AI sijoja natūralias Afrikos vaistų atradimo priemones

AI sijoja natūralias Afrikos vaistų atradimo priemones

Psichologija

Dirbtinis intelektas (AI) ir tradicinė medicina gali atrodyti kaip keisti lovos draugai, tačiau Afrikos mokslininkai abu naudojasi tam, kad padėtų atrasti vaistus žemyne.

Fidele Ntie-Kang, Kamerūno Buea universiteto farmacinės chemijos docentas, vadovauja bandymams sukurti naujus vaistus iš Afrikos gausios natūralios biologinės įvairovės, naudojant dirbtinį intelektą šimtams natūralių junginių tikrinimui.

Šiame interviu su SciDev.Net jis aptaria suvaržymus atliekant tyrimus Afrikoje ir kaip jo tyrėjų komanda juos įveikia, siekdama rasti namuose užaugintus sprendimus dėl visame pasaulyje apleistų ligų.

Ar galite papasakoti, kaip įsitraukėte į narkotikų atradimą?

Augau Kamerūne, dažnai sirgau maliarija ir puikiai prisimenu, kaip mano tėvas skubėjo gauti vaistų nuo maliarijos, tokių kaip Fansidar. Kai tęsiau chemijos studijas, susidomėjimas natūraliais vaistais, kurį paskatino vidurinės mokyklos patirtis su gydytoju, kuris mokė mus apie vaistinius augalus mūsų miestelyje, išaugo į aistrą ieškoti mažiau toksiškų gydymo būdų, gautų iš Afrikos gamtos išteklių.

Kuo svarbūs natūralūs vaistiniai augalai Afrikoje?

Afrikoje tradicinė medicina atlieka labai svarbų vaidmenį, jais pasitiki daugiau nei 80 % gyventojų. Afrikoje gyvena daugiau nei 40 000 unikalių augalų rūšių, kurios sudaro apie 25 % pasaulio augalų genetinių išteklių. Iš jų daugiau nei 5000 augalų yra naudojami tradicinėje Afrikos medicinoje. Šios natūralios priemonės yra ne tik folkloras; daugelyje jų yra unikalių molekulių, kurios buvo efektyviai naudojamos šiuolaikinėje medicinoje, pavyzdžiui, chininas maliarijai ir salicilo rūgštis aspirinui.

Kokia dabartinė Afrikos vaistinių augalų tyrimų padėtis?

Nepaisant žinomo kai kurių šių augalų veiksmingumo, farmacijos mokslininkai sistemingai tyrinėjo ribotą kiekį. Dauguma šių augalų gydomųjų savybių nebuvo išskirtos ar ištirtos, o iš Afrikos natūralių produktų yra labai mažai molekulių, kurios kuriamos į vaistus. Johimbinas, gaunamas iš afrikinio medžio Pausinystalia johimbe žievės, yra vienas iš pavyzdžių, kuris buvo parduodamas kaip maisto papildas, nors ir kelia susirūpinimą dėl saugumo.

Kokie iššūkiai kyla ieškant vaistų iš Afrikos natūralių produktų?

Vaistų atradimas tradiciškai buvo sudėtingas, brangus ir daug laiko reikalaujantis procesas, todėl investicijos į natūralių produktų iš Afrikos tyrinėjimą buvo ribotos. Be to, yra infrastruktūros iššūkių, pvz., dažnas energijos trūkumas, kuriuos turėjome įveikti įrengę saulės baterijas, kad būtų užtikrintas tyrimų tęstinumas.

Kadangi moksliniai Afrikos natūralių junginių tyrimai iš esmės lieka neišnaudoti, dalijimasis žiniomis ir gebėjimų ugdymas yra labai svarbūs norint greitai tobulėti šioje srityje. Tačiau dėl vizų taisyklių ir reikalavimų Vakaruose Afrikos mokslininkams ir studentams sunku patekti į mokymus užsienyje ir užmegzti bendradarbiavimą su tarptautiniais partneriais.

Šie iššūkiai pabrėžė būtinybę sukurti internetinę natūralių junginių duomenų bazę ir užtikrinti, kad ji išliktų prieinama tyrėjams visame žemyne.

Gali būti sunku gauti net paprastus išteklius tyrimams atlikti. Gali prireikti savaičių ar mėnesių, kol gaunami reagentai iš Europos, kur juos galima užsisakyti internetu ir gauti per kelias dienas už daug mažesnę kainą.

Taip pat yra šališkumo prieš natūralių Afrikos junginių sujungimą su farmacinių vaistų kūrimu. Įtikinti potencialius partnerius ir finansuotojus, kad Afrika gali turėti savo vaistų atradimo centrus ir teikti pažangiausius mokslinius tyrimus, yra labai sunku. Tačiau mes tai įveikiame – demonstruojame savo potencialą ir skelbiame didelio poveikio žurnaluose.

Kaip AI keičia narkotikų atradimą Afrikoje?

AI keičia šį skaičiavimą. Tradicinis vaistų atradimas apima baltymų struktūros supratimą žmogaus kūne arba patogene ir kruopštų molekulių, kurios gali su jais prisijungti arba sąveikauti norimu būdu, identifikavimą. Mašinų mokymasis ir dirbtinis intelektas leidžia mums dramatiškai sutrumpinti šį procesą.

Senasis metodas, kai naudojami fiziniais metodais… virtualus milijonų junginių patikrinimas, siekiant surasti molekulę, turinčią tinkamą sąveiką su vaisto taikiniu, gali užtrukti savaites ar mėnesius. Naudodami AI galime patikrinti milijonus molekulių greičiau nei per dieną.

Mano tyrimų grupė Buea universitete Kamerūne steigia pažangiausią vaistų atradimo regioninį centrą, kuris patikrins ir panaudos 400 natūralių junginių iš žemyno, kad nustatytų naujus antivirusinius vaistus.

Naudodami dirbtinio intelekto palaikomus metodus ir bendradarbiaudami su tarptautine, tarpdisciplinine biologų, chemikų, genetikų ir kompiuterių mokslininkų komanda, taikome novatoriškus atrankos metodus, siekdami nustatyti natūralius junginius, kurie gali padėti gydyti virusines ligas, tokias kaip COVID-19 ir ŽIV.

Ką darote, kad palaikytumėte narkotikų atradimo pastangas visoje Afrikoje?

Kuriame internetinę junginių, randamų Afrikos natūraliuose produktuose: grybuose, augaluose, koraluose ir bakterijose, duomenų bazę. Šiuos junginius gali gauti tyrėjai visame žemyne, ieškantys molekulių, kurios galėtų būti naudojamos daugelio ligų, tokių kaip tuberkuliozė ir maliarija, gydymui, įskaitant tas, kurios istoriškai buvo ignoruojamos pasaulinės farmacijos pramonės. Šios ligos yra chikungunya, tripanosomiasis, pasiutligė ir šistosomozė.

Šiai internetinei platformai nereikia jokio prisijungimo, todėl mūsų darbuotojai, bendradarbiai ir stažuotojai gali pasiekti visus duomenis, įskaitant nemokamas internetines pamokas. Juo siekiama padėti atrasti gydymo būdus ligoms, kurių pasaulinė farmacijos pramonė nepaisė.

Kokios platesnės jūsų darbo pasekmės Afrikai?

Pasinaudodami savo gamtos ir žmogiškaisiais ištekliais bei taikydami naujas technologijas, pvz., dirbtinį intelektą, galime sukurti savo sveikatos priežiūros problemų sprendimus. Mes dedame pamatą, siekdami užtikrinti, kad Afrikos natūralios augalų medicinos turtai būtų visiškai panaudoti mūsų visuomenės sveikatos poreikiams tenkinti, ir įrodome, kad Afrika gali būti pažangiausių vaistų atradimo lyderė.

Pateikė SciDev.Net