنتز چندمرحله‌ای دارند که شامل واکنش‌های نیتراسیون، احیا و استیله شدن می‌شوند. نتایج آزمایش‌ها نشان داد که مدل پیشنهادی قادر است ناخالصی‌های اصلی این واکنش‌ها را با دقت بالایی پیش‌بینی کند. برای مثال، در سنتز پاراستامول، ناخالصی‌هایی مانند «ارتو-نیتروفنول» که در ادبیات علمی به‌عنوان ناخالصی شناخته‌شده گزارش شده‌اند، توسط مدل شناسایی شدند. هرچند در برخی موارد، به‌دلیل محدودیت‌های داده‌های آموزشی، برخی ناخالصی‌های جزئی پیش‌بینی نشدند، اما به‌طور کلی، مدل توانست بیش از ۸۰ درصد ناخالصی‌های گزارش‌شده در منابع علمی را بازتولید کند. همچنین، آزمایش «انتشار ناخالصی» (Propagation) نتایج جالبی داشت؛ برای نمونه، ناخالصی‌های پیش‌بینی‌شده در مرحله‌ی اول سنتز ایبوپروفن، هنگام ورود به مرحله‌ی دوم واکنش، به محصولات دیمری و فلوئوردار جدیدی تبدیل شدند که نشان‌دهنده‌ی توانایی مدل در پیش‌بینی زنجیره‌ی کامل ناخالصی‌هاست.

علاوه بر داروهای عمومی، این ابزارها بر روی پروژه‌های محرمانه و واقعی شرکت بزرگ داروسازی «امژن» (Amgen) نیز پیاده‌سازی شدند. در یکی از این پروژه‌ها که مربوط به یک مولکول دارویی پیچیده بود، مدل توانست ناخالصی‌های کلیدی در مراحل مختلف سنتز را شناسایی کند که قبلاً توسط تیم فرآیند توسعه شناسایی نشده بودند. در پروژه‌ی دیگر، ابزار شناسایی معکوس ساختار برای تحلیل داده‌های طیف‌سنجی جرمی به‌کار گرفته شد و ساختارهای شیمیایی جدیدی را پیشنهاد کرد که بر اساس نظر کارشناسان ارشد شرکت، محتمل‌تر از ساختارهایی بودند که تا آن زمان توسط شیمیدانان پروژه مطرح شده بود. این موفقیت‌ها نشان می‌دهد که این ابزارها نه‌تنها در محیط‌های آکادمیک، بلکه در خط‌مقدم صنعت داروسازی نیز کارایی و ارزش عملی خود را اثبات کرده‌اند.

با وجود دستاوردهای قابل‌توجه، این پژوهش با محدودیت‌هایی نیز روبه‌رو بوده است. مهم‌ترین محدودیت، وابستگی شدید مدل‌های هوش مصنوعی به «داده‌های آموزشی» است. مدل پیش‌بینی‌کننده‌ی ناخالصی، بر روی پایگاه‌های داده‌ای مانند Reaxys و Pistachio آموزش دیده است که عمدتاً واکنش‌های موفق و محصولات اصلی را ثبت کرده‌اند. اما واکنش‌های شکست‌خورده یا محصولات فرعی نادر، به‌ندرت در این پایگاه‌ها گزارش می‌شوند. در نتیجه، مدل در پیش‌بینی برخی ناخالصی‌های بسیار جزئی یا نادر، دچار ضعف می‌شود. به‌عبارت‌دیگر، اگر یک ناخالصی خاص تاکنون در هیچ مقاله‌ی علمی ثبت نشده باشد، مدل مذکور شانس کمی برای پیش‌بینی آن خواهد داشت. برای غلبه بر این مشکل، محققان پیشنهاد می‌کنند که در آینده، از مدل‌های ترکیبی (Ensemble) با معماری‌های متفاوت مانند ترانسفورمرها استفاده شود تا تنوع پیش‌بینی‌ها افزایش یابد. همچنین، ایجاد یک پایگاه داده‌ی اختصاصی از ناخالصی‌های موجود در مواد اولیه (برگه‌های اطلاعات ایمنی مواد) می‌تواند کمک شایانی به بهبود کیفیت پیش‌بینی‌ها کند. از سوی دیگر، مدل شناسایی معکوس ساختار نیز عمدتاً بر روی داده‌های زیستی (متابولیت‌ها) آموزش دیده است و ممکن است عملکرد مطلوبی برای مولکول‌های کاملاً سنتزی و دارویی نداشته باشد. بنابراین، جمع‌آوری داده‌های طیف‌سنجی متمرکز بر داروها، یکی از اولویت‌های تحقیقات آینده خواهد بود.

در مجموع، این پایان‌نامه با ارائه‌ی یک راهکار جامع و دو-بخشی، گامی بلند در جهت خودکارسازی فرآیند شناسایی ناخالصی‌ها در صنعت داروسازی برداشته است. ابزار پیش‌بینی با نگاه به آینده و ابزار شناسایی معکوس با تحلیل داده‌های حال، مکمل یکدیگر بوده و یک «سیستم تشخیص هوشمند» را تشکیل می‌دهند که می‌تواند به‌عنوان یک دستیار توانمند در کنار شیمیدانان فرآیند توسعه فعالیت کند. پیاده‌سازی موفق این روش‌ها بر روی داروهای معروف و همچنین پروژه‌های صنعتی در مقیاس بزرگ، نشان‌دهنده‌ی قابلیت‌های عملیاتی بالای این رویکرد است. اگرچه همچنان چالش‌هایی در زمینه‌ی بهبود دقت، پوشش دادن به طیف وسیع‌تری از واکنش‌ها و کاهش وابستگی به داده‌های آموزشی وجود دارد، اما مسیر روشن است. در آینده‌ای نزدیک، چنین ابزارهای هوشمندی می‌توانند به‌طور گسترده در آزمایشگاه‌های توسعه‌ی دارو مورد استفاده قرار گیرند و نه‌تنها زمان و هزینه‌های تولید را کاهش دهند، بلکه با افزایش دقت در شناسایی ناخالصی‌ها، گام مؤثری در جهت تأمین ایمنی و سلامت بیماران بردارند. این پژوهش، به‌خوبی نشان می‌دهد که چگونه هوش مصنوعی و شیمی می‌توانند در کنار یکدیگر، مرزهای دانش و عمل را در یکی از حیاتی‌ترین صنایع جهان جابه‌جا کنند.

چگونه هوش مصنوعی آینده تولید دارو را متحول می‌کند؟

تصور کنید یک داروی حیاتی که جان میلیون‌ها نفر به آن وابسته است، به دلیل وجود یک ناخالصی ناشناخته، از چرخه تولید خارج می‌شود. این دقیقاً همان کابوسی است که فرآیند توسعه دارو را سال‌هاست که آزار می‌دهد. اما حالا، هوش مصنوعی در آستانه پایان دادن به این کابوس است.

معضل همیشگی: ناخالصی‌های سرکش

در هر واکنش شیمیایی، همواره محصولات جانبی ناخواسته‌ای شکل می‌گیرند. این ناخالصی‌ها، اگر مهار نشوند، می‌توانند باعث کاهش اثربخشی دارو یا حتی بروز عوارض خطرناک در بیماران شوند. مشکل وقتی پیچیده‌تر می‌شود که یک ماده اولیه، خود حاوی ناخالصی باشد و این ناخالصی‌ها در مراحل بعدی واکنش، به مولکول‌های جدید و پیش‌بینی‌نشده تبدیل شوند.

راهکار انقلابی: پیش‌بینی با هوش مصنوعی

پژوهشگران با الهام از پیشرفت‌های اخیر در یادگیری ماشین، ابزاری ساخته‌اند که می‌تواند هزاران واکنش جانبی ممکن را در کسری از ثانیه شبیه‌سازی کند. این ابزار مانند یک شیمیدان فوق‌هوشمند عمل می‌کند که تمام سناریوهای ممکن را از قبل دیده است.

«این مدل می‌تواند زنجیره کامل تولید ناخالصی را از ماده اولیه تا محصول نهایی ردیابی کند، کاری که برای یک انسان غیرممکن است.» – برگرفته از متن پایان‌نامه

از پیش‌بینی تا شناسایی: حلقه کامل

اما قدرت واقعی این فناوری در ترکیب با داده‌های آزمایشگاهی نمایان می‌شود. ابزار «شناسایی معکوس» قادر است طیف‌های پیچیده جرمی را به ساختارهای شیمیایی قابل‌فهم ترجمه کند. این یعنی دیگر نیازی به ساعت‌ها تحلیل دستی داده نیست؛ هوش مصنوعی خودش به شما می‌گوید که آن قله مبهم در طیف، دقیقاً به کدام مولکول تعلق دارد.

آینده‌ای که همین حالا آغاز شده

این رویکرد هوشمند، که بر روی داروهای شناخته‌شده‌ای مثل استامینوفن و ایبوپروفن با موفقیت آزمایش شده، صرفاً یک پیشرفت تئوری نیست. شرکت‌های بزرگ داروسازی مانند Amgen در حال پیاده‌سازی این ابزارها بر روی پروژه‌های واقعی خود هستند و نتایج امیدوارکننده‌ای کسب کرده‌اند. به‌زودی، تولید داروها بسیار سریع‌تر، ایمن‌تر و اقتصادی‌تر از همیشه خواهد شد.