AI மருந்து கண்டுபிடிப்பில் புரட்சியை ஏற்படுத்த Insilico உடன் $600 மில்லியன் ஒப்பந்தத்தில் Takeda கையெழுத்திட்டது

ஜப்பானிய மருந்து தயாரிப்பு நிறுவனமான Takeda, Insilico Medicine உடனான $600 மில்லியன் மதிப்பிலான மூலோபாய ஒத்துழைப்பின் மூலம் generative biology-ல் ஒரு மிகப்பெரிய முதலீட்டை மேற்கொண்டுள்ளது. புதிய சிகிச்சை இலக்குகளை (therapeutic targets) விரைவாகக் கண்டறிவதற்காக, Takeda-வின் ஆரம்பக்கட்ட மருந்து கண்டுபிடிப்பு செயல்முறைகளில் மேம்பட்ட செயற்கை நுண்ணறிவை (AI) ஒருங்கிணைப்பதே இந்த கூட்டாண்மையின் நோக்கமாகும்.

Takeda-வின் R&D செயல்பாட்டு வரிசையில் Pharma.AI-ஐ ஒருங்கிணைத்தல்

இந்த பல மில்லியன் டாலர் ஒப்பந்தத்தின் மையப்பகுதி என்னவென்றால், Insilico Medicine-இன் பிரத்யேக Pharma.AI தளத்தை Takeda பயன்படுத்துவதாகும். இந்த முழுமையான generative AI சுற்றுச்சூழல் அமைப்பு, மருந்து மேம்பாட்டின் மிகவும் சிக்கலான நிலைகளை, குறிப்பாக உயிரியல் இலக்கு கண்டறிதல் (biological target identification) மற்றும் மூலக்கூறு வடிவமைப்பு (molecular design) ஆகியவற்றில் கவனம் செலுத்தி எளிதாக்குவதற்காக வடிவமைக்கப்பட்டுள்ளது.

Pharma.AI தளத்தைப் பயன்படுத்துவதன் மூலம், பாரம்பரிய முறைகளை விட மிகவும் திறமையாக பரந்த வேதியியல் மற்றும் உயிரியல் தளங்களை ஆராய machine learning மாதிரிகளைப் பயன்படுத்த Takeda திட்டமிட்டுள்ளது. குறிப்பிட்ட சிகிச்சைத் துறைகள் மற்றும் நோய் இலக்குகள் ரகசியமாக வைக்கப்பட்டிருந்தாலும், ஆய்வகக் கருத்தாக்கத்திலிருந்து (laboratory concept) மருத்துவப் பயன்பாட்டிற்குத் தேவையான மருந்தைக் கண்டறியும் காலத்தைக் குறைக்க, தனது தற்போதைய ஆராய்ச்சித் தொகுப்பில் deep learning-ஐப் பயன்படுத்துவதற்கான Takeda-வின் அர்ப்பணிப்பை இந்த ஒப்பந்தம் காட்டுகிறது.

Generative Biology நோக்கிய மூலோபாய மாற்றம்

இந்த $600 மில்லியன் முதலீடு மருந்துத் துறையில் நிலவும் ஒரு பரந்த போக்கை அடிக்கோடிட்டுக் காட்டுகிறது: அதாவது பாரம்பரிய high-throughput screening முறையிலிருந்து AI-ஆல் இயக்கப்படும் generative biology-க்கு மாறுவது. புதிய மூலக்கூறுகள் மனித புரதங்களுடன் எவ்வாறு வினைபுரியும் என்பதைத் துல்லியமாகக் கணிக்க AI-ஐப் பயன்படுத்தும் திறனுக்காக Insilico Medicine பெரும் கவனத்தைப் பெற்றுள்ளது. இது ஆரம்பக்கட்ட மருந்து கண்டுபிடிப்புகளில் பொதுவாகக் காணப்படும் அதிக தோல்வி விகிதங்களை கணிசமாகக் குறைக்கிறது.

Takeda நிறுவனத்தைப் பொறுத்தவரை, இந்த ஒத்துழைப்பு மிகவும் போட்டி நிறைந்த சந்தையில் ஒரு தொழில்நுட்ப முன்னிலையை வழங்குகிறது. வெறும் அனுபவ ரீதியான சோதனைகளை (trial and error) மட்டுமே நம்பியிருக்காமல், Insilico-வின் generative மாதிரிகளை ஒருங்கிணைப்பதன் மூலம் ஆராய்ச்சியாளர்கள் டிஜிட்டல் சூழலில் உயிரியல் முடிவுகளை உருவகப்படுத்த (simulate) முடிகிறது. பாரம்பரிய மருத்துவ வேதியியலால் கையாள முடியாத அளவுக்கு மிகவும் சிக்கலான "undruggable" புரதங்களைக் கண்டறிந்து இலக்கு வைக்க இந்தத் திறன் மிகவும் முக்கியமானது.

AI துறையில் இது ஏன் முக்கியமானது

இந்த ஒப்பந்தத்தின் அளவு, AI-biotech துறையின் முதிர்ச்சியைக் காட்டும் ஒரு முக்கிய அறிகுறியாகும். ஒரு உலகளாவிய மருந்துத் துறைத் தலைவர், ஒரு AI-அடிப்படையிலான நிறுவனத்திற்கு $600 மில்லியன் முதலீடு செய்யும் போது, அது generative AI-ஐ ஒரு ஆராய்ச்சி கருவியாக மட்டுமல்லாமல், தொழில்துறை R&D உள்கட்டமைப்பின் ஒரு அடிப்படைத் தூணாகவும் அங்கீகரிக்கிறது.

AI மதிப்பின் அடுத்த கட்டம் "physical AI"-இல் உள்ளது என்பதை இந்த நடவடிக்கை தொழில்நுட்ப மற்றும் பயோடெக் சமூகத்திற்கு உணர்த்துகிறது—அதாவது சிக்கலான உயிரியல் அமைப்புகளுடன் தொடர்பு கொண்டு அவற்றின் செயல்பாடுகளைக் கணிக்கக்கூடிய மாதிரிகள். AI மாதிரிகள் உயிரியலின் நுணுக்கங்களைப் புரிந்துகொள்வதில் அதிகத் திறன் பெறும் போது, மென்பொருள் பொறியியல் மற்றும் மருந்து மேம்பாட்டிற்கு இடையிலான எல்லைகள் மறைந்து, துல்லிய மருத்துவத்தின் (precision medicine) புதிய யுகத்திற்கு இது வழிவகுக்கும்.

முக்கிய அம்சங்கள்

• மிகப்பெரிய மூலதன முதலீடு: செயற்கை நுண்ணறிவு மூலம் ஆரம்பக்கட்ட மருந்து கண்டுபிடிப்புகளை விரைவுபடுத்த Takeda, Insilico Medicine நிறுவனத்திற்கு $600 மில்லியன் வழங்க ஒப்புக்கொண்டுள்ளது.
• தள ஒருங்கிணைப்பு: இந்த ஒப்பந்தம், இலக்கு கண்டறிதல் மற்றும் மூலக்கூறு வடிவமைப்பிற்கான ஒரு generative AI தொகுப்பான Insilico-வின் Pharma.AI தளத்தை Takeda பயன்படுத்த வழிவகை செய்வதை மையமாகக் கொண்டுள்ளது.
• தொழில்துறை அங்கீகாரம்: மருந்துத் துறையில் உள்ள சிக்கலான மற்றும் தீர்க்கப்படாத மருத்துவத் தேவைகளைத் தீர்க்க, generative biology மற்றும் machine learning ஆகியவற்றைப் பயன்படுத்துவதற்கான வளர்ந்து வரும் மாற்றத்தை இந்த ஒத்துழைப்பு எடுத்துக்காட்டுகிறது.