PharmAgents2 پژوهش دارویی را از طراحی فرضیه تا آزمایش پیش می‌برد

پژوهشگران در پیش‌چاپی در arXiv از PharmAgents2 رونمایی کرده‌اند؛ سامانه‌ای برای خودکارسازی فرایند کشف دارو که تصمیم‌گیری مبتنی بر دانش را با جست‌وجوی گسترده و موازی ترکیب می‌کند. این سامانه از Paper2Skill برای استخراج دانش تصمیم‌گیری علمی از منابع عمومی و مهارت‌های طراحی‌شده به‌دست متخصصان استفاده می‌کند. قابلیت Self-Scaling Discovery نیز به عامل‌های موازی امکان می‌دهد با حفظ زمینهٔ پژوهش و توان تصمیم‌گیری، اهداف، فرضیه‌ها و راهبردهای مختلف را بررسی کنند.

پژوهشگران برای ارزیابی سامانه، PharmAgents-Bench نسخهٔ ۰٫۱ را معرفی کرده‌اند؛ مجموعه‌ای شامل ۱۲۱ پرسش در ۹ سناریوی تصمیم‌گیری و سه وظیفهٔ سرتاسری. طبق مقاله، PharmAgents2 در بیشتر دسته‌های تصمیم‌گیری از سامانه‌های پایهٔ ارزیابی‌شده عملکرد بهتری داشت و در هر سه وظیفهٔ سرتاسری بالاترین امتیاز فرایندی را کسب کرد. ارزیابی این وظایف بر اساس معیارهایی انجام شد که متخصصان تعریف کرده بودند.

در سه مطالعهٔ واقعی، پژوهشگران انسانی یافته‌های حاصل از بررسی‌های خودکار را با آزمایش پیگیری کردند. در مورد LpxH، سامانه یک جایگاه آلوستریکِ پیش‌تر گزارش‌نشده را مطرح کرد و با غربال ترکیبات، به ساختاری اولیه برای یک مهارکننده رسید که فعالیت مهاری و اتصال آن در آزمایش تأیید شد. برای JAK1، راهبرد مهار کووالانسی را در اولویت گذاشت و ترکیباتی پیشنهاد کرد که فعالیتشان به‌طور آزمایشی نشان داده شد. همچنین، با شروع از یک مولکول زیست‌فعال شناخته‌شده، سامانه در سراسر پروتئوم به‌دنبال اهداف احتمالی گشت و هدف اتصال تازه‌ای یافت که تعامل با آن بعداً تأیید شد.

مقاله PharmAgents2 را نمونه‌ای اولیه از یک شرکت دارویی مجازی توصیف می‌کند. نتایج گزارش‌شده به سه مطالعهٔ واقعی و ارزیابی‌های همین پژوهش محدود است.