تخطَّ إلى المحتوى
العربية
محتوى FikirPilot

تصميم أنظمة الإطلاق المتحكم فيه حسب الطلب باستخدام إطار AI يحاكي الخبراء

حُدِّث: 2026-09-15 · 3 دقيقة قراءة · 405 كلمة

نُشر: · وصلنا الخبر: · مدة المعالجة: 25 دقيقة

تصميم أنظمة الإطلاق المتحكم فيه حسب الطلب باستخدام إطار AI يحاكي الخبراء
كبسولات بوليمر شفافة في المختبر

تقدّم الدراسة المحكّمة التي أُتيحت بنظام الوصول المبكر في Nature Communications عام 2026 إطارًا للذكاء الاصطناعي يحاكي الخبراء يُسمى E-MAF، بهدف تسريع تطوير أنظمة الإطلاق المتحكم فيه القائمة على البوليمرات. ومن خلال الجمع بين نموذج بديل واعٍ بالعمليات وخوارزمية جينية محسّنة، يحاكي E-MAF استدلال الخبراء الذي ينتقل من التقييم الأولي إلى التصميم التفصيلي، منتجًا تركيبات قابلة للتطبيق مخبريًا ومتوافقة مع أنماط الإطلاق المستهدفة.

أفاد الباحثون بأن النظام قلّص دورة التصميم، التي تستغرق عادةً 6-12 شهرًا، إلى نحو 1 ساعة. وفي دراسات أُجريت على 7 مكونات صيدلانية فعالة، ذُكر أن الإطلاق في المختبر، والحرائك الدوائية داخل الجسم الحي، والتأثيرات العلاجية، طابقت المعايير التجارية أو تجاوزتها. كما أتاح E-MAF أنماطًا يصعب تحقيقها بالطرق التقليدية؛ إذ جرى إبقاء الإطلاق المفاجئ للريسبيريدون خلال 1 h عند مستوى ≤2%، مع تحقيق إطلاق داخل الجسم الحي بسرعة ثابتة تقترب من الصفر لمدة نحو 28 يومًا. وتشير النتائج إلى أن هذا النهج يمتلك القدرة على تسريع نقل أنظمة الإطلاق المتحكم فيه وتقنيات توصيل الأدوية إلى التطبيقات السريرية والتصنيع.

أُعلن أن Ying Qin وRushuang Zhou وYali Ming وBohao Li هم المؤلفون الذين أسهموا بالتساوي في الدراسة؛ وكان Yuedong Yang أو Yining Dong أو Yufei Xia مسؤولًا عن المراسلات. وشاركت في البحث فرق مرتبطة بـCity University of Hong Kong وChinese Academy of Sciences وUniversity of Chinese Academy of Sciences وSun Yat-sen University وHuili Pharmaceutical Co., Ltd. وأُفيد بأن موظفي Huili، وهما Y.H. وH.W.، قدّما بيانات الشركة الخاصة بالتركيبات والعمليات. وقُدّم طلب براءة اختراع يتعلق بـE-MAF وتطبيقاته؛ وأُدرج Y.Q. وR.Z. وY.D. بوصفهم مخترعين. ولم يفصح المؤلفون الآخرون عن أي تضارب في المصالح.

أثناء إعداد المقالة، استُخدم ChatGPT وDeepSeek تحت إشراف المؤلفين لتحسين اللغة فقط. وحظيت الدراسة بدعم برامج وصناديق بحثية صينية مختلفة. ونُشرت المقالة بموجب ترخيص CC BY-NC-ND 4.0، وأُعطي DOI الخاص بها على النحو التالي: https://doi.org/10.1038/s41467-026-77619-5.

لماذا يُعد ذلك مهمًا

يختصر هذا النهج سير العمل بين فرز المرشحين والتصميم التفصيلي في تركيبات الإطلاق المتحكم فيه، ما يتيح لفرق تطوير الأدوية أن تحدد في وقت أبكر الخيارات التي ستخصص لها موارد المختبر. كما أن مقارنة النتائج في المختبر وداخل الجسم الحي والنتائج العلاجية بالمعايير التجارية تجعل النتائج تتجاوز كونها مجرد ادعاء بالأداء الحاسوبي؛ إلا أن التقييم اقتصر على سبعة مكونات صيدلانية فعالة. ولذلك، لا يزال من غير الواضح ما إذا كان النجاح نفسه سيتكرر مع مركبات وظروف تصنيع وتطبيقات سريرية مختلفة. وبينما يكشف تقديم الشركة بياناتها الخاصة بالتركيبات والعمليات، إلى جانب طلب براءة الاختراع، عن الصلة بالقطاع الصناعي، فإنه يُبقي أيضًا مطروحةً تساؤلات حول مدى إمكانية إعادة إنتاج الطريقة من جانب فرق مستقلة ومدى إتاحتها.

المصدر: Nature Machine Learning