પડકારજનક આર્થિક અને તકનીકી વાતાવરણમાં સ્પર્ધા કરવા માટે સતત વધતા દબાણ હેઠળ હોવાને કારણે, ફાર્માસ્યુટિકલ અને બાયોટેક કંપનીઓએ રમતમાં આગળ રહેવા માટે તેમના R&D કાર્યક્રમોમાં સતત નવીનતા કરવી જોઈએ.
બાહ્ય નવીનતાઓ વિવિધ સ્વરૂપોમાં આવે છે અને વિવિધ સ્થળોએ ઉદ્દભવે છે — યુનિવર્સિટી લેબ્સથી લઈને ખાનગી રીતે વેન્ચર કેપિટલ-બેક્ડ સ્ટાર્ટઅપ્સ અને કોન્ટ્રાક્ટ રિસર્ચ ઓર્ગેનાઈઝેશન્સ (CROs). ચાલો કેટલાક સૌથી પ્રભાવશાળી સંશોધન વલણોની સમીક્ષા કરીએ જે 2018 અને તે પછી પણ "હોટ" હશે, અને નવીનતાઓ ચલાવતા કેટલાક મુખ્ય ખેલાડીઓનો સારાંશ આપીએ.
ગયા વર્ષે BioPharmaTrend સારાંશકેટલાક મહત્વપૂર્ણ વલણોબાયોફાર્માસ્યુટિકલ ઉદ્યોગને અસર કરે છે, એટલે કે: જનીન સંપાદન તકનીકોના વિવિધ પાસાઓની પ્રગતિ (મુખ્યત્વે, CRISPR/Cas9); ઇમ્યુનો-ઓન્કોલોજી (CAR-T કોષો) ના ક્ષેત્રમાં આકર્ષક વૃદ્ધિ; માઇક્રોબાયોમ સંશોધન પર વધતું ધ્યાન; ચોકસાઇ દવામાં ઊંડો રસ; એન્ટિબાયોટિક્સની શોધમાં કેટલીક મહત્વપૂર્ણ પ્રગતિ; દવાની શોધ/વિકાસ માટે આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) વિશે વધતી જતી ઉત્તેજના; તબીબી કેનાબીસના ક્ષેત્રમાં વિવાદાસ્પદ પરંતુ ઝડપી વૃદ્ધિ; અને નવીનતાઓ અને કુશળતાને ઍક્સેસ કરવા માટે R&D આઉટસોર્સિંગ મોડલ્સમાં સામેલ થવા પર ફાર્માનું સતત ધ્યાન.
નીચે સૂચિમાં ઉમેરાયેલા સંશોધનના ઘણા વધુ સક્રિય ક્ષેત્રો અને ઉપર દર્શાવેલ વલણો પર કેટલીક વિસ્તૃત ભાષ્યો સાથે આ સમીક્ષા ચાલુ છે — જ્યાં સંબંધિત હોય.
1. ફાર્મા અને બાયોટેક દ્વારા આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) અપનાવવું
આજકાલ AI ની આસપાસના તમામ હાઇપ સાથે, ફાર્માસ્યુટિકલ સંશોધનમાં આ વલણથી કોઈને પણ આશ્ચર્ય કરવું મુશ્કેલ છે. જો કે, એ નોંધવું જોઈએ કે AI-સંચાલિત કંપનીઓ ખરેખર મોટા ફાર્મા અને અન્ય અગ્રણી જીવન વિજ્ઞાન ખેલાડીઓ સાથે, ઘણી બધી સંશોધન ભાગીદારી અને સહયોગી કાર્યક્રમો સાથે ટ્રેક્શન મેળવવાનું શરૂ કરે છે -અહીંઅત્યાર સુધીના મુખ્ય સોદાઓની યાદી છે, અનેઅહીંછેલ્લા કેટલાક મહિનાઓમાં "એઆઈ ફોર ડ્રગ ડિસ્કવરી" જગ્યામાં કેટલીક નોંધપાત્ર પ્રવૃત્તિની સંક્ષિપ્ત સમીક્ષા છે.
AI-આધારિત ટૂલ્સની સંભવિતતા હવે ડ્રગની શોધ અને વિકાસના તમામ તબક્કાઓ પર શોધવામાં આવે છે - સંશોધન ડેટા માઇનિંગ અને લક્ષ્ય ઓળખ અને માન્યતામાં સહાયથી, નવલકથા લીડ સંયોજનો અને ડ્રગ ઉમેદવારો સાથે આવવામાં મદદ કરવા અને તેમની મિલકતો અને જોખમોની આગાહી કરવા સુધી. અને અંતે, AI-આધારિત સોફ્ટવેર હવે રસના સંયોજનો મેળવવા માટે રાસાયણિક સંશ્લેષણના આયોજનમાં મદદ કરવા સક્ષમ છે. AI પ્રી-ક્લિનિકલ અને ક્લિનિકલ ટ્રાયલ્સનું આયોજન કરવા અને બાયોમેડિકલ અને ક્લિનિકલ ડેટાનું વિશ્લેષણ કરવા માટે પણ લાગુ કરવામાં આવે છે.
લક્ષ્ય-આધારિત દવાની શોધ ઉપરાંત, AI અન્ય સંશોધન ક્ષેત્રોમાં લાગુ કરવામાં આવે છે, દાખલા તરીકે, ફેનોટાઇપિક ડ્રગ ડિસ્કવરી પ્રોગ્રામ્સમાં - ઉચ્ચ સામગ્રી સ્ક્રીનીંગ પદ્ધતિઓમાંથી ડેટાનું વિશ્લેષણ.
નાના પરમાણુ દવાની શોધ પર AI-સંચાલિત સ્ટાર્ટઅપ્સના મુખ્ય ધ્યાન સાથે, જીવવિજ્ઞાનની શોધ અને વિકાસ માટે આવી તકનીકોને લાગુ કરવામાં પણ રસ છે.
2. દવાની શોધ માટે રાસાયણિક જગ્યાનું વિસ્તરણ
કોઈપણ નાના પરમાણુ ડ્રગ શોધ કાર્યક્રમનો એક મહત્વપૂર્ણ ભાગ હિટ એક્સપ્લોરેશન છે - તે પ્રારંભિક બિંદુ પરમાણુઓની ઓળખ જે સફળ દવાઓ તરફની સફર શરૂ કરશે (જોકે ભાગ્યે જ તેઓ આ પ્રવાસમાં ટકી શકે છે) - અસંખ્ય ઑપ્ટિમાઇઝેશન, માન્યતા અને પરીક્ષણ તબક્કાઓ દ્વારા.
હિટ એક્સપ્લોરેશનનું મુખ્ય તત્વ એ છે કે દવાની વિસ્તૃત અને રાસાયણિક રીતે વૈવિધ્યસભર જગ્યા જેમ કે અણુઓમાંથી ઉમેદવારો પસંદ કરવા માટે, ખાસ કરીને, નવલકથા લક્ષ્ય જીવવિજ્ઞાનની તપાસ માટે. ફાર્માના હાથે હાલના સંયોજન સંગ્રહો જાણીતા જૈવિક લક્ષ્યોને લક્ષ્યાંકિત કરતી નાના પરમાણુ ડિઝાઇનના આધારે બનાવવામાં આવ્યા હતા તે જોતાં, નવા જૈવિક લક્ષ્યોને વધુ પડતી સમાન રસાયણશાસ્ત્રને રિસાયકલ કરવાને બદલે નવી ડિઝાઇન અને નવા વિચારોની જરૂર છે.
આ જરૂરિયાતને અનુસરીને, શૈક્ષણિક પ્રયોગશાળાઓ અને ખાનગી કંપનીઓ રાસાયણિક સંયોજનોના ડેટાબેઝ બનાવે છે જે સામાન્ય ફાર્માસ્યુટિકલ કંપનીના કમ્પાઉન્ડ સંગ્રહમાં ઉપલબ્ધ છે. ઉદાહરણોમાં 166,4 બિલિયન અણુઓ ધરાવતા વર્ચ્યુઅલ અણુઓના GDB-17 ડેટાબેઝ અનેFDB-1717 ભારે અણુઓ સાથે 10 મિલિયન ટુકડા જેવા અણુઓ;ZINK- વર્ચ્યુઅલ સ્ક્રીનીંગ માટે વ્યાપારી રીતે-ઉપલબ્ધ સંયોજનોનો મફત ડેટાબેઝ, જેમાં 750 મિલિયન પરમાણુઓ છે, જેમાં 230 મિલિયન 3D ફોર્મેટ ડોકીંગ માટે તૈયાર છે; અને એનામાઇન દ્વારા કૃત્રિમ રીતે સુલભ સરળતાથી ઉપલબ્ધ (રિયલ) રાસાયણિક જગ્યાનો તાજેતરનો વિકાસ - 650 મિલિયન પરમાણુઓ દ્વારા શોધી શકાય છેવાસ્તવિક જગ્યા નેવિગેટરસોફ્ટવેર, અને337 મિલિયન પરમાણુઓ શોધી શકાય છે(સમાનતા દ્વારા) EnamineStore પર.
હિટ એક્સપ્લોરેશન માટે નવી દવા જેવી રાસાયણિક જગ્યાને ઍક્સેસ કરવાનો વૈકલ્પિક અભિગમ DNA-એનકોડેડ લાઇબ્રેરી ટેક્નોલોજી (DELT) નો ઉપયોગ કરી રહ્યો છે. DELT સંશ્લેષણની "સ્પ્લિટ-એન્ડ-પૂલ" પ્રકૃતિને કારણે, ખર્ચ- અને સમય-કાર્યક્ષમ રીતે (લાખોથી અબજો સંયોજનો) વિશાળ સંખ્યામાં સંયોજનો બનાવવાનું શક્ય બને છે.અહીંઐતિહાસિક પૃષ્ઠભૂમિ, વિભાવનાઓ, સફળતાઓ, મર્યાદાઓ અને ડીએનએ-એનકોડેડ લાઇબ્રેરી ટેક્નોલોજીના ભાવિ પર એક સમજદાર અહેવાલ છે.
3. નાના અણુઓ સાથે આરએનએને લક્ષ્ય બનાવવું
સતત વધતી જતી ઉત્તેજના સાથે દવાની શોધની જગ્યામાં આ એક ગરમ વલણ છે: શિક્ષણવિદો, બાયોટેક સ્ટાર્ટઅપ્સ અને ફાર્માસ્યુટિકલ કંપનીઓ આરએનએ લક્ષ્યીકરણ વિશે વધુને વધુ સક્રિય છે, જો કે અનિશ્ચિતતા પણ વધારે છે.
જીવંત જીવતંત્રમાં,ડીએનએમાટે માહિતી સંગ્રહિત કરે છેપ્રોટીનસંશ્લેષણ અનેઆરએનએડીએનએમાં એન્કોડ કરેલી સૂચનાઓનું પાલન કરે છે જે રાઈબોઝોમમાં પ્રોટીન સંશ્લેષણ તરફ દોરી જાય છે. જ્યારે મોટાભાગની દવાઓ રોગ માટે જવાબદાર પ્રોટીનને લક્ષ્ય બનાવવા માટે નિર્દેશિત કરવામાં આવે છે, કેટલીકવાર તે રોગકારક પ્રક્રિયાઓને દબાવવા માટે પૂરતું નથી. પ્રોટીનનું સંશ્લેષણ થાય તે પહેલાં પ્રક્રિયાની શરૂઆતમાં શરૂઆત કરવી અને આરએનએને પ્રભાવિત કરવા માટે તે એક સ્માર્ટ વ્યૂહરચના જેવું લાગે છે, તેથી અનિચ્છનીય ફેનોટાઇપ (રોગની અભિવ્યક્તિ) માં જીનોટાઇપના અનુવાદની પ્રક્રિયાને નોંધપાત્ર રીતે પ્રભાવિત કરે છે.
સમસ્યા એ છે કે, RNA એ નાના પરમાણુઓ માટે નામચીન રીતે ભયંકર લક્ષ્યો છે - તે રેખીય છે, પરંતુ અણઘડ રીતે ટ્વિસ્ટ, ફોલ્ડ અથવા પોતાને વળગી રહેવા માટે સક્ષમ છે, દવાઓ માટે યોગ્ય બંધનકર્તા ખિસ્સામાં તેના આકારને નબળી રીતે ધિરાણ આપે છે. આ ઉપરાંત, પ્રોટીનથી વિપરીત, તેઓ માત્ર ચાર ન્યુક્લિયોટાઇડ બિલ્ડીંગ બ્લોક્સથી બનેલા છે જે નાના પરમાણુઓ દ્વારા પસંદગીયુક્ત લક્ષ્યીકરણ માટે ખૂબ સમાન અને મુશ્કેલ લાગે છે.
જો કે,સંખ્યાબંધ તાજેતરની પ્રગતિઓસૂચવે છે કે દવા જેવા, જૈવિક રીતે સક્રિય નાના અણુઓ કે જે આરએનએને લક્ષ્ય બનાવે છે તે વિકસાવવાનું ખરેખર શક્ય છે. નવીન વૈજ્ઞાનિક આંતરદૃષ્ટિએ આરએનએ માટે સુવર્ણ ધસારો કર્યો -ઓછામાં ઓછી એક ડઝન કંપનીઓતેને સમર્પિત કાર્યક્રમો છે, જેમાં મોટા ફાર્મા (બાયોજેન, મર્ક, નોવાર્ટિસ અને ફાઈઝર), અને બાયોટેક સ્ટાર્ટઅપ્સ જેવા કે અરાકિસ થેરાપ્યુટિક્સ$38M સિરીઝ A રાઉન્ડ2017 માં, અને વિસ્તરણ ઉપચારશાસ્ત્ર -2018ની શરૂઆતમાં $55M સિરીઝ A.
4. એન્ટિબાયોટિક્સની નવી શોધ
એન્ટિબાયોટિક-પ્રતિરોધક બેક્ટેરિયા - સુપરબગ્સના ઉદભવ વિશે ચિંતા વધી રહી છે. તેઓ દર વર્ષે વિશ્વભરમાં લગભગ 700,000 મૃત્યુ માટે જવાબદાર છે, અને યુકે સરકારની સમીક્ષા અનુસાર આ સંખ્યા નાટકીય રીતે વધી શકે છે - 2050 સુધીમાં 10 મિલિયન સુધી. બેક્ટેરિયા વિકસિત થાય છે અને એન્ટિબાયોટિક સામે પ્રતિકાર વિકસાવે છે જેનો પરંપરાગત રીતે મોટી સફળતા સાથે ઉપયોગ થતો હતો, અને પછી તે બની જાય છે. સમય સાથે નકામું.
દર્દીઓમાં સાદા કેસોની સારવાર માટે એન્ટિબાયોટિક્સની બેજવાબદાર પ્રિસ્ક્રિપ્શન અને પશુધનની ખેતીમાં એન્ટિબાયોટિકનો વ્યાપક ઉપયોગ બેક્ટેરિયલ પરિવર્તનના દરને વેગ આપીને, તેમને ભયજનક ઝડપે દવાઓ સામે પ્રતિરોધક બનાવીને પરિસ્થિતિને જોખમમાં મૂકે છે.
બીજી બાજુ, વધુ 'આર્થિક રીતે શક્ય' દવાઓ વિકસાવવાની સરખામણીમાં, ફાર્માસ્યુટિકલ સંશોધન માટે એન્ટિબાયોટિક્સની શોધ એક અપ્રિય ક્ષેત્ર છે. નવલકથા એન્ટિબાયોટિક વર્ગોની પાઇપલાઇન સુકાઈ જવા પાછળનું મુખ્ય કારણ કદાચ છેલ્લું ત્રીસ વર્ષ પહેલાં રજૂ કરવામાં આવ્યું હતું.
આજકાલ એન્ટીબાયોટીક્સની શોધ એ નિયમનકારી વિધાનસભામાં કેટલાક ફાયદાકારક ફેરફારો, એન્ટીબાયોટીક્સ ડિસ્કવરી પ્રોગ્રામમાં નાણાં ઠાલવવા ફાર્માને ઉત્તેજિત કરવા અને આશાસ્પદ એન્ટીબેક્ટેરિયલ દવાઓ વિકસાવતા બાયોટેક સ્ટાર્ટઅપ્સમાં રોકાણકારોને કારણે વધુ આકર્ષક વિસ્તાર બની રહી છે. 2016 માં, અમારામાંથી એક (AB)એન્ટિબાયોટિક દવાઓની શોધની સ્થિતિની સમીક્ષા કરીઅને મેક્રોલાઇડ ફાર્માસ્યુટિકલ્સ, ઇટેરમ થેરાપ્યુટિક્સ, સ્પેરો થેરાપ્યુટિક્સ, સિડારા થેરાપ્યુટિક્સ અને એન્ટાસીસ થેરાપ્યુટિક્સ સહિત સ્પેસમાં કેટલાક આશાસ્પદ સ્ટાર્ટઅપ્સનો સારાંશ આપ્યો.
નોંધનીય રીતે, એન્ટીબાયોટીક્સ સ્પેસમાં તાજેતરની સૌથી આકર્ષક સફળતાઓમાંની એક છેTeixobactin ની શોધઅને તેના એનાલોગ 2015માં નોર્થઈસ્ટર્ન યુનિવર્સિટી ખાતે એન્ટિમાઈક્રોબાયલ ડિસ્કવરી સેન્ટરના ડાયરેક્ટર ડૉ. કિમ લુઈસના નેતૃત્વમાં વૈજ્ઞાનિકોના જૂથ દ્વારા. એવું માનવામાં આવે છે કે આ શક્તિશાળી નવી એન્ટિબાયોટિક્સ વર્ગ તેની સામે બેક્ટેરિયાના પ્રતિકારના વિકાસને ટકી શકે છે. ગયા વર્ષે, લિંકન યુનિવર્સિટીના સંશોધકોએ સફળતાપૂર્વક ટાઈક્સોબેક્ટીનનું સંશ્લેષિત સંસ્કરણ વિકસાવ્યું, જે એક મહત્વપૂર્ણ પગલું આગળ વધ્યું.
હવે સિંગાપોર આઇ રિસર્ચ ઇન્સ્ટિટ્યૂટના સંશોધકોએ બતાવ્યું છે કે દવાનું કૃત્રિમ સંસ્કરણ જીવંત માઉસ મોડેલોમાં સ્ટેફાયલોકોકસ ઓરીયસ કેરાટાઇટિસનો સફળતાપૂર્વક ઇલાજ કરી શકે છે; પહેલા teixobactin ની પ્રવૃત્તિ માત્ર વિટ્રોમાં દર્શાવવામાં આવી હતી. આ નવા તારણો સાથે, ડોકટરો ઉપયોગ કરી શકે તેવી દવા બનવા માટે teixobactin ને વિકાસના બીજા 6-10 વર્ષની જરૂર પડશે.
2015 માં ટાઈક્સોબેક્ટીનની શોધ થઈ ત્યારથી, મેલાસિડિન નામના એન્ટિબાયોટિક્સના અન્ય નવા પરિવાર હતા.2018 ની શરૂઆતમાં જાહેર. આ શોધ હજુ તેના પ્રારંભિક તબક્કામાં છે, અને તે ટેકસોબેક્ટીન પરના નવીનતમ સંશોધનો જેટલી વિકસિત નથી.
5. ફેનોટાઇપિક સ્ક્રીનીંગ
છબી ક્રેડિટ:સાયલાઈફ લેબ
2011 માં લેખકો ડેવિડ સ્વિની અને જેસન એન્થનીતેમના તારણોના પરિણામો પ્રકાશિત કર્યા1999 અને 2008 ની વચ્ચે નવી દવાઓ કેવી રીતે શોધાઈ તે વિશે એ હકીકતને ઉજાગર કરે છે કે લક્ષ્ય-આધારિત અભિગમો (28 મંજૂર દવાઓ વિ 17, અનુક્રમે) કરતાં ફેનોટાઇપિક સ્ક્રીનીંગનો ઉપયોગ કરીને વાસ્તવમાં ફર્સ્ટ-ઇન-ક્લાસની નાની અણુ દવાઓની શોધ કરવામાં આવી હતી - અને તે વધુ આઘાતજનક છે તે ધ્યાનમાં લેવું કે તે લક્ષ્ય આધારિત અભિગમ હતો જે દર્શાવેલ સમયગાળા દરમિયાન મુખ્ય ફોકસ રહ્યો હતો.
આ પ્રભાવશાળી પૃથ્થકરણે 2011 થી ફેનોટાઇપિક ડ્રગ શોધ નમૂનાના પુનરુજ્જીવનને ઉત્તેજિત કર્યું - બંને ફાર્માસ્યુટિકલ ઉદ્યોગમાં અને એકેડેમિયામાં. તાજેતરમાં, નોવાર્ટિસના વૈજ્ઞાનિકોસમીક્ષા હાથ ધરી હતીઆ વલણની વર્તમાન સ્થિતિ વિશે અને એવા નિષ્કર્ષ પર આવ્યા કે, જ્યારે ફાર્મા સંશોધન સંસ્થાઓએ ફેનોટાઇપિક અભિગમ સાથે નોંધપાત્ર પડકારોનો સામનો કરવો પડ્યો હતો, ત્યારે છેલ્લા 5 વર્ષમાં લક્ષ્ય-આધારિત સ્ક્રીનોની સંખ્યા ઘટી રહી છે અને ફેનોટાઇપિક અભિગમોમાં વધારો થયો છે. મોટે ભાગે, આ વલણ 2018 પછી પણ ચાલુ રહેશે.
અગત્યની રીતે, માત્ર ફેનોટાઇપિક અને લક્ષ્ય આધારિત અભિગમોની સરખામણી કરતાં, વધુ જટિલ સેલ્યુલર એસેઝ તરફ સ્પષ્ટ વલણ છે, જેમ કે અમર કોષ રેખાઓથી પ્રાથમિક કોષો, દર્દી કોષો, સહ-સંસ્કૃતિઓ અને 3D સંસ્કૃતિઓ તરફ જવાનું. પ્રાયોગિક સેટઅપ પણ વધુને વધુ અત્યાધુનિક બની રહ્યું છે, જે સબસેલ્યુલર કમ્પાર્ટમેન્ટ્સ, સિંગલ-સેલ વિશ્લેષણ અને સેલ ઇમેજિંગમાં ફેરફારોનું અવલોકન કરવા માટે અવિભાજ્ય રીડઆઉટ્સથી આગળ વધી રહ્યું છે.
6. અંગો (શરીર)-ઓન-એ-ચીપ
જીવંત માનવ કોષો દ્વારા રેખાંકિત માઇક્રોચિપ્સ દવાના વિકાસ, રોગના મોડેલિંગ અને વ્યક્તિગત દવામાં ક્રાંતિ લાવી શકે છે. આ માઈક્રોચિપ્સ, જેને 'ઓર્ગન્સ-ઓન-ચીપ્સ' કહેવાય છે, પરંપરાગત પ્રાણી પરીક્ષણનો સંભવિત વિકલ્પ આપે છે. આખરે, સિસ્ટમોને એકસાથે જોડવી એ આખી "બોડી-ઓન-એ-ચીપ" સિસ્ટમને ડ્રગની શોધ અને ડ્રગ ઉમેદવાર પરીક્ષણ અને માન્યતા માટે આદર્શ રાખવાનો એક માર્ગ છે.
આ વલણ હવે દવાની શોધ અને વિકાસની જગ્યામાં એક મોટો સોદો છે અને અમે તાજેતરના સમયમાં "ઓર્ગન-ઓન-એ-ચીપ" દાખલાની વર્તમાન સ્થિતિ અને સંદર્ભને પહેલેથી જ આવરી લીધું છે.મીની-સમીક્ષા.
જ્યારે 6-7 વર્ષ પહેલા ઘણા બધા સંશય અસ્તિત્વમાં હતા, જ્યારે ક્ષેત્ર પરના પરિપ્રેક્ષ્યો ઉત્સાહી અપનાવનારાઓ દ્વારા વ્યક્ત કરવામાં આવ્યા હતા. જો કે, આજે ટીકાકારો સંપૂર્ણ પીછેહઠમાં હોય તેમ દેખાય છે. માત્ર નિયમનકારી અને ભંડોળ એજન્સીઓ જ નથીખ્યાલ અપનાવ્યો, પરંતુ તે હવે વધુને વધુ છેદત્તકફાર્મા અને એકેડેમિયા બંને દ્વારા દવા સંશોધન પ્લેટફોર્મ તરીકે. ઓન-ચીપ સિસ્ટમ્સમાં બે ડઝનથી વધુ અંગ પ્રણાલીઓ રજૂ થાય છે. તેના વિશે વધુ વાંચોઅહીં.
7. બાયોપ્રિંટિંગ
માનવ પેશીઓ અને અવયવોના બાયોપ્રિન્ટિંગનો વિસ્તાર ઝડપથી વિકસી રહ્યો છે અને તે નિઃશંકપણે દવાનું ભાવિ છે. 2016 ની શરૂઆતમાં સ્થપાયેલ,સેલલિંક3D પ્રિન્ટેબલ બાયોઇંક ઓફર કરનાર વિશ્વની પ્રથમ કંપનીઓમાંની એક છે - એક પ્રવાહી જે માનવ કોષોના જીવન અને વૃદ્ધિને સક્ષમ કરે છે. હવે કંપની શરીરના ભાગો - નાક અને કાનની બાયોપ્રિન્ટ કરે છે, મુખ્યત્વે દવાઓ અને સૌંદર્ય પ્રસાધનોના પરીક્ષણ માટે. તે ક્યુબ્સ પણ છાપે છે જે સંશોધકોને યકૃત જેવા માનવ અંગોના કોષો સાથે "રમવા" સક્ષમ બનાવે છે.
સેલલિંકે તાજેતરમાં CTI બાયોટેક સાથે ભાગીદારી કરી, જે કેન્સરની પેશીઓના ઉત્પાદનમાં વિશેષતા ધરાવતી ફ્રેન્ચ મેડટેક કંપની છે, જેથી કેન્સર સંશોધન અને દવાની શોધના ક્ષેત્રને નોંધપાત્ર રીતે આગળ ધપાવવા માટે.
યુવાન બાયોટેક સ્ટાર્ટઅપ, દર્દીના કેન્સર કોષોના નમૂના સાથે સેલિંકના બાયોઇંકનું મિશ્રણ કરીને, કેન્સરની ગાંઠોની CTI થી 3D પ્રતિકૃતિઓ પ્રિન્ટ કરવામાં આવશ્યકપણે મદદ કરશે. આનાથી સંશોધકોને કેન્સરના ચોક્કસ પ્રકારો સામે નવી સારવારની ઓળખ કરવામાં મદદ મળશે.
અન્ય બાયોટેક સ્ટાર્ટઅપ જૈવિક સામગ્રીને છાપવા માટે 3D પ્રિન્ટીંગ ટેકનોલોજી વિકસાવી રહ્યું છે - ઓક્સફોર્ડ યુનિવર્સિટીની સ્પિનઆઉટ કંપની, OxSyBio, જેમાત્ર £10m સુરક્ષિતશ્રેણી A ધિરાણમાં.
જ્યારે 3D બાયોપ્રિંટિંગ એ અત્યંત ઉપયોગી તકનીક છે, તે સ્થિર અને નિર્જીવ છે કારણ કે તે પ્રિન્ટેડ ઑબ્જેક્ટની માત્ર પ્રારંભિક સ્થિતિને ધ્યાનમાં લે છે. વધુ અદ્યતન અભિગમ એ મુદ્રિત બાયો-ઓબ્જેક્ટ્સમાં ચોથા પરિમાણ તરીકે "સમય" નો સમાવેશ કરવાનો છે (કહેવાય છે "4D બાયોપ્રિંટિંગ"), જ્યારે બાહ્ય ઉત્તેજના લાદવામાં આવે ત્યારે સમય સાથે તેમના આકાર અથવા કાર્યક્ષમતાઓ બદલવામાં સક્ષમ રેન્ડર કરે છે.અહીં4D બાયોપ્રિંટિંગ પર એક સમજદાર સમીક્ષા છે.
બંધ પરિપ્રેક્ષ્ય
હમણાં જ વર્ણવેલ દરેક ટોચના વલણોમાં ઊંડાણપૂર્વક ડાઇવ કર્યા વિના પણ, તે સ્પષ્ટ થઈ જવું જોઈએ કે AI એ ક્રિયાનો સતત વધતો ભાગ લેશે. બાયોફાર્મા ઈનોવેશનના આ તમામ નવા ક્ષેત્રો મોટા ડેટા સેન્ટ્રીક બની ગયા છે. આ સંજોગો પોતે જ AI માટે પૂર્વ-પ્રખ્યાત ભૂમિકા દર્શાવે છે, વિષયના આ કવરેજની પોસ્ટસ્ક્રીપ્ટ તરીકે પણ નોંધ્યું છે કે AI સતત ઉત્ક્રાંતિમાંથી પસાર થતા બહુવિધ, વિશ્લેષણાત્મક અને સંખ્યાત્મક સાધનોનો સમાવેશ કરે છે. દવાની શોધ અને પ્રારંભિક તબક્કાના વિકાસમાં AI ની એપ્લિકેશનો મોટાભાગે છુપાયેલા દાખલાઓ અને કારણો અને અસરોને જોડતા અનુમાનોને બહાર કાઢવા માટે લક્ષ્યાંકિત છે અન્યથા ઓળખી શકાય અથવા સમજી શકાય તેમ નથી.
આમ, ફાર્માસ્યુટિકલ સંશોધનમાં કાર્યરત AI ટૂલ્સનો સબસેટ વધુ યોગ્ય રીતે "મશીન ઇન્ટેલિજન્સ" અથવા "મશીન લર્નિંગ" ના મોનીકર હેઠળ આવે છે. આ બંને માનવ માર્ગદર્શન દ્વારા દેખરેખ રાખી શકાય છે, જેમ કે વર્ગીકરણ અને આંકડાકીય શીખવાની પદ્ધતિઓમાં, અથવા વિવિધ પ્રકારના કૃત્રિમ ન્યુરલ નેટવર્કના અમલીકરણમાં તેમની આંતરિક કામગીરીમાં દેખરેખ વિના. અનિશ્ચિત (અથવા અસ્પષ્ટ) તર્ક માટે ભાષા અને સિમેન્ટીક પ્રોસેસિંગ અને સંભવિત પદ્ધતિઓ પણ ઉપયોગી ભૂમિકા ભજવે છે.
આ વિવિધ કાર્યોને "AI" ના વ્યાપક શિસ્તમાં કેવી રીતે એકીકૃત કરી શકાય તે સમજવું એ એક મુશ્કેલ કાર્ય છે જે તમામ રસ ધરાવતા પક્ષોએ હાથ ધરવું જોઈએ. સ્પષ્ટતા અને સ્પષ્ટતાઓ જોવા માટે શ્રેષ્ઠ સ્થાનો પૈકી એક છેડેટા સાયન્સ સેન્ટ્રલપોર્ટલ અને ખાસ કરીને વિન્સેન્ટ ગ્રાનવિલે દ્વારા બ્લોગ પોસ્ટ્સ, જેઓ નિયમિતપણેતફાવતોને સ્પષ્ટ કરે છેAI, મશીન ઝોક, ડીપ લર્નિંગ અને આંકડાઓ વચ્ચે. એકંદરે AI ના ઇન્સ અને આઉટ્સ વિશે જાણકાર બનવું એ કોઈપણ બાયોફાર્મા વલણોથી દૂર રહેવા અથવા આગળ રહેવા માટે એક અનિવાર્ય ઘટક છે.
પોસ્ટ સમય: મે-29-2018