یکی از چالشهای اصلی که همه شرکتهای داروسازی با آن مواجه هستند این است که چگونه احتمال طراحی داروهای جدیدی را افزایش دهند که با موفقیت به بازار عرضه شود. خط لوله کشف دارو با مشکلاتی انجام می شود که در نهایت منجر به آن می شود که کمتر از 12 درصد از داروها به عنوان بخشی از یک فرآیند توسعه که اغلب بیش از ده سال طول می کشد به بازار عرضه شود.
چندین گلوگاه در فرآیند توسعه دارو وجود دارد، مانند بررسی نحوه عملکرد یک درمان جدید و اهداف مولکولی آن و شناسایی اثرات خارج از هدف. این کار به ساعت های آزمایشگاهی گسترده، سنجش های متعدد و آزمایش نیاز دارد و بسیار زمان بر است. حتی اگر هم آزمایشهای آزمایشگاهی و هم آزمایشهای حیوانی امیدوارکننده باشد، هر نامزدی قبل از تأیید آزمایشهای بیشتر با موانع نظارتی و ایمنی متعددی روبرو خواهد شد.
ماهیت پرخطر و پرمشغله توسعه دارو در مراحل اولیه به این دلیل است که استفاده مجدد از دارو، فرآیندی که طی آن یک داروی تایید شده برای هدف دیگری استفاده میشود، اغلب جایگزین جذابی در نظر گرفته میشود.2 رویکرد دیگر تسریع بخشی از دارو است. فرآیند کشف با ترکیب اتوماسیون و فناوری های تحلیلی.
جذب اتوماسیون به عنوان بخشی از "انقلاب صنعت 4.0" در زمینه های شیمیایی و علوم زیستی افزایش یافت. اهداف اتوماسیون در صنعت داروسازی شامل جایگزینی آزمایشهای تکراری نیمکت با روباتیک و استفاده از نمونهبرداری و تجزیه و تحلیل خودکار آزمایشهای تحلیلی است.
کار اخیر در AstraZeneca، که در Pittcon، یک کنفرانس بین المللی علوم آزمایشگاهی پیشرو ارائه خواهد شد، نشان داده است که چگونه اتوماسیون می تواند به افزایش کارایی تجزیه و تحلیل دارویی برای داوطلبان داروهای پیش بالینی و بالینی کمک کند. علاوه بر این، این شرکت آماده سازی و مدیریت نمونه ها را برای افزایش کارایی در ارزیابی توسعه پذیری ترکیبات دارویی به صورت خودکار انجام داده است.
کار دیگری از GlaxoSmithKline بر این متمرکز شده است که چگونه اتوماسیون، در مشارکت با یادگیری ماشین، می تواند ترکیبی از تجزیه و تحلیل توان عملیاتی بالا با تجزیه و تحلیل داده های خودکار را برای یک خط لوله تجزیه و تحلیل نمونه کامل ایجاد کند. با تنوع بیشتر گونههای شیمیایی که در داروها استفاده میشوند، چنین خطوط لوله باید بتوانند با تعداد بیشتری از انواع نمونهها مقابله کنند.
یکی از چالش هایی که مانع از جذب اتوماسیون در داروسازی می شود، ماهیت بین رشته ای این مشکل است. تخصص در تجزیه و تحلیل شیمی سنجی سنتی، و همچنین ابزار دقیق، روش های بالقوه جدید رباتیک یا نمونه برداری، و دانش از جدیدترین پیشرفت ها در روش های یادگیری ماشین و هوش مصنوعی مورد نیاز است.
ماهیت گسترده دانش مورد نیاز به همین دلیل است که کنفرانس هایی مانند Pittcon بسیار حیاتی هستند. چنین کنفرانسهایی میتوانند به حل چالشهای باز در این زمینه تحقیقاتی با آوردن متخصصان در طیف گستردهای از رشتهها هم برای گفتگوهای اصلی و هم برای جلسات بحث کمک کنند.
تحلیل محاسباتی
جذابیت جایگزینی عناصر مبتنی بر آزمایشگاه در کشف و توسعه دارو با محاسبات محاسباتی عمدتاً ناشی از هزینه است. با در دسترس قرار گرفتن مقادیر بیشتری از توان محاسباتی و همچنین بهبود در کارایی الگوریتمها، محاسبات روی بیوسیستمهای بزرگ و پیچیده به طور فزایندهای قابل انجام میشوند.
مدلسازی محیطهای بیولوژیکی پیچیدهای که یک مولکول دارویی بالقوه تجربه خواهد کرد، بسیار دشوار است تا با دقت بسیار بالایی مدلسازی شود. این بدان معنی است که یک رویکرد محاسباتی خالص از ابتدا اغلب برای توسعه و آزمایش دارو غیرممکن است زیرا اعتماد کافی به نتایج محاسباتی وجود ندارد تا امکان جایگزینی کامل آزمایشهای آزمایشگاهی را فراهم کند.
بنابراین، تیمهای محققان در GlaxoSmithKline یک رویکرد ترکیبی الهامگرفته از رویکردهای غربالگری بیولوژیکی را اتخاذ کردهاند. ۳ استفاده از صفحات چند چاهی برای انجام اندازهگیریهای حلالیت pH خودکار - پارامترهای حیاتی برای اینکه آیا دارو احتمالاً کار میکند یا نه - در کنار روشهای تحلیلی مانند HPLC ، تیم سپس تجزیه و تحلیل مقادیر pKa و پارامترهای logD را برای ایجاد یک طرح کامل با توان عملیاتی بالا خودکار کرد.
با این حال، برای غربالگری دارویی پیش بالینی، رویکردهای محاسباتی به طور گستردهتری مورد استفاده قرار میگیرند. 4 شبیهسازی با استفاده از روشهایی مانند دینامیک مولکولی میتواند برای ارزیابی ویژگیهای ADMET استفاده شود که نشان میدهد ترکیب دارویی در هنگام مصرف در بدن چگونه رفتار میکند. یا از ساختارهای شناخته شده از کتابخانه های موجود می توان برای ارزیابی استفاده کرد، یا از شبیه سازی ها نیز می توان برای بررسی طیفی از ساختارهای نظری استفاده کرد که ممکن است با هدف بیولوژیکی مورد علاقه مرتبط باشد.
اتوماسیون ابزارهای تحلیلی به محققان این امکان را می دهد که تعداد زیادی از ترکیبات را بیشتر غربال کنند
پاسخ ها