بهرهگیری از هوش مصنوعی در طراحی محاسباتی (In Silico) درمانهای ضد میکروبی همافزا علیه بیوفیلمهای مقاوم به چند دارو
بهرهگیری از هوش مصنوعی در طراحی محاسباتی (In Silico) درمانهای ضد میکروبی همافزا علیه بیوفیلمهای مقاوم به چند دارو
عرشیا عطاریان1 یاسین سرواهرابی2
1) گروه میکروبیولوژی، دانشکده پیراپزشکی، واحد علوم پزشکی، دانشگاه آزاد اسلامی، تهران، ایران. ایمیل:
2) گروه میکروبیولوژی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران. ایمیل:
کد IOI مقاله
:
ABGZ-ABHKHE
محل انتشار :
سومین کنفرانس بین المللی رویکردهای نوین در مهندسی و علوم پایه(icnabs.ir)
چکیده :
افزایش مقاومت ضدمیکروبی (AMR) و سرسختی بیوفیلمهای میکروبی، ضرورت جستوجوی راهبردهای درمانی نوین را بیش از پیش آشکار ساخته است. فرایندهای سنتی کشف دارو غالباً با هزینههای بالا و سرعت پایین در انتقال به بالین مواجه هستند. در این میان، هوش مصنوعی (AI) و یادگیری ماشین (ML) بهعنوان ابزارهایی تحولآفرین در تسهیل شناسایی عوامل ضد میکروبی مؤثر مطرح شدهاند. این مقاله مروری با هدف جمعبندی پیشرفتهای اخیر در بهرهگیری از پلتفرمهای مبتنی بر هوش مصنوعی برای پیشبینی برهمکنشهای همافزا میان متابولیتهای گیاهی و آنتیبیوتیکهای رایج، بهویژه در مقابله با پاتوژنهای بیوفیلمساز، تدوین شده است. در این راستا، مروری جامع بر مطالعات منتشرشده از سال 2018 تا 2026 انجام شد و تمرکز اصلی بر مدلهای یادگیری عمیق، شبیهسازیهای داکینگ مولکولی و مدلسازی QSAR در زمینه مهار بیوفیلم بود. یافتههای این مرور نشان میدهد که غربالگری مجازی مبتنی بر هوش مصنوعی، نرخ شناسایی مهارکنندههای چندهدفه را بهطور چشمگیری افزایش میدهد. افزون بر این، مدلهای in silico توانایی بالایی در پیشبینی اختلال در مسیرهای Quorum Sensing (QS) دارند و میتوانند نقشه راهی برای درمان دقیق عفونتهای مزمن فراهم سازند. ادغام هوش مصنوعی در فرایند کشف دارو نهتنها شناسایی سریعتر اسکفلدهای نوین را ممکن میسازد، بلکه درک مکانسیمی از فعالیت همافزای ضدبیوفیلم را نیز تسهیل کرده و زمینه را برای مدیریت شخصیسازیشده مصرف آنتیمیکروبیالها فراهم میکند.
کلمات کلیدی : هوش مصنوعی مهار بیوفیلم درمان همافزا (سینرژیستیک) طراحی محاسباتی دارو (in silico) مقاومت به چند دارو (mdr) یادگیری ماشین