ដោយស្ថិតនៅក្រោមសម្ពាធកាន់តែខ្លាំងឡើងដើម្បីប្រកួតប្រជែងក្នុងបរិយាកាសសេដ្ឋកិច្ច និងបច្ចេកវិទ្យាដែលមានការប្រកួតប្រជែង ក្រុមហ៊ុនឱសថ និងជីវបច្ចេកវិទ្យាត្រូវតែបន្តបង្កើតថ្មីនៅក្នុងកម្មវិធី R&D របស់ពួកគេ ដើម្បីបន្តដំណើរទៅមុខនៃការប្រកួតនេះ។
ការច្នៃប្រឌិតខាងក្រៅមានទម្រង់ផ្សេងៗគ្នា និងមានប្រភពនៅកន្លែងផ្សេងៗគ្នា — ពីមន្ទីរពិសោធន៍សាកលវិទ្យាល័យ រហូតដល់ការចាប់ផ្តើមអាជីវកម្មដែលគាំទ្រដោយក្រុមហ៊ុនឯកជន និងអង្គការស្រាវជ្រាវកិច្ចសន្យា (CROs) ។ ចូរយើងពិនិត្យមើលឡើងវិញនូវនិន្នាការស្រាវជ្រាវដែលមានឥទ្ធិពលបំផុតមួយចំនួនដែលនឹង "ក្តៅ" ក្នុងឆ្នាំ 2018 និងលើសពីនេះ ហើយសង្ខេបតួអង្គសំខាន់ៗមួយចំនួនដែលជំរុញការច្នៃប្រឌិត។
កាលពីឆ្នាំមុន BioPharmaTrend បានសង្ខេបនិន្នាការសំខាន់ៗមួយចំនួនប៉ះពាល់ដល់ឧស្សាហកម្មជីវឱសថ ពោលគឺ៖ ការរីកចម្រើននៃទិដ្ឋភាពផ្សេងៗនៃបច្ចេកវិទ្យាកែសម្រួលហ្សែន (ជាចម្បង CRISPR/Cas9); ការលូតលាស់គួរឱ្យចាប់អារម្មណ៍នៅក្នុងតំបន់នៃប្រព័ន្ធភាពស៊ាំ - ជំងឺមហារីក (កោសិកា CAR-T); ការផ្តោតអារម្មណ៍កាន់តែខ្លាំងលើការស្រាវជ្រាវមីក្រូជីវសាស្រ្ត; ចំណាប់អារម្មណ៍កាន់តែស៊ីជម្រៅលើថ្នាំច្បាស់លាស់; វឌ្ឍនភាពសំខាន់ៗមួយចំនួនក្នុងការរកឃើញថ្នាំអង់ទីប៊ីយោទិច; ការកើនឡើងនូវភាពរំភើបអំពីបញ្ញាសិប្បនិម្មិត (AI) សម្រាប់ការរកឃើញ/ការអភិវឌ្ឍន៍ថ្នាំ។ ការរីកចម្រើនដ៏ចម្រូងចម្រាសប៉ុន្តែយ៉ាងឆាប់រហ័សនៅក្នុងតំបន់នៃកញ្ឆាវេជ្ជសាស្រ្ត; និងការផ្តោតជាបន្តនៃឱសថការីលើការចូលរួមក្នុងគំរូ R&D outsourcing ដើម្បីទទួលបាននូវការច្នៃប្រឌិត និងជំនាញ។
ខាងក្រោមនេះគឺជាការបន្តនៃការពិនិត្យឡើងវិញនេះជាមួយនឹងផ្នែកសកម្មជាច្រើនទៀតនៃការស្រាវជ្រាវដែលបានបន្ថែមទៅក្នុងបញ្ជី ហើយការអត្ថាធិប្បាយបន្ថែមមួយចំនួនអំពីនិន្នាការដែលបានរៀបរាប់ខាងលើ — ដែលពាក់ព័ន្ធ។
1. ការទទួលយកបញ្ញាសិប្បនិម្មិត (AI) ដោយឱសថ និងជីវបច្ចេកវិទ្យា
ជាមួយនឹងការបំភាន់ជុំវិញ AI នាពេលបច្ចុប្បន្ននេះ វាពិបាកក្នុងការធ្វើឱ្យនរណាម្នាក់ភ្ញាក់ផ្អើលជាមួយនឹងនិន្នាការនេះនៅក្នុងការស្រាវជ្រាវឱសថ។ ទោះជាយ៉ាងណាក៏ដោយ វាគួរតែត្រូវបានកត់សម្គាល់ថាក្រុមហ៊ុនដែលជំរុញដោយ AI ពិតជាចាប់ផ្តើមទាក់ទាញជាមួយឱសថស្ថានធំៗ និងអ្នកលេងវិទ្យាសាស្ត្រជីវិតឈានមុខគេផ្សេងទៀត ជាមួយនឹងភាពជាដៃគូស្រាវជ្រាវជាច្រើន និងកម្មវិធីសហការ –នៅទីនេះគឺជាបញ្ជីនៃកិច្ចព្រមព្រៀងសំខាន់ៗរហូតមកដល់ពេលនេះ និងនៅទីនេះគឺជាការពិនិត្យឡើងវិញសង្ខេបនៃសកម្មភាពគួរឱ្យកត់សម្គាល់មួយចំនួននៅក្នុង "AI សម្រាប់ការរកឃើញគ្រឿងញៀន" ចន្លោះក្នុងរយៈពេលប៉ុន្មានខែចុងក្រោយនេះ។
សក្តានុពលនៃឧបករណ៍ដែលមានមូលដ្ឋានលើ AI ឥឡូវនេះត្រូវបានរុករកនៅគ្រប់ដំណាក់កាលនៃការរកឃើញ និងការអភិវឌ្ឍន៍ថ្នាំ — ពីការរុករកទិន្នន័យស្រាវជ្រាវ និងជំនួយក្នុងការកំណត់អត្តសញ្ញាណ និងសុពលភាពគោលដៅ ដើម្បីជួយបង្កើតសមាសធាតុនាំមុខថ្មី និងបេក្ខជនថ្នាំ និងព្យាករណ៍ពីលក្ខណៈសម្បត្តិ និងហានិភ័យរបស់ពួកគេ។ ហើយចុងក្រោយ កម្មវិធីដែលមានមូលដ្ឋានលើ AI ឥឡូវនេះអាចជួយក្នុងការធ្វើផែនការសំយោគគីមី ដើម្បីទទួលបានសមាសធាតុដែលគួរឱ្យចាប់អារម្មណ៍។ AI ក៏ត្រូវបានអនុវត្តផងដែរក្នុងការធ្វើផែនការមុនការធ្វើការសាកល្បងព្យាបាលនិងព្យាបាលនិងការវិភាគទិន្នន័យជីវវេជ្ជសាស្ត្រនិងគ្លីនិក។
លើសពីការរកឃើញថ្នាំដែលមានមូលដ្ឋានលើគោលដៅ AI ត្រូវបានអនុវត្តនៅក្នុងផ្នែកស្រាវជ្រាវផ្សេងទៀត ជាឧទាហរណ៍ ក្នុងកម្មវិធីស្វែងរកឱសថ phenotypic — វិភាគទិន្នន័យពីវិធីសាស្ត្រពិនិត្យមាតិកាខ្ពស់។
ជាមួយនឹងការផ្តោតសំខាន់នៃការចាប់ផ្តើមអាជីវកម្មដែលជំរុញដោយ AI លើការរកឃើញថ្នាំម៉ូលេគុលតូច វាក៏មានចំណាប់អារម្មណ៍ក្នុងការអនុវត្តបច្ចេកវិទ្យាបែបនេះសម្រាប់ការរកឃើញ និងការអភិវឌ្ឍន៍ជីវវិទ្យាផងដែរ។
2. ការពង្រីកកន្លែងគីមីសម្រាប់ការរុករករកឃើញគ្រឿងញៀន
ផ្នែកសំខាន់នៃកម្មវិធីរកឃើញថ្នាំម៉ូលេគុលតូចណាមួយគឺត្រូវបានវាយលុកលើការរុករក — ការកំណត់អត្តសញ្ញាណនៃម៉ូលេគុលចំណុចចាប់ផ្តើមទាំងនោះដែលនឹងចាប់ផ្តើមដំណើរឆ្ពោះទៅរកថ្នាំដែលទទួលបានជោគជ័យ (កម្រណាស់ដែលពួកគេបានរួចជីវិតពីដំណើរនេះ) — តាមរយៈដំណាក់កាលបង្កើនប្រសិទ្ធភាព សុពលភាព និងការធ្វើតេស្តជាច្រើន។
ធាតុសំខាន់នៃការរុករកបុកគឺការចូលទៅកាន់កន្លែងពង្រីក និងចម្រុះគីមីនៃឱសថ ដូចជាម៉ូលេគុល ដើម្បីជ្រើសរើសបេក្ខជន ជាពិសេសសម្រាប់ការស៊ើបអង្កេតជីវវិទ្យាគោលដៅប្រលោមលោក។ ដោយសារការប្រមូលផ្តុំសមាសធាតុដែលមានស្រាប់នៅក្នុងដៃរបស់ឱសថត្រូវបានបង្កើតឡើងមួយផ្នែកដោយផ្អែកលើការរចនាម៉ូលេគុលតូចដែលកំណត់គោលដៅជីវសាស្រ្តដែលគេស្គាល់ គោលដៅជីវសាស្រ្តថ្មីតម្រូវឱ្យមានការរចនាថ្មី និងគំនិតថ្មី ជំនួសឱ្យការកែច្នៃឡើងវិញនូវគីមីសាស្ត្រដូចគ្នាខ្លាំងពេក។
បន្ទាប់ពីតម្រូវការនេះ មន្ទីរពិសោធន៍សិក្សា និងក្រុមហ៊ុនឯកជនបង្កើតមូលដ្ឋានទិន្នន័យនៃសមាសធាតុគីមីលើសពីអ្វីដែលមាននៅក្នុងការប្រមូលសមាសធាតុរបស់ក្រុមហ៊ុនឱសថធម្មតា។ ឧទាហរណ៍រួមមានមូលដ្ឋានទិន្នន័យ GDB-17 នៃម៉ូលេគុលនិម្មិតដែលមាន 166,4 ពាន់លានម៉ូលេគុល និងFDB-17នៃម៉ូលេគុលដូចបំណែក 10 លានដែលមានអាតូមធ្ងន់រហូតដល់ 17;ZINK- មូលដ្ឋានទិន្នន័យឥតគិតថ្លៃនៃសមាសធាតុដែលអាចរកបានសម្រាប់ពាណិជ្ជកម្មសម្រាប់ការបញ្ចាំងរូបភាពនិម្មិតដែលមានម៉ូលេគុលចំនួន 750 លានរួមទាំង 230 លាននៅក្នុងទម្រង់ 3D ដែលត្រៀមរួចជាស្រេចសម្រាប់ការចត។ និងការអភិវឌ្ឍន៍ថ្មីៗនៃចន្លោះគីមីដែលអាចចូលប្រើបានដោយសំយោគ REadily AvailabLe (REAL) ដោយ Enamine — 650 លានម៉ូលេគុលអាចស្វែងរកបានតាមរយៈអ្នករុករកអវកាសពិតកម្មវិធី និង337 លានម៉ូលេគុលអាចស្វែងរកបាន។(ដោយភាពស្រដៀងគ្នា) នៅ EnamineStore ។
វិធីសាស្រ្តជំនួសដើម្បីចូលប្រើកន្លែងគីមីដូចថ្នាំថ្មីសម្រាប់ការរុករកបុកគឺប្រើប្រាស់បច្ចេកវិទ្យាបណ្ណាល័យដែលអ៊ិនកូដ DNA (DELT)។ ដោយសារលក្ខណៈ "បំបែក និង អាង" នៃការសំយោគ DELT វាអាចបង្កើតសមាសធាតុជាច្រើនក្នុងលក្ខណៈចំណាយ និងសន្សំសំចៃពេលវេលា (រាប់លានទៅរាប់ពាន់លានសមាសធាតុ)។នៅទីនេះគឺជារបាយការណ៍ដ៏ឈ្លាសវៃមួយអំពីប្រវត្តិប្រវត្តិសាស្ត្រ គំនិត ភាពជោគជ័យ ដែនកំណត់ និងអនាគតនៃបច្ចេកវិទ្យាបណ្ណាល័យដែលបានអ៊ិនកូដ DNA ។
3. កំណត់គោលដៅ RNA ជាមួយម៉ូលេគុលតូច
នេះគឺជានិន្នាការដ៏ក្តៅគគុកនៅក្នុងកន្លែងស្វែងរកឱសថ ជាមួយនឹងការកើនឡើងជាបន្តបន្ទាប់៖ អ្នកសិក្សា ការចាប់ផ្តើមអាជីវកម្មជីវបច្ចេកវិទ្យា និងក្រុមហ៊ុនឱសថមានសកម្មភាពកាន់តែខ្លាំងឡើងអំពីការកំណត់គោលដៅ RNA ទោះបីជាភាពមិនច្បាស់លាស់ក៏ខ្ពស់ផងដែរ។
នៅក្នុងសារពាង្គកាយមានជីវិត។ឌីអិនអេរក្សាទុកព័ត៌មានសម្រាប់ប្រូតេអ៊ីនការសំយោគនិងRNAអនុវត្តការណែនាំដែលបានអ៊ិនកូដនៅក្នុង DNA ដែលនាំទៅដល់ការសំយោគប្រូតេអ៊ីននៅក្នុង ribosomes ។ ខណៈពេលដែលថ្នាំភាគច្រើនគឺសំដៅទៅលើប្រូតេអ៊ីនដែលទទួលខុសត្រូវចំពោះជំងឺ ជួនកាលវាមិនគ្រប់គ្រាន់ក្នុងការទប់ស្កាត់ដំណើរការបង្កជំងឺនោះទេ។ វាហាក់ដូចជាយុទ្ធសាស្ត្រដ៏ឆ្លាតវៃមួយដើម្បីចាប់ផ្តើមដំណើរការមុននេះ ហើយមានឥទ្ធិពលលើ RNA មុនពេលប្រូតេអ៊ីនត្រូវបានសំយោគ ដូច្នេះមានឥទ្ធិពលយ៉ាងខ្លាំងដល់ដំណើរការបកប្រែនៃប្រភេទហ្សែនទៅជា phenotype ដែលមិនចង់បាន (ការបង្ហាញជំងឺ)។
បញ្ហាគឺថា RNAs គឺជាគោលដៅដ៏គួរឱ្យភ័យខ្លាចសម្រាប់ម៉ូលេគុលតូចៗ — ពួកវាមានលក្ខណៈលីនេអ៊ែរ ប៉ុន្តែអាចបត់បែន បត់ ឬជាប់នឹងខ្លួនវាដោយមិនសូវផ្តល់ប្រាក់កម្ចីដល់រូបរាងរបស់វាទៅនឹងហោប៉ៅចងសមរម្យសម្រាប់ថ្នាំ។ ក្រៅពីនេះ ផ្ទុយទៅនឹងប្រូតេអ៊ីន ពួកវាផ្សំឡើងពីប្លុកសំណង់នុយក្លេអូទីតចំនួន 4 ដែលធ្វើឱ្យពួកវាទាំងអស់មើលទៅស្រដៀងគ្នា និងពិបាកសម្រាប់ការជ្រើសរើសគោលដៅដោយម៉ូលេគុលតូចៗ។
ទោះយ៉ាងណាក៏ដោយចំនួននៃវឌ្ឍនភាពថ្មីៗផ្តល់យោបល់ថាវាពិតជាអាចទៅរួចក្នុងការអភិវឌ្ឍម៉ូលេគុលតូចៗសកម្មជីវសាស្រ្តដូចថ្នាំដែលកំណត់គោលដៅ RNA ។ ការយល់ដឹងអំពីវិទ្យាសាស្ត្រប្រលោមលោកបានជំរុញឱ្យមានការប្រញាប់ប្រញាល់មាសសម្រាប់ RNA -យ៉ាងហោចណាស់ក្រុមហ៊ុនរាប់សិបមានកម្មវិធីដែលឧទ្ទិសដល់វា រួមទាំងឱសថធំ (Biogen, Merck, Novartis និង Pfizer) និងការចាប់ផ្ដើមអាជីវកម្មជីវបច្ចេកវិទ្យាដូចជា Arrakis Therapeutics ជាមួយនឹង$38M Series A ជុំនៅឆ្នាំ 2017 និងពង្រីកការព្យាបាល -$55M Series A នៅដើមឆ្នាំ 2018.
4. ការរកឃើញថ្នាំអង់ទីប៊ីយោទិចថ្មី។
មានការព្រួយបារម្ភកាន់តែខ្លាំងឡើងអំពីការកើនឡើងនៃបាក់តេរីដែលធន់នឹងថ្នាំអង់ទីប៊ីយោទិច ដែលជាពពួកពពួកពពួកពពួកពពួកពពួកពពួកពពួកពពួកបាក់តេរី។ ពួកគេទទួលខុសត្រូវចំពោះការស្លាប់ប្រហែល 700,000 នាក់នៅទូទាំងពិភពលោកជារៀងរាល់ឆ្នាំ ហើយបើយោងតាមការពិនិត្យឡើងវិញរបស់រដ្ឋាភិបាលចក្រភពអង់គ្លេសចំនួននេះអាចកើនឡើងយ៉ាងខ្លាំង - រហូតដល់ 10 លាននាក់នៅឆ្នាំ 2050។ បាក់តេរីវិវត្ត និងអភិវឌ្ឍភាពធន់នឹងថ្នាំអង់ទីប៊ីយោទិចដែលត្រូវបានប្រើជាប្រពៃណីដោយជោគជ័យ ហើយបន្ទាប់មកក្លាយជា គ្មានប្រយោជន៍ជាមួយពេលវេលា។
វេជ្ជបញ្ជាមិនទទួលខុសត្រូវនៃថ្នាំអង់ទីប៊ីយោទិចដើម្បីព្យាបាលករណីសាមញ្ញចំពោះអ្នកជំងឺ និងការប្រើប្រាស់ថ្នាំអង់ទីប៊ីយោទិចយ៉ាងទូលំទូលាយក្នុងការចិញ្ចឹមសត្វ ធ្វើឱ្យប៉ះពាល់ដល់ស្ថានភាពដោយការបង្កើនល្បឿននៃការផ្លាស់ប្តូរបាក់តេរី ធ្វើឱ្យពួកគេធន់នឹងថ្នាំជាមួយនឹងល្បឿនគួរឱ្យព្រួយបារម្ភ។
ម៉្យាងវិញទៀត ការរកឃើញថ្នាំអង់ទីប៊ីយោទិច គឺជាតំបន់ដែលមិនគួរឱ្យទាក់ទាញសម្រាប់ការស្រាវជ្រាវឱសថ បើប្រៀបធៀបទៅនឹងការបង្កើតឱសថ 'ដែលអាចធ្វើទៅបាន' បន្ថែមទៀត។ វាប្រហែលជាហេតុផលសំខាន់ដែលនៅពីក្រោយការស្ងួតបំពង់នៃថ្នាក់ថ្នាំអង់ទីប៊ីយោទិចប្រលោមលោក ជាមួយនឹងថ្នាំចុងក្រោយដែលបានណែនាំជាងសាមសិបឆ្នាំមុន។
បច្ចុប្បន្ននេះ ការរកឃើញថ្នាំអង់ទីប៊ីយោទិចកំពុងក្លាយជាតំបន់ដ៏គួរឱ្យទាក់ទាញមួយ ដោយសារតែការផ្លាស់ប្តូរមានប្រយោជន៍មួយចំនួននៅក្នុងនីតិប្បញ្ញត្តិ ជំរុញឱសថដើម្បីចាក់ប្រាក់ទៅក្នុងកម្មវិធីរកឃើញថ្នាំអង់ទីប៊ីយោទិច និងអ្នកបណ្តាក់ទុន - ចូលទៅក្នុងអាជីវកម្មចាប់ផ្តើមជីវបច្ចេកវិទ្យា ដែលកំពុងអភិវឌ្ឍថ្នាំអង់ទីប៊ីយោទិចដ៏ជោគជ័យ។ ក្នុងឆ្នាំ 2016 ពួកយើងម្នាក់ (AB)បានពិនិត្យស្ថានភាពនៃការរកឃើញថ្នាំអង់ទីប៊ីយោទិចហើយបានសង្ខេបការចាប់ផ្ដើមអាជីវកម្មដែលជោគជ័យមួយចំនួននៅក្នុងលំហ រួមមាន Macrolide Pharmaceuticals, Iterum Therapeutics, Spero Therapeutics, Cidara Therapeutics និង Entasis Therapeutics ។
គួរកត់សម្គាល់ថា របកគំហើញថ្មីដ៏គួរឱ្យរំភើបមួយនៅក្នុងចន្លោះថ្នាំអង់ទីប៊ីយោទិចគឺការរកឃើញ Teixobactinនិងអាណាឡូករបស់វាក្នុងឆ្នាំ 2015 ដោយក្រុមអ្នកវិទ្យាសាស្ត្រដែលដឹកនាំដោយវេជ្ជបណ្ឌិត Kim Lewis នាយកមជ្ឈមណ្ឌល Antimicrobial Discovery នៅសាកលវិទ្យាល័យ Northeastern ។ ថ្នាក់ថ្នាំអង់ទីប៊ីយោទិចថ្មីដ៏មានអានុភាពនេះត្រូវបានគេជឿថាអាចទប់ទល់នឹងការវិវត្តនៃភាពធន់នឹងបាក់តេរីប្រឆាំងនឹងវា។ កាលពីឆ្នាំមុន អ្នកស្រាវជ្រាវមកពីសាកលវិទ្យាល័យ Lincoln បានបង្កើតកំណែសំយោគនៃ teixobactin ដោយជោគជ័យ ដោយធ្វើឱ្យជំហានដ៏សំខាន់មួយឆ្ពោះទៅមុខ។
ឥឡូវនេះអ្នកស្រាវជ្រាវមកពីវិទ្យាស្ថានស្រាវជ្រាវភ្នែកសិង្ហបុរីបានបង្ហាញកំណែសំយោគនៃថ្នាំនេះអាចព្យាបាល Staphylococcus aureus keratitis ដោយជោគជ័យនៅក្នុងគំរូកណ្តុរផ្ទាល់។ មុនពេលសកម្មភាពរបស់ teixobactin ត្រូវបានបង្ហាញតែនៅក្នុង vitro ។ ជាមួយនឹងការរកឃើញថ្មីទាំងនេះ teixobactin នឹងត្រូវការការអភិវឌ្ឍន៍ 6-10 ឆ្នាំទៀតដើម្បីក្លាយជាថ្នាំដែលវេជ្ជបណ្ឌិតអាចប្រើប្រាស់បាន។
ចាប់តាំងពីការរកឃើញនៃ teixobactin ក្នុងឆ្នាំ 2015 គ្រួសារថ្មីមួយទៀតនៃអង់ទីប៊ីយ៉ូទិកហៅថា malacidins ត្រូវបានបានបង្ហាញនៅដើមឆ្នាំ 2018. របកគំហើញនេះនៅតែស្ថិតក្នុងដំណាក់កាលដំបូងរបស់វា ហើយមិនស្ទើរតែត្រូវបានបង្កើតឡើងដូចការស្រាវជ្រាវចុងក្រោយបង្អស់លើ teixobactin នោះទេ។
5. ការពិនិត្យ Phenotypic
ឥណទានរូបភាព៖SciLifeLab
ក្នុងឆ្នាំ 2011 អ្នកនិពន្ធ David Swinney និង Jason Anthonyបានចេញផ្សាយលទ្ធផលនៃការរកឃើញរបស់ពួកគេ។អំពីរបៀបដែលថ្នាំថ្មីត្រូវបានគេរកឃើញនៅចន្លោះឆ្នាំ 1999 និង 2008 ដោយបង្ហាញពីការពិតដែលថាថ្នាំម៉ូលេគុលតូចដំបូងបំផុតដែលគួរឱ្យកត់សម្គាល់ត្រូវបានគេរកឃើញដោយប្រើការពិនិត្យ phenotypic ជាងវិធីសាស្រ្តផ្អែកលើគោលដៅ (28 ថ្នាំដែលត្រូវបានអនុម័តធៀបនឹង 17 រៀងគ្នា) - និង វាកាន់តែមានភាពទាក់ទាញដោយគិតគូរថាវាជាវិធីសាស្រ្តផ្អែកលើគោលដៅ ដែលជាការផ្តោតសំខាន់ក្នុងរយៈពេលដែលបានចែង។
ការវិភាគដ៏មានអានុភាពនេះបានបង្កឱ្យមានការរើឡើងវិញនៃគំរូនៃការរកឃើញថ្នាំ phenotypic ចាប់តាំងពីឆ្នាំ 2011 - ទាំងនៅក្នុងឧស្សាហកម្មឱសថ និងក្នុងវិស័យអប់រំ។ ថ្មីៗនេះអ្នកវិទ្យាសាស្ត្រនៅ Novartisបានធ្វើការពិនិត្យឡើងវិញនៃស្ថានភាពបច្ចុប្បន្ននៃនិន្នាការនេះ ហើយឈានដល់ការសន្និដ្ឋានថា ខណៈពេលដែលអង្គការស្រាវជ្រាវឱសថជួបប្រទះបញ្ហាប្រឈមជាច្រើនជាមួយនឹងវិធីសាស្រ្ត phenotypic មានការថយចុះនៃអេក្រង់ផ្អែកលើគោលដៅ និងការកើនឡើងនៃវិធីសាស្រ្ត phenotypic ក្នុងរយៈពេល 5 ឆ្នាំកន្លងមកនេះ។ ភាគច្រើនប្រហែលជានិន្នាការនេះនឹងបន្តលើសពីឆ្នាំ 2018 ។
សំខាន់ លើសពីការប្រៀបធៀបវិធីសាស្រ្តផ្អែកលើ phenotypic និងគោលដៅ មាននិន្នាការច្បាស់លាស់ឆ្ពោះទៅរកការវិភាគកោសិកាដែលស្មុគស្មាញជាងនេះ ដូចជាការចេញពីខ្សែកោសិកាអមតៈ ទៅកោសិកាបឋម កោសិកាអ្នកជំងឺ សហវប្បធម៌ និងវប្បធម៌ 3D ជាដើម។ ការរៀបចំការពិសោធន៍ក៏កាន់តែមានភាពស្មុគ្រស្មាញផងដែរ ដែលលើសពីការអានដោយឯកឯងឆ្ពោះទៅរកការសង្កេតការផ្លាស់ប្តូរនៅក្នុងផ្នែករងកោសិកា ការវិភាគកោសិកាតែមួយ និងសូម្បីតែរូបភាពកោសិកា។
6. សរីរាង្គ (រាងកាយ)-on-a-chip
មីក្រូឈីបដែលតម្រង់ជួរដោយកោសិកាមនុស្សមានជីវិតអាចធ្វើបដិវត្តន៍ការអភិវឌ្ឍន៍ថ្នាំ គំរូជំងឺ និងថ្នាំផ្ទាល់ខ្លួន។ មីក្រូឈីបទាំងនេះ ហៅថា 'organs-on-chips' ផ្តល់ជម្រើសដ៏មានសក្តានុពលសម្រាប់ការធ្វើតេស្តសត្វបែបប្រពៃណី។ ទីបំផុត ការភ្ជាប់ប្រព័ន្ធទាំងអស់គ្នា គឺជាវិធីមួយដើម្បីឱ្យមានប្រព័ន្ធ "រាងកាយនៅលើឈីប" ទាំងមូលដែលល្អសម្រាប់ការរកឃើញថ្នាំ និងការធ្វើតេស្ត និងសុពលភាពបេក្ខជនគ្រឿងញៀន។
និន្នាការនេះឥឡូវនេះគឺជាកិច្ចព្រមព្រៀងដ៏ធំមួយនៅក្នុងការរកឃើញគ្រឿងញៀន និងកន្លែងអភិវឌ្ឍន៍ ហើយយើងបានគ្របដណ្តប់ស្ថានភាពបច្ចុប្បន្ន និងបរិបទនៃគំរូ "សរីរាង្គនៅលើបន្ទះឈីប" រួចហើយនៅក្នុងថ្មីៗនេះ។ការពិនិត្យឡើងវិញខ្នាតតូច.
ខណៈពេលដែលការសង្ស័យជាច្រើនបានកើតឡើងកាលពី 6-7 ឆ្នាំមុន នៅពេលដែលទស្សនវិស័យលើវិស័យនេះត្រូវបានបញ្ជាក់ដោយអ្នកទទួលយកដោយសាទរ។ យ៉ាងណាមិញ សព្វថ្ងៃនេះ អ្នករិះគន់ហាក់មានការដកថយយ៉ាងពេញទំហឹង។ មិនត្រឹមតែមានស្ថាប័ននិយតកម្ម និងមូលនិធិប៉ុណ្ណោះទេ។បានទទួលយកគំនិតប៉ុន្តែឥឡូវនេះវាកាន់តែកើនឡើងបានអនុម័តជាវេទិកាស្រាវជ្រាវឱសថដោយទាំងឱសថស្ថាន និងបណ្ឌិតសភា។ ប្រព័ន្ធសរីរាង្គជាងពីរត្រូវបានតំណាងនៅក្នុងប្រព័ន្ធនៅលើបន្ទះឈីប។ សូមអានបន្ថែមអំពីវា។នៅទីនេះ.
7. ការបោះពុម្ពជីវសាស្រ្ត
តំបន់នៃការបោះពុម្ពជាលិកា និងសរីរាង្គរបស់មនុស្សកំពុងអភិវឌ្ឍយ៉ាងឆាប់រហ័ស ហើយវាគឺជាអនាគតនៃឱសថ។ បង្កើតឡើងនៅដើមឆ្នាំ 2016,កោសិកាគឺជាក្រុមហ៊ុនដំបូងគេមួយក្នុងពិភពលោកដែលផ្តល់ជូននូវ 3D bioink ដែលអាចបោះពុម្ពបាន ដែលជាវត្ថុរាវដែលអាចឱ្យជីវិត និងការលូតលាស់កោសិការបស់មនុស្ស។ ឥឡូវនេះ ក្រុមហ៊ុនបានធ្វើកោសល្យវិច័យផ្នែកនៃរាងកាយ ច្រមុះ និងត្រចៀក ជាចម្បងសម្រាប់ធ្វើតេស្តថ្នាំ និងគ្រឿងសម្អាង។ វាក៏បោះពុម្ពគូបដែលអាចឱ្យអ្នកស្រាវជ្រាវ "លេង" ជាមួយកោសិកាពីសរីរាង្គមនុស្សដូចជាថ្លើម។
ថ្មីៗនេះ Cellink បានចាប់ដៃគូជាមួយ CTI Biotech ដែលជាក្រុមហ៊ុន medtech របស់បារាំងដែលមានឯកទេសក្នុងការផលិតជាលិកាមហារីក ដើម្បីឈានទៅមុខយ៉ាងសំខាន់លើផ្នែកនៃការស្រាវជ្រាវជំងឺមហារីក និងការរកឃើញថ្នាំ។
ការចាប់ផ្តើមជីវបច្ចេកវិទ្យាវ័យក្មេងនឹងជួយ CTI ក្នុងការបោះពុម្ព 3D នៃដុំសាច់មហារីកដោយលាយ bioink របស់ Cellink ជាមួយនឹងគំរូនៃកោសិកាមហារីករបស់អ្នកជំងឺ។ នេះនឹងជួយអ្នកស្រាវជ្រាវក្នុងការកំណត់អត្តសញ្ញាណការព្យាបាលបែបប្រលោមលោកប្រឆាំងនឹងប្រភេទមហារីកជាក់លាក់។
ការចាប់ផ្តើមអាជីវកម្មជីវបច្ចេកវិទ្យាមួយផ្សេងទៀតដែលកំពុងអភិវឌ្ឍបច្ចេកវិទ្យាបោះពុម្ព 3D សម្រាប់ការបោះពុម្ពសម្ភារៈជីវសាស្រ្ត — ជាក្រុមហ៊ុនស្រាវជ្រាវរបស់សាកលវិទ្យាល័យ Oxford គឺ OxSyBio ដែលទើបតែទទួលបាន ១០ លានផោននៅក្នុងការផ្តល់ហិរញ្ញប្បទានស៊េរី A ។
ខណៈពេលដែលការបោះពុម្ពជីវមាត្រ 3D គឺជាបច្ចេកវិទ្យាដ៏មានប្រយោជន៍បំផុត វាគឺឋិតិវន្ត និងគ្មានជីវិត ព្រោះវាគិតតែពីស្ថានភាពដំបូងនៃវត្ថុដែលបានបោះពុម្ពប៉ុណ្ណោះ។ វិធីសាស្រ្តកម្រិតខ្ពស់ជាងនេះគឺការបញ្ចូល "ពេលវេលា" ជាវិមាត្រទី 4 នៅក្នុងវត្ថុជីវៈដែលបានបោះពុម្ព (ហៅថា "ការបោះពុម្ពជីវសាស្ត្រ 4D") ដែលបង្ហាញឱ្យពួកវាមានសមត្ថភាពក្នុងការផ្លាស់ប្តូររូបរាង ឬមុខងាររបស់ពួកគេជាមួយនឹងពេលវេលានៅពេលដែលការជំរុញខាងក្រៅត្រូវបានដាក់។នៅទីនេះគឺជាការពិនិត្យឡើងវិញយ៉ាងស៊ីជម្រៅលើការបោះពុម្ពជីវសាស្ត្រ 4D ។
ទិដ្ឋភាពបិទ
ទោះបីជាមិនមានការជ្រៀតជ្រែកជ្រៅទៅក្នុងនិន្នាការកំពូលនីមួយៗដែលទើបតែបានពណ៌នាក៏ដោយ វាគួរតែច្បាស់ថា AI នឹងកំពុងចូលរួមក្នុងសកម្មភាពដែលកំពុងកើនឡើងជាបន្តបន្ទាប់។ ផ្នែកថ្មីទាំងអស់នៃការច្នៃប្រឌិតជីវឱសថបានក្លាយជាមជ្ឈមណ្ឌលទិន្នន័យធំ។ កាលៈទេសៈនេះនៅក្នុងខ្លួនវាកំណត់តួនាទីសំខាន់មួយសម្រាប់ AI ដោយកត់សម្គាល់ផងដែរ ក្នុងនាមជា postscript ដល់ការគ្របដណ្តប់នៃប្រធានបទនេះ ដែល AI រួមមានឧបករណ៍វិភាគ និងលេខជាច្រើនដែលកំពុងដំណើរការវិវត្តជាបន្តបន្ទាប់។ កម្មវិធីនៃ AI ក្នុងការរកឃើញគ្រឿងញៀន និងការអភិវឌ្ឍន៍ដំណាក់កាលដំបូងគឺសម្រាប់ផ្នែកភាគច្រើនដែលផ្តោតលើការលាតត្រដាងនូវគំរូលាក់កំបាំង និងការសន្និដ្ឋានដែលភ្ជាប់មូលហេតុ និងផលប៉ះពាល់ បើមិនដូច្នេះទេមិនអាចកំណត់អត្តសញ្ញាណ ឬអាចយល់បាន។
ដូច្នេះ សំណុំរងនៃឧបករណ៍ AI ដែលត្រូវបានប្រើប្រាស់ក្នុងការស្រាវជ្រាវឱសថគឺកាន់តែសមស្របនៅក្រោមឈ្មោះនៃ "ការស៊ើបការណ៍លើម៉ាស៊ីន" ឬ "ការរៀនពីម៉ាស៊ីន" ។ ទាំងនេះអាចត្រូវបានត្រួតពិនិត្យដោយការណែនាំរបស់មនុស្ស ដូចជានៅក្នុងការចាត់ថ្នាក់ និងវិធីសិក្សាស្ថិតិ ឬមិនមានការត្រួតពិនិត្យនៅក្នុងការងារខាងក្នុងរបស់ពួកគេ ដូចជាការអនុវត្តប្រភេទផ្សេងៗនៃបណ្តាញសរសៃប្រសាទសិប្បនិម្មិត។ ដំណើរការភាសា និងអត្ថន័យ និងវិធីសាស្រ្តប្រូបាប៊ីលីតេសម្រាប់ការវែកញែកមិនច្បាស់លាស់ (ឬមិនច្បាស់) ក៏ដើរតួនាទីមានប្រយោជន៍ផងដែរ។
ការស្វែងយល់ពីរបៀបដែលមុខងារផ្សេងគ្នាទាំងនេះអាចត្រូវបានដាក់បញ្ចូលទៅក្នុងវិន័យទូលំទូលាយនៃ "AI" គឺជាកិច្ចការដ៏គួរឱ្យភ័យខ្លាចដែលភាគីចាប់អារម្មណ៍ទាំងអស់គួរតែអនុវត្ត។ កន្លែងដ៏ល្អបំផុតមួយដើម្បីស្វែងរកការពន្យល់ និងការបំភ្លឺគឺមជ្ឈមណ្ឌលវិទ្យាសាស្ត្រទិន្នន័យវិបផតថល និងជាពិសេសការបង្ហោះប្លក់ដោយ Vincent Granville ដែលជាទៀងទាត់ពន្យល់ពីភាពខុសគ្នារវាង AI ការពឹងលើម៉ាស៊ីន ការរៀនស៊ីជម្រៅ និងស្ថិតិ។ ការក្លាយជាអ្នកប្រាស្រ័យទាក់ទងគ្នាលើផ្នែកខាងក្នុង និងខាងក្រៅនៃ AI ទាំងមូលគឺជាធាតុផ្សំដែលមិនអាចខ្វះបានក្នុងការរក្សាឱ្យទាន់ពេល ឬមុននិន្នាការជីវឱសថណាមួយ។
ពេលវេលាផ្សាយ៖ ថ្ងៃទី ២៩ ខែ ឧសភា ឆ្នាំ ២០១៨