Isomorphic Labs-இல் AI வடிவமைத்த மருந்துகள் மனித சோதனைக்கு நெருக்கமாகின்றன

AI drug-discovery குறித்த ஒரு பெரிய கூற்று புதிய கட்டத்தை எட்டுகிறது

Google DeepMind-இன் spinoff ஆன Isomorphic Labs, AlphaFold-ஆதாரமான drug discovery-யை மையமாகக் கொண்ட நிறுவனம், தனது AI தொழில்நுட்பத்தைப் பயன்படுத்தி வடிவமைக்கப்பட்ட மருந்துகளின் மனித சோதனைகளைத் தொடங்கத் தயாராகி வருவதாகக் கூறுகிறது. இந்த புதுப்பிப்பை நிறுவனத் தலைவர் Max Jaderberg லண்டனில் நடந்த WIRED Health நிகழ்வில் தெரிவித்தார்; அப்போது startup ஒரு “broad and exciting pipeline of new medicines” உருவாக்கியுள்ளதாகவும், இப்போது கிளினிக்கில் நுழையத் தயாராகி வருவதாகவும் கூறினார்.

இந்தக் கூற்று முக்கியமானது, ஏனெனில் இது AI-drug கதையை ஆய்வக வாக்குறுதியிலிருந்து மருத்துவப் பொறுப்புக்கூட்டமைப்புக்கு நகர்த்துகிறது. பல ஆண்டுகளாக biotech துறையிலுள்ள நிறுவனங்கள் machine learning சிறந்த மருந்துகளை வேகமாகக் கண்டறிய உதவ முடியும் என்று வாதிட்டு வருகின்றன. மனித சோதனை என்பதே அந்தக் கோட்பாடு அளக்கப்படுகிற இடம்.

Isomorphic என்ன கட்டிக்கொண்டு இருக்கிறது

Isomorphic Labs 2021-இல் Google DeepMind-இலிருந்து தனியாக உருவான spinoff ஆக நிறுவப்பட்டது. அதன் வேலை AlphaFold-உடன் நெருக்கமாக இணைந்துள்ளது; இது protein structure prediction-ஐ மாற்றிய AI system. 2020-இல் DeepMind AlphaFold 2-ஐ அறிமுகப்படுத்தியது, அடுத்த ஆண்டில் open-source version பரவலான அறிவியல் பயன்பாட்டுக்காக வெளியிடப்பட்டது. 2024-இல் DeepMind மற்றும் Isomorphic Labs AlphaFold 3-ஐ அறிமுகப்படுத்தின, proteins-ஐ மட்டும் அல்லாமல் DNA, RNA போன்ற molecules மற்றும் proteins உடனான interactions-ஐயும் system-இல் சேர்த்தது.

இந்த முன்னேற்றம் drug discovery-க்கு மையமானது. source text-ன் படி, இந்த platform ஒரு small molecule ஒரு target-க்கு எப்படி bind ஆகும், மேலும் எதை எல்லாம் bind செய்யலாம் என்பதை கணிக்க உதவலாம். பயனுள்ளதும் பாதுகாப்பானதுமான மருந்துகளை வடிவமைப்பதில் இது அடிப்படை கேள்வி.

அறிவியல் பின்னணி பெரிதானது. source-ன் படி, AlphaFold ஆராய்ச்சியாளர்களுக்குத் தெரிந்திருந்த கிட்டத்தட்ட 200 million proteins-ன் அமைப்பை கணித்துள்ளது, மேலும் 190 நாடுகளில் 2 million-க்கும் மேற்பட்டோர் இதைப் பயன்படுத்தியுள்ளனர். Demis Hassabis மற்றும் John Jumper chemistry Nobel Prize பெற்றபோது இதன் தாக்கம் உயர்ந்த அங்கீகாரத்தைப் பெற்றது.

மருத்துவ சோதனைகளே உண்மையான பரிசோதனை ஏன்

AI in drug discovery குறித்த உற்சாகம் இருந்தாலும், துறையின் பொது கதை பெரும்பாலும் patient data-வை விட வாக்குறுதிகளின் மீது தங்கியிருந்தது. நிறுவனங்கள் computational advances, target-selection improvements, preclinical pipelines ஆகியவற்றைக் காட்டலாம்; ஆனால் AI வடிவமைத்த molecules மனிதர்களில் வெற்றி பெறுமா என்பதைக் காட்டாது. அதனால்தான் Isomorphic-ன் புதுப்பிப்பு தனித்துவமானது.

நிகழ்வின் போது Jaderberg குறிப்பிட்ட timeline ஒன்றை வழங்கவில்லை, மேலும் இந்த நகர்வு முந்தைய எதிர்பார்ப்புகளை விட தாமதமாக வந்துள்ளது எனக் கட்டுரை குறிப்பிடுகிறது. கடந்த ஆண்டு CEO Demis Hassabis, 2025 முடிவுக்குள் AI வடிவமைத்த மருந்துகள் clinical trials-இல் இருக்கும் என்று கூறியிருந்தார். இருந்தாலும், தற்போதைய செய்தி தெளிவானது: நிறுவனம் இப்போது அந்த வரம்பை நெருங்கி வருவதாகச் சொல்கிறது.

இதுவே efficiency, accuracy, molecular insight குறித்த பரந்த கூற்றுகள் medicine development-ன் உண்மைகளைக் கடைப்பிடிக்க வேண்டிய தருணம். மனித சோதனைகள் ஒரு molecule target-ஐத் தாக்குமா என்பதை மட்டும் அல்ல, அது தாங்கப்படுமா, உடலில் எதிர்பார்த்தபடி நடக்குமா, கணிக்கப்பட்ட biology clinical benefit-ஆக மாறுமா என்பதையும் சோதிக்கின்றன.

biotech-க்கு பரந்த முக்கியத்துவம்

Isomorphic விரைவில் clinical testing-க்கு நுழைந்தால், அந்த milestone ஒரு startup-ஐ விட மிக விரிவாகப் பிரதிபலிக்கும். AI ஒரு enabling research tool-இலிருந்து நேரடி therapeutic design engine-ஆக மாற முடியுமா என்பதற்கான தெளிவான ஆரம்ப சிக்னல்களில் ஒன்றாக இது இருக்கும்.

இதனால் ஒரு program-ன் வெற்றி அல்லது தோல்வி அனைத்தையும் முடிவு செய்துவிடும் என்று அர்த்தமில்லை. Drug development அதற்கு மிகுந்த சிக்கலானது. ஆனால் முதல் சுற்று clinical evidence investor-கள், pharmaceutical partners, regulators ஆகியோர் AI-first biotech நிறுவனங்களின் இந்தப் பரபரப்பான துறையை எவ்வாறு மதிப்பிடுவார்கள் என்பதை வடிவமைக்கும்.

AlphaFold ஏற்கனவே biology-ஐ ஆராயும் முறையை மாற்றியதால், நிறுவனம் elite AI research மற்றும் drug-development ambition சந்திக்கும் இடத்தில் இருப்பதும் முக்கியம். அடுத்த கேள்வி, அந்த புரிதலை scale-இல் approved therapies-ஆக மாற்ற முடியுமா என்பதுதான்.

protein prediction-இல் இருந்து medicine-க்கு

Isomorphic-ன் பணியின் மைய வாக்குறுதி வேகமான computation மட்டும் அல்ல. biological systems எப்படி ஒன்றோடொன்று பொருந்துகின்றன என்பதைக் குறித்த விரிவான படத்துடன் molecules-ஐ வடிவமைப்பதற்கான சாத்தியம் தான் அது. proteins, DNA, RNA, மற்றும் பிற molecules இடையிலான interactions-ஐ மாதிரியாக்க AlphaFold 3-ன் திறன், platform-ஐ medicinal chemistry உண்மையில் பதில் தேவைப்படும் கேள்விகளுக்கு மேலும் அருகில் கொண்டு செல்கிறது.

அதனால்தான் மனித சோதனைகளுக்கான நகர்வு கவனிக்கத்தக்கது. இது scientific infrastructure-இலிருந்து clinical product development-க்கு மாற்றத்தைக் குறிக்கிறது. பல technologies biology-யை புரிந்து கொள்ள ஆராய்ச்சியாளர்களுக்கு உதவுகின்றன. ஆனால் மிகக் குறைவே அந்த நீண்ட பாதையைக் கடந்து medicine-ஆக மாறுகின்றன.

இப்போதைக்கு, இந்த அறிவிப்பை நிரூபிக்கப்பட்ட முடிவாக அல்ல, ஒரு முக்கியமான படியாகப் படிப்பதே சிறந்தது. நிறுவனம் கிளினிக்குக்கு அருகில் இருப்பதாகச் சொல்கிறது, மேலும் வரவிருக்கும் trials AI-யின் மிகப் புகழ்பெற்ற அறிவியல் முன்னேற்றங்களில் ஒன்று screen-இல் predictions-க்கு பதிலாக patients-இல் முடிவுகளை அளிக்கத் தொடங்குமா என்பதை வெளிப்படுத்தும்.

இந்தக் கட்டுரை Wired அறிக்கையை அடிப்படையாகக் கொண்டது. மூலக் கட்டுரையைப் படிக்கவும்.