محققان دانشگاه کارنگی ملون، یک سیستم ربات‌محور را به منظور بررسی اثر تعداد زیادی از داروها بر روی پروتئین‌ها ابداع کرده‌اند و با این کار تعداد آزمایشات لازم در فرآیند توسعه داروها را تا 70 درصد کاهش داده‌اند.
به گزارش سرویس علمی ایسنا، کشف یک داروی جدید مستلزم انجام تعداد زیادی از آزمایشات بوده تا اثرات ترکیبات مختلف آن دارو بر روی پروتئین‌های هدف مشخص شود؛ اما دانشمندان نمی‌توانند از یک آزمایش برای شرایط مختلف پزشکی استفاده کنند و نیازمند انجام آزمایشات مختلف هستند.
گفتنی است که این آزمایشات آنقدر زیاد هستند که محققان معمولا ناچارند تا از میان آنها مهم‌ترین را انتخاب کنند.
« نایک» مولف ارشد این پژوهش از بخش زیست شناسی محاسباتی دانشگاه کارنگی ملون اظهار کرد: دانشمندان علوم دارویی تلاش زیادی را در جهت تسهیل انجام سریع و ارزان آزمایش‌های متعدد از خود نشان داده‌اند.
برای این پژوهش، تیم نایک یک رویکرد یادگیری ماشینی به نام "یادگیری فعال" را توصیف کردند.
یادگیری ماشینی یکی از شاخه‌های وسیع و پرکاربرد هوش مصنوعی است که به تنظیم و اکتشاف شیوه‌ها و الگوریتم‌هایی می‌پردازد که بر اساس آنها رایانه‌ها و سامانه‌ها توانایی تعلیم و یادگیری پیدا می‌کنند.
این پژوهش شامل یک رایانه است که چندین آزمایش را به منظور بهره‌وری مؤثر از الگوهای مشاهده شده در داده‌ها انتخاب میکند.
تفاوت مدل کنونی با آزمایشات سابق این است که به رایانه اجازه انتخاب آزمایشات را می‌دهد.
در این روند، تعداد و نوع آزمایشات توسط رایانه انتخاب شده و پس از آن ، این آزمایشات با استفاده از ربات‌های سازگار با مایعات و یک میکروسکوپ خودکار انجام میشود. همانطور که سیستم به تدریج آزمایشات را انجام می‌دهد، تعیین میکند که چگونه مجموعه‌ای از پروتئین‌ها، تحت تاثیر مجموعه‌ای از داروها قرار گرفتند.
این پژوهش در مجله eLife منتشر شده است.
