តើតួនាទីរបស់ Generative AI ក្នុងការរកឃើញគ្រឿងញៀនគឺជាអ្វី?

ចម្លើយខ្លី៖ បញ្ញាសិប្បនិម្មិតបង្កើតថ្មី (AI) បង្កើនល្បឿនការរកឃើញថ្នាំដំបូងជាចម្បងដោយបង្កើតម៉ូលេគុលបេក្ខជន ឬលំដាប់ប្រូតេអ៊ីន ស្នើផ្លូវសំយោគ និងបង្ហាញសម្មតិកម្មដែលអាចសាកល្បងបាន ដូច្នេះក្រុមអាចដំណើរការការពិសោធន៍ "ងងឹតងងល់" តិចជាងមុន។ វាដំណើរការល្អបំផុតនៅពេលអ្នកអនុវត្តការរឹតបន្តឹងរឹង និងផ្ទៀងផ្ទាត់លទ្ធផល។ ប្រសិនបើត្រូវបានចាត់ទុកដូចជាអ្នកព្យាករណ៍ វាអាចបំភាន់ដោយមានទំនុកចិត្ត។

ចំណុចសំខាន់ៗ៖

ការបង្កើនល្បឿន ៖ ប្រើប្រាស់ GenAI ដើម្បីពង្រីកការបង្កើតគំនិត បន្ទាប់មកបង្រួមវាដោយការច្រោះយ៉ាងម៉ត់ចត់។

ការរឹតបន្តឹង ៖ តម្រូវឱ្យមានជួរលក្ខណៈសម្បត្តិ ច្បាប់រនាំង និងដែនកំណត់នៃភាពថ្មីមុនពេលបង្កើត។

ការផ្ទៀងផ្ទាត់ ៖ ចាត់ទុកលទ្ធផលជាសម្មតិកម្ម។ បញ្ជាក់ដោយប្រើការវិភាគ និងគំរូអ័រថូហ្គោណាល់។

ភាពអាចតាមដានបាន ៖ កត់ត្រា​ការជំរុញ លទ្ធផល និងហេតុផល ដើម្បីឱ្យការសម្រេចចិត្តនៅតែអាចធ្វើសវនកម្ម និងអាចពិនិត្យឡើងវិញបាន។

ភាពធន់នឹងការប្រើប្រាស់ខុស ៖ ការពារការលេចធ្លាយ និងទំនុកចិត្តលើសលប់ជាមួយនឹងការគ្រប់គ្រង ការគ្រប់គ្រងការចូលប្រើ និងការពិនិត្យឡើងវិញដោយមនុស្ស។

អត្ថបទដែលអ្នកប្រហែលជាចង់អានបន្ទាប់ពីអត្ថបទនេះ៖

🔗 តួនាទីរបស់ AI ក្នុងវិស័យថែទាំសុខភាព
របៀបដែល AI ធ្វើអោយប្រសើរឡើងនូវការធ្វើរោគវិនិច្ឆ័យ លំហូរការងារ ការថែទាំអ្នកជំងឺ និងលទ្ធផល។.

🔗 តើ AI នឹងជំនួសអ្នកជំនាញខាងវិទ្យុសកម្មដែរឬទេ?
ស្វែងយល់ពីរបៀបដែលស្វ័យប្រវត្តិកម្មបង្កើនវិទ្យុសកម្ម និងអ្វីដែលនៅតែជាមនុស្ស។.

🔗 តើ AI នឹងជំនួសវេជ្ជបណ្ឌិតដែរឬទេ?
ពិនិត្យមើលដោយស្មោះត្រង់អំពីផលប៉ះពាល់របស់ AI ទៅលើការងារ និងការអនុវត្តរបស់វេជ្ជបណ្ឌិត។.

🔗 ឧបករណ៍ពិសោធន៍ AI ល្អបំផុតសម្រាប់ការរកឃើញវិទ្យាសាស្ត្រ
ឧបករណ៍មន្ទីរពិសោធន៍ AI កំពូលៗ ដើម្បីពន្លឿនការពិសោធន៍ ការវិភាគ និងការរកឃើញ។.

---

តួនាទីរបស់ AI ដែលអាចបង្កើតថ្មីបានក្នុងការស្វែងរកគ្រឿងញៀន ក្នុងមួយដង្ហើម 😮💨

សិប្បនិម្មិត (AI) ជួយក្រុមឱសថ បង្កើត ម៉ូលេគុលបេក្ខជន ព្យាករណ៍លក្ខណៈសម្បត្តិ ស្នើការកែប្រែ ស្នើផ្លូវសំយោគ ស្វែងយល់ពីសម្មតិកម្មជីវសាស្ត្រ និងបង្រួមវដ្តនៃការធ្វើម្តងទៀត - ជាពិសេសក្នុងការរកឃើញដំបូង និងការបង្កើនប្រសិទ្ធភាពនៃការនាំមុខ។ Nature 2023 (ការពិនិត្យឡើងវិញអំពីការរកឃើញសារធាតុផ្សំ) Elsevier 2024 (គំរូបង្កើតក្នុងការរចនាឱសថថ្មី)

ហើយមែនហើយ វាក៏អាចបង្កើតរឿងមិនសមហេតុផលដោយទំនុកចិត្តផងដែរ។ នោះជាផ្នែកមួយនៃកិច្ចព្រមព្រៀង។ ដូចជាអ្នកហាត់ការដែលមានភាពស្វាហាប់ខ្លាំងជាមួយនឹងម៉ាស៊ីនរ៉ុក្កែត។ មគ្គុទ្ទេសក៍សម្រាប់គ្រូពេទ្យ (ហានិភ័យនៃការយល់ច្រឡំ) npj វេជ្ជសាស្ត្រឌីជីថលឆ្នាំ ២០២៥ (ការយល់ច្រឡំ + ក្របខ័ណ្ឌសុវត្ថិភាព)

---

ហេតុអ្វីបានជារឿងនេះសំខាន់ជាងអ្វីដែលមនុស្សទទួលស្គាល់ 💥

ការងាររកឃើញជាច្រើនគឺ "ការស្វែងរក"។ ស្វែងរកលំហគីមី ស្វែងរកជីវវិទ្យា ស្វែងរកអក្សរសិល្ប៍ ស្វែងរកទំនាក់ទំនងរចនាសម្ព័ន្ធ-មុខងារ។ បញ្ហាគឺថាលំហគីមីគឺ... ជាទូទៅគ្មានដែនកំណត់។ គណនីស្រាវជ្រាវគីមី ឆ្នាំ ២០១៥ (លំហគីមី) Irwin & Shoichet ២០០៩ (មាត្រដ្ឋានលំហគីមី)

អ្នកអាចចំណាយពេលច្រើនជីវិតដោយគ្រាន់តែសាកល្បងបំរែបំរួល "សមហេតុផល"។.

បញ្ញាសិប្បនិម្មិតបង្កើតថ្មីផ្លាស់ប្តូរដំណើរការការងារពី៖

• «ចូរយើងសាកល្បងអ្វីដែលយើងអាចគិតបាន»

ទៅ៖

• «ចូរយើងបង្កើតសំណុំជម្រើសដែលធំជាង និងឆ្លាតវៃជាងមុន បន្ទាប់មកសាកល្បងជម្រើសដែលល្អបំផុត»

វាមិនមែននិយាយអំពីការលុបបំបាត់ការពិសោធន៍នោះទេ។ វានិយាយអំពី ការជ្រើសរើសការពិសោធន៍កាន់តែប្រសើរ ។ 🧠 ធម្មជាតិ ២០២៣ (ការពិនិត្យឡើងវិញអំពីការរកឃើញលីហ្គែន)

ម្យ៉ាងទៀត ហើយរឿងនេះមិនសូវមានការពិភាក្សាច្រើនទេ វាជួយក្រុម ពិភាក្សាគ្នាលើមុខវិជ្ជាផ្សេងៗគ្នា ។ អ្នកគីមីវិទ្យា អ្នកជីវវិទ្យា អ្នកជំនាញ DMPK អ្នកវិទ្យាសាស្ត្រកុំព្យូទ័រ... មនុស្សគ្រប់គ្នាមានគំរូផ្លូវចិត្តខុសៗគ្នា។ ប្រព័ន្ធបង្កើតដែលសមរម្យអាចបម្រើជាផ្ទាំងគំនូររួម។ ការពិនិត្យឡើងវិញអំពីព្រំដែនក្នុងការរកឃើញគ្រឿងញៀនឆ្នាំ ២០២៤

---

តើ​អ្វី​ទៅ​ដែល​ធ្វើ​ឱ្យ​មាន​កំណែ​ល្អ​នៃ​បញ្ញា​សិប្បនិម្មិត​សម្រាប់​ការ​ស្វែងរក​ថ្នាំ? ✅

មិនមែន AI បង្កើតទាំងអស់សុទ្ធតែត្រូវបានបង្កើតឡើងដូចគ្នានោះទេ។ កំណែ "ល្អ" សម្រាប់កន្លែងនេះគឺមិនសូវនិយាយអំពីការបង្ហាញដ៏ទាក់ទាញនោះទេ ប៉ុន្តែនិយាយអំពីភាពជឿជាក់ដែលមិនសិចស៊ី (ភាពសិចស៊ីគឺជាគុណធម៌មួយនៅទីនេះ)។ ធម្មជាតិ ឆ្នាំ២០២៣ (ការពិនិត្យឡើងវិញអំពីការរកឃើញលីហ្គែន)

ការរៀបចំ AI បង្កើតដ៏ល្អជាធម្មតាមាន៖

• ការដាក់មូលដ្ឋានដែន ៖ បានបណ្តុះបណ្តាល ឬសម្របខ្លួនទៅនឹងទិន្នន័យគីមី ជីវសាស្រ្ត និងឱសថសាស្ត្រ (មិនមែនគ្រាន់តែជាអត្ថបទទូទៅនោះទេ) 🧬 ការពិនិត្យឡើងវិញរបស់ Elsevier 2024 (គំរូបង្កើត)

• ការរឹតបន្តឹង - ជំនាន់ទីមួយ ៖ វាអាចគោរពតាមច្បាប់ដូចជាជួរ lipophilicity ការរឹតបន្តឹង scaffold លក្ខណៈពិសេសនៃកន្លែងភ្ជាប់ គោលដៅជ្រើសរើស JCIM 2024 (គំរូសាយភាយក្នុងការរចនាឱសថថ្មី) REINVENT 4 (ក្របខ័ណ្ឌបើកចំហ)

• ការយល់ដឹងអំពីលក្ខណៈសម្បត្តិ ៖ វាបង្កើតម៉ូលេគុលដែលមិនត្រឹមតែថ្មីប៉ុណ្ណោះទេ ប៉ុន្តែថែមទាំង "មិនគួរឱ្យអស់សំណើច" នៅក្នុងលក្ខខណ្ឌ ADMET ADMETlab 2.0 (ហេតុអ្វីបានជា ADMET ដំបូងមានសារៈសំខាន់)

• ការរាយការណ៍អំពីភាពមិនប្រាកដប្រជា ៖ វាផ្តល់សញ្ញានៅពេលដែលវាកំពុងទាយ ធៀបនឹងពេលដែលវារឹងមាំ (សូម្បីតែក្រុមទំនុកចិត្តឆៅក៏ជួយបានដែរ) គោលការណ៍ផ្ទៀងផ្ទាត់ QSAR របស់ OECD (ដែនអនុវត្ត)

• ការគ្រប់គ្រងដោយមនុស្សនៅក្នុងរង្វិលជុំ ៖ អ្នកគីមីវិទ្យាអាចបញ្ជា បដិសេធ និងណែនាំលទ្ធផលបានយ៉ាងឆាប់រហ័ស ធម្មជាតិឆ្នាំ ២០២៣ (លំហូរការងារ + បរិបទបច្ចេកវិទ្យារកឃើញ)

• ភាពអាចតាមដានបាន ៖ អ្នកអាចមើលឃើញពីមូលហេតុដែលការណែនាំមួយបានកើតឡើង (យ៉ាងហោចណាស់ដោយផ្នែក) ឬអ្នកកំពុងមើលមិនឃើញ ការណែនាំរបស់ OECD QSAR (តម្លាភាពគំរូ + ការផ្ទៀងផ្ទាត់)

• ខ្សែស្រឡាយវាយតម្លៃ ៖ ការចត, QSAR, តម្រង, ការត្រួតពិនិត្យ retrosynthesis - ទាំងអស់ត្រូវបានភ្ជាប់នៅក្នុង 🔧 Nature 2023 (ការពិនិត្យឡើងវិញអំពីការរកឃើញ ligand) ការរៀនម៉ាស៊ីននៅក្នុង CASP (Coley 2018)

• ការគ្រប់គ្រងភាពលំអៀង និងការលេចធ្លាយទិន្នន័យ ៖ ដើម្បីជៀសវាងការទន្ទេញចាំទិន្នន័យហ្វឹកហាត់ដោយលួចចូល (មែនហើយ វាកើតឡើង) USENIX 2021 (ការស្រង់ទិន្នន័យហ្វឹកហាត់) Vogt 2023 (ការព្រួយបារម្ភអំពីភាពថ្មី/ភាពប្លែក)

ប្រសិនបើ AI បង្កើតរបស់អ្នកមិនអាចដោះស្រាយការរឹតបន្តឹងបានទេ វាជាម៉ាស៊ីនបង្កើតថ្មីទាំងស្រុង។ សប្បាយនៅពិធីជប់លៀង។ សប្បាយតិចជាងនៅក្នុងកម្មវិធីគ្រឿងញៀន។.

---

កន្លែងដែលបញ្ញាសិប្បនិម្មិត (AI) ដែលបង្កើតបានសមស្របទៅនឹងបំពង់បង្ហូរស្វែងរកថ្នាំ 🧭

នេះជាផែនទីផ្លូវចិត្តសាមញ្ញ។ បញ្ញាសិប្បនិម្មិតដែលអាចបង្កើតបានអាចរួមចំណែកដល់ស្ទើរតែគ្រប់ដំណាក់កាល ប៉ុន្តែវាដំណើរការបានល្អបំផុតនៅកន្លែងដែលការធ្វើម្តងទៀតមានតម្លៃថ្លៃ និងកន្លែងសម្មតិកម្មមានទំហំធំ។ ធម្មជាតិឆ្នាំ ២០២៣ (ការពិនិត្យឡើងវិញអំពីការរកឃើញលីហ្គែន)

ចំណុចប៉ះពាល់ទូទៅ៖

• ការរកឃើញគោលដៅ និងការផ្ទៀងផ្ទាត់ (សម្មតិកម្ម ការធ្វើផែនទីផ្លូវ ការណែនាំអំពីជីវសញ្ញាណ) ការពិនិត្យឡើងវិញអំពីព្រំដែនក្នុងការរកឃើញគ្រឿងញៀនឆ្នាំ ២០២៤

• ការកំណត់អត្តសញ្ញាណអ្នកវាយប្រហារ (ការបង្កើនការត្រួតពិនិត្យនិម្មិត ការបង្កើតអ្នកវាយប្រហារថ្មី) បច្ចេកវិទ្យាជីវសាស្ត្រធម្មជាតិ ឆ្នាំ២០១៩ (GENTRL)

• ការបង្កើនប្រសិទ្ធភាពនៃការនាំមុខ (ការណែនាំអំពីអាណាឡូក ការលៃតម្រូវប៉ារ៉ាម៉ែត្រច្រើន) REINVENT 4

• ការគាំទ្រមុនព្យាបាល (ការព្យាករណ៍លក្ខណៈសម្បត្តិ ADMET ការណែនាំអំពីរូបមន្តជួនកាល) ADMETlab 2.0

• CMC និងការធ្វើផែនការសំយោគ (ការណែនាំអំពីការសំយោគឡើងវិញ ការបែងចែកផ្លូវ) AiZynthFinder 2020 Coley 2017 (ការសំយោគឡើងវិញដោយមានជំនួយពីកុំព្យូទ័រ)

• ការងារចំណេះដឹង (ការសំយោគអក្សរសិល្ប៍ សេចក្តីសង្ខេបទេសភាពប្រកួតប្រជែង) 📚 គំរូឆ្នាំ ២០២៥ (បរិញ្ញាបត្រជាន់ខ្ពស់ផ្នែកស្រាវជ្រាវឱសថ)

នៅក្នុងកម្មវិធីជាច្រើន ជ័យជម្នះដ៏ធំបំផុតបានមកពី ការរួមបញ្ចូលលំហូរការងារ មិនមែនមកពីគំរូតែមួយដែលជា "ទេពកោសល្យ" នោះទេ។ គំរូគឺជាម៉ាស៊ីន - បំពង់បង្ហូរគឺជារថយន្ត។ ធម្មជាតិឆ្នាំ ២០២៣ (ការពិនិត្យឡើងវិញអំពីការរកឃើញលីហ្គែន)

---

តារាងប្រៀបធៀប៖ វិធីសាស្រ្ត AI បង្កើតថ្មីដ៏ពេញនិយមដែលប្រើក្នុងការស្វែងរកថ្នាំ 📊

តារាងមិនល្អឥតខ្ចោះបន្តិច ពីព្រោះជីវិតពិតគឺមិនល្អឥតខ្ចោះបន្តិច។.

ឧបករណ៍ / វិធីសាស្រ្ត	ល្អបំផុតសម្រាប់ (ទស្សនិកជន)	តម្លៃ	ហេតុអ្វីបានជាវាដំណើរការ (និងពេលណាវាមិនដំណើរការ)
ម៉ាស៊ីនបង្កើតម៉ូលេគុលថ្មី (ស្នាមញញឹម ក្រាហ្វ)	គីមីវិទ្យាវេជ្ជសាស្ត្រ + គីមីវិទ្យាប្រៀបធៀប	$$-$$$	ពូកែ​រុករក​អាណាឡូក​ថ្មីៗ​បាន​យ៉ាង​លឿន 😎 - ប៉ុន្តែ​អាច​បញ្ចេញ​សារធាតុ​មិន​ស្ថិតស្ថេរ​ចេញ​បាន REINVENT 4 GENTRL (Nature Biotech 2019)
ប្រូតេអ៊ីន / ម៉ាស៊ីនបង្កើតរចនាសម្ព័ន្ធ	ក្រុមជីវវិទ្យា ជីវវិទ្យារចនាសម្ព័ន្ធ	$$$	ជួយស្នើលំដាប់ + រចនាសម្ព័ន្ធ - ប៉ុន្តែ "មើលទៅគួរឱ្យជឿជាក់" មិនដូចគ្នានឹង "ដំណើរការ" ទេ AlphaFold (ធម្មជាតិ 2021) RFdiffusion (ធម្មជាតិ 2023)
ការរចនាម៉ូលេគុលបែបសាយភាយ	ក្រុម ML កម្រិតខ្ពស់	$$-$$$$	ខ្លាំងខាងការកំណត់លក្ខខណ្ឌ និងភាពចម្រុះ - ការរៀបចំអាចជា… រឿងទាំងមូល JCIM 2024 (គំរូសាយភាយ) PMC 2025 ការពិនិត្យឡើងវិញអំពីការសាយភាយ
សហអ្នកបើកយន្តហោះព្យាករណ៍ទ្រព្យសម្បត្តិ (ការរួមបញ្ចូលគ្នារវាង QSAR + GenAI)	DMPK, ក្រុមការងារគម្រោង	$$	ល្អសម្រាប់ការបែងចែក និងចំណាត់ថ្នាក់ - អាក្រក់ប្រសិនបើត្រូវបានចាត់ទុកថាជាដំណឹងល្អ 😬 OECD (ដែនអនុវត្ត) ADMETlab 2.0
ឧបករណ៍​រៀបចំ​ផែនការ​សំយោគ​ឡើងវិញ	គីមីដំណើរការ, CMC	$$-$$$	បង្កើនល្បឿននៃការបង្កើតផ្លូវ - នៅតែត្រូវការមនុស្សសម្រាប់លទ្ធភាព និងសុវត្ថិភាព AiZynthFinder 2020 Coley 2018 (CASP)
សហអ្នកបើកយន្តហោះមន្ទីរពិសោធន៍ពហុម៉ូឌុល (អត្ថបទ + ទិន្នន័យវិភាគ)	ក្រុមបកប្រែ	$$$	មានប្រយោជន៍សម្រាប់ការទាញសញ្ញាឆ្លងកាត់សំណុំទិន្នន័យ - ងាយនឹងមានទំនុកចិត្តលើសលប់ប្រសិនបើទិន្នន័យមានភាពរញ៉េរញ៉ៃ ធម្មជាតិឆ្នាំ ២០២៤ (ផលប៉ះពាល់ជាបាច់ក្នុងការថតរូបភាពកោសិកា) npj វេជ្ជសាស្ត្រឌីជីថលឆ្នាំ ២០២៥ (ពហុម៉ូឌុលក្នុងជីវបច្ចេកវិទ្យា)
ជំនួយអក្សរសាស្ត្រ និងសម្មតិកម្ម	មនុស្សគ្រប់គ្នានៅក្នុងការអនុវត្ត	$	កាត់បន្ថយពេលវេលាអានបានច្រើន - ប៉ុន្តែការយល់ច្រឡំអាចរអិលបាន ដូចជាស្រោមជើងបាត់ខ្លួន លំនាំឆ្នាំ ២០២៥ (LLMs ក្នុងការរកឃើញថ្នាំ) ការណែនាំសម្រាប់គ្រូពេទ្យ (ការយល់ច្រឡំ)
ម៉ូដែលគ្រឹះផ្ទាល់ខ្លួននៅក្នុងផ្ទះ	ក្រុមហ៊ុនឱសថធំៗ និងបច្ចេកវិទ្យាជីវសាស្ត្រដែលមានមូលនិធិគ្រប់គ្រាន់	$$$$	ការគ្រប់គ្រងល្អបំផុត + ការរួមបញ្ចូល - ក៏មានតម្លៃថ្លៃ និងយឺតក្នុងការសាងសង់ (សូមអភ័យទោស វាជាការពិត) ការពិនិត្យឡើងវិញអំពីព្រំដែនក្នុងការរកឃើញគ្រឿងញៀនឆ្នាំ ២០២៤

ចំណាំ៖ តម្លៃប្រែប្រួលយ៉ាងខ្លាំងអាស្រ័យលើមាត្រដ្ឋាន ការគណនា ការផ្តល់អាជ្ញាប័ណ្ណ និងថាតើក្រុមរបស់អ្នកចង់បាន "plug and play" ឬ "តោះសាងសង់យានអវកាស"។

---

ក្រឡេកមើលឲ្យកាន់តែជិត៖ បញ្ញាសិប្បនិម្មិត (AI) សម្រាប់ការស្វែងរកអ្វីដែលថ្មី និងការរចនាបែបថ្មី 🧩

នេះ​ជា​ករណី​ប្រើប្រាស់​សំខាន់៖ បង្កើត​ម៉ូលេគុល​បេក្ខជន​ពី​ដំបូង (ឬ​ពី​រនាំង) ដែល​ត្រូវ​នឹង​ទម្រង់​គោលដៅ។ បច្ចេកវិទ្យា​ជីវសាស្ត្រ​ធម្មជាតិ ឆ្នាំ ២០១៩ (GENTRL) REINVENT ៤

របៀបដែលវាដំណើរការជាធម្មតានៅក្នុងការអនុវត្ត៖

1. កំណត់​ការ​រឹតត្បិត

   • ថ្នាក់គោលដៅ, រាងហោប៉ៅចង, សារធាតុចងដែលគេស្គាល់

   • ជួរលក្ខណៈសម្បត្តិ (រលាយ, logP, PSA, ល។) Lipinski (បរិបទនៃច្បាប់ទី 5)

   • ការរឹតបន្តឹងលើភាពថ្មី (ជៀសវាងតំបន់ IP ដែលគេស្គាល់) 🧠 Vogt 2023 (ការវាយតម្លៃភាពថ្មី)

2. បង្កើតបេក្ខជន

   • លោតរនាំង

   • ការលូតលាស់បំណែក

   • ការណែនាំអំពី "តុបតែងស្នូលនេះ"

   • ការបង្កើតពហុគោលបំណង (ចង + ជ្រាបចូល + មិនពុល) REINVENT 4 Elsevier 2024 (គំរូបង្កើត)

3. ត្រង​យ៉ាង​សកម្ម

   • ច្បាប់គីមីវិទ្យាឱសថ

   • PAINS និងតម្រងក្រុមដែលមានប្រតិកម្ម Baell & Holloway 2010 (PAINS)

   • ការត្រួតពិនិត្យសមត្ថភាពសំយោគ AiZynthFinder 2020

   • ការចត / ការដាក់ពិន្ទុ (មិនល្អឥតខ្ចោះ ប៉ុន្តែមានប្រយោជន៍) Nature 2023 (ការពិនិត្យឡើងវិញអំពីការរកឃើញលីហ្គែន)

4. ជ្រើសរើសសំណុំតូចមួយសម្រាប់សំយោគ

   • មនុស្សនៅតែរើស ពីព្រោះពេលខ្លះមនុស្សអាចធុំក្លិនមិនសមហេតុផល

ការពិតដ៏ឆ្គងមួយ៖ តម្លៃមិនមែនគ្រាន់តែជា "ម៉ូលេគុលថ្មី" នោះទេ។ វាគឺជា ម៉ូលេគុលថ្មីដែលសមហេតុផលសម្រាប់ការរឹតបន្តឹងកម្មវិធីរបស់អ្នក ។ ផ្នែកចុងក្រោយនោះគឺជាអ្វីៗទាំងអស់។ ធម្មជាតិ 2023 (ការពិនិត្យឡើងវិញអំពីការរកឃើញលីហ្គែន)

ម្យ៉ាងទៀត ការនិយាយបំផ្លើសបន្តិចបន្តួចក៏ចូលមកដែរ៖ នៅពេលដែលធ្វើបានល្អ វាអាចមានអារម្មណ៍ដូចជាអ្នកបានជួលក្រុមអ្នកគីមីវិទ្យាវ័យក្មេងដែលមិនចេះនឿយហត់ ដែលមិនដែលដេកលក់ ហើយមិនដែលត្អូញត្អែរឡើយ។ ម្យ៉ាងវិញទៀត ពួកគេក៏មិនយល់ថាហេតុអ្វីបានជាយុទ្ធសាស្ត្រការពារជាក់លាក់មួយជាសុបិន្តអាក្រក់នោះទេ ដូច្នេះ... រក្សាតុល្យភាព 😅។.

---

ក្រឡេកមើលឱ្យកាន់តែជិត៖ ការបង្កើនប្រសិទ្ធភាពនៃការនាំមុខជាមួយ AI ដែលអាចបង្កើតបាន (ការលៃតម្រូវប៉ារ៉ាម៉ែត្រច្រើន) 🎛️

ការបង្កើនប្រសិទ្ធភាពនៃការនាំមុខគឺជាកន្លែងដែលក្តីសុបិន្តក្លាយជាស្មុគស្មាញ។.

អ្នកចង់បាន៖

• សក្តានុពលកើនឡើង

• ការជ្រើសរើសកើនឡើង

• ស្ថេរភាពមេតាប៉ូលីសកើនឡើង

• សារធាតុរំលាយកើនឡើង

• សញ្ញាសុវត្ថិភាពធ្លាក់ចុះ

• ភាពជ្រាបចូល "ត្រឹមត្រូវ"

• ហើយនៅតែអាចសំយោគបាន

នេះគឺជាការបង្កើនប្រសិទ្ធភាពពហុគោលបំណងបែបបុរាណ។ បញ្ញាសិប្បនិម្មិតដែលបង្កើតថ្មីគឺល្អមិនធម្មតាក្នុងការស្នើ ដំណោះស្រាយ សម្របសម្រួលជាជាងការធ្វើពុតជាមានសមាសធាតុដ៏ល្អឥតខ្ចោះមួយ។ REINVENT 4 Elsevier 2024 (គំរូបង្កើតថ្មី)

វិធីជាក់ស្តែងដែលក្រុមប្រើប្រាស់វា៖

• ការណែនាំអាណាឡូក ៖ “បង្កើតវ៉ារ្យ៉ង់ចំនួន ៣០ ដែលកាត់បន្ថយការបោសសំអាតប៉ុន្តែរក្សាសក្តានុពល”

• ការស្កេនជំនួស ៖ ការរុករកដែលមានការណែនាំជំនួសឱ្យការរាប់ដោយប្រើកម្លាំងបង្រួបបង្រួម

• ការលោតរន្ទា ៖ នៅពេលដែលស្នូលមួយប៉ះនឹងជញ្ជាំង (tox, IP ឬស្ថេរភាព)

• ការណែនាំបែបពន្យល់ ៖ “ក្រុមប៉ូលនេះអាចជួយដល់ភាពរលាយ ប៉ុន្តែអាចប៉ះពាល់ដល់ភាពជ្រាបចូល” (មិនមែនតែងតែត្រឹមត្រូវទេ ប៉ុន្តែមានប្រយោជន៍)

ការប្រុងប្រយ័ត្នមួយ៖ ឧបករណ៍ព្យាករណ៍លក្ខណៈសម្បត្តិអាចផុយស្រួយ។ ប្រសិនបើទិន្នន័យបណ្តុះបណ្តាលរបស់អ្នកមិនត្រូវគ្នានឹងស៊េរីគីមីរបស់អ្នកទេ គំរូអាចខុសដោយទំនុកចិត្ត។ ដូចជាខុសខ្លាំងណាស់។ ហើយវានឹងមិនឡើងក្រហមទេ។ គោលការណ៍ផ្ទៀងផ្ទាត់ OECD QSAR (ដែនអនុវត្ត) Weaver 2008 (ដែនអនុវត្ត QSAR)

---

ក្រឡេកមើលឲ្យកាន់តែច្បាស់៖ ADMET ជាតិពុល និងការត្រួតពិនិត្យ “សូមកុំសម្លាប់កម្មវិធីនេះ” 🧯

ADMET គឺជាកន្លែងដែលបេក្ខជនជាច្រើនបរាជ័យដោយស្ងាត់ៗ។ បញ្ញាសិប្បនិម្មិតបង្កើតថ្មីមិនអាចដោះស្រាយជីវវិទ្យាបានទេ ប៉ុន្តែវាអាចកាត់បន្ថយកំហុសដែលអាចជៀសវាងបាន។ ADMETlab 2.0 Waring 2015 (attrition)

តួនាទីទូទៅ៖

• ការព្យាករណ៍ពីកាតព្វកិច្ចមេតាបូលីស (កន្លែងនៃការរំលាយអាហារ និន្នាការនៃការបន្សាបជាតិពុល)

• ការសម្គាល់​មូលហេតុ​នៃ​ការពុល​ដែល​អាច​កើតមាន (ការជូនដំណឹង ប្រូកស៊ី​អន្តរការី​ដែលមានប្រតិកម្ម)

• ការប៉ាន់ប្រមាណជួររលាយ និង ភាពជ្រាបចូល

• ការណែនាំអំពីការកែប្រែដើម្បីកាត់បន្ថយហានិភ័យ hERG ឬបង្កើនស្ថេរភាព 🧪 FDA (សំណួរ និងចម្លើយ ICH E14/S7B) EMA (ទិដ្ឋភាពទូទៅ ICH E14/S7B)

គំរូដែលមានប្រសិទ្ធភាពបំផុតច្រើនតែមើលទៅដូចនេះ៖ ប្រើ GenAI ដើម្បីស្នើជម្រើស ប៉ុន្តែប្រើគំរូ និងការពិសោធន៍ឯកទេសដើម្បីផ្ទៀងផ្ទាត់។

បញ្ញាសិប្បនិម្មិត (AI) គឺជាម៉ាស៊ីនបង្កើតគំនិត។ ការផ្ទៀងផ្ទាត់នៅតែមាននៅក្នុងការវិភាគ។.

---

ក្រឡេកមើលឲ្យកាន់តែជិត៖ បញ្ញាសិប្បនិម្មិត (AI) សម្រាប់ជីវវិទ្យា និងវិស្វកម្មប្រូតេអ៊ីន 🧬✨

ការរកឃើញថ្នាំមិនត្រឹមតែជាម៉ូលេគុលតូចៗនោះទេ។ បញ្ញាសិប្បនិម្មិតបង្កើតថ្មីក៏ត្រូវបានប្រើសម្រាប់៖

• ការបង្កើតលំដាប់អង្គបដិប្រាណ

• ការណែនាំអំពីភាពចាស់ទុំនៃទំនាក់ទំនង

• ការកែលម្អស្ថេរភាពប្រូតេអ៊ីន

• វិស្វកម្មអង់ស៊ីម

• ការរុករកការព្យាបាលដោយ peptide ProteinMPNN (វិទ្យាសាស្ត្រ 2022) Rives 2021 (គំរូភាសាប្រូតេអ៊ីន)

ការបង្កើតប្រូតេអ៊ីន និងលំដាប់អាចមានឥទ្ធិពលខ្លាំង ពីព្រោះ "ភាសា" នៃលំដាប់ភ្ជាប់គ្នាយ៉ាងល្អគួរឱ្យភ្ញាក់ផ្អើលទៅនឹងវិធីសាស្ត្រ ML។ ប៉ុន្តែនេះគឺជាការថយក្រោយធម្មតា៖ វាភ្ជាប់គ្នាបានល្អ... រហូតដល់វាមិនមាន។ ដោយសារតែភាពស៊ាំ ការបញ្ចេញមតិ លំនាំ glycosylation និងការរឹតបន្តឹងលើការអភិវឌ្ឍអាចមានភាពឃោរឃៅ។ AlphaFold (ធម្មជាតិ 2021) ProteinGenerator (Nat Biotech 2024)

ដូច្នេះការរៀបចំល្អបំផុតរួមមាន៖

• តម្រង​សមត្ថភាព​អភិវឌ្ឍន៍

• ការវាយតម្លៃហានិភ័យនៃភាពស៊ាំ

• ការរឹតបន្តឹងលើសមត្ថភាពផលិត

• រង្វិលជុំមន្ទីរពិសោធន៍សើមសម្រាប់ការធ្វើម្តងទៀតយ៉ាងរហ័ស 🧫

ប្រសិនបើអ្នករំលងរឿងទាំងនោះ អ្នកនឹងទទួលបានលំដាប់ដ៏អស្ចារ្យដែលមានឥរិយាបទដូចជាតារាចម្រៀងស្រីក្នុងផលិតកម្ម។.

---

ក្រឡេកមើលឲ្យកាន់តែច្បាស់៖ ការធ្វើផែនការសំយោគ និងការណែនាំអំពីការសំយោគឡើងវិញ 🧰

បញ្ញាសិប្បនិម្មិត (AI) ដែលបង្កើតថ្មីក៏កំពុងលួចចូលទៅក្នុងប្រតិបត្តិការគីមីវិទ្យាផងដែរ មិនមែនគ្រាន់តែការបង្កើតគំនិតម៉ូលេគុលនោះទេ។.

អ្នករៀបចំផែនការ Retrosynthesis អាច៖

• ស្នើផ្លូវទៅកាន់បរិវេណគោលដៅ

• ណែនាំសម្ភារៈចាប់ផ្តើមដែលមានលក់នៅលើទីផ្សារ

• ចាត់ថ្នាក់ផ្លូវតាមចំនួនជំហាន ឬលទ្ធភាពដែលយល់ឃើញ

• ជួយអ្នកគីមីវិទ្យាច្រានចោលគំនិត "គួរឱ្យស្រលាញ់ប៉ុន្តែមិនអាចទៅរួច" យ៉ាងឆាប់រហ័ស AiZynthFinder 2020 Coley 2018 (CASP)

វាអាចជួយសន្សំសំចៃពេលវេលាជាក់ស្តែង ជាពិសេសនៅពេលអ្នកកំពុងស្វែងយល់ពីរចនាសម្ព័ន្ធបេក្ខជនជាច្រើន។ យ៉ាងណាក៏ដោយ មនុស្សមានសារៈសំខាន់ខ្លាំងណាស់នៅទីនេះ ពីព្រោះ៖

• ការផ្លាស់ប្តូរភាពអាចរកបាននៃសារធាតុប្រតិកម្ម

• កង្វល់អំពីសុវត្ថិភាព និងមាត្រដ្ឋានគឺជាការពិត

• ជំហានខ្លះមើលទៅល្អនៅលើក្រដាស ប៉ុន្តែបរាជ័យម្តងហើយម្តងទៀត

ពាក្យប្រៀបធៀបដែលមិនសូវល្អឥតខ្ចោះទេ ប៉ុន្តែខ្ញុំនឹងប្រើវាយ៉ាងណាក៏ដោយ៖ ការសំយោគឡើងវិញ AI គឺដូចជា GPS ដែលភាគច្រើនត្រឹមត្រូវ លើកលែងតែពេលខ្លះវានាំអ្នកឆ្លងកាត់បឹង ហើយទទូចថាវាជាផ្លូវកាត់។ 🚗🌊 Coley 2017 (ការសំយោគឡើងវិញដោយមានជំនួយពីកុំព្យូទ័រ)

---

ទិន្នន័យ គំរូពហុម៉ូឌុល និងការពិតដ៏រញ៉េរញ៉ៃនៃមន្ទីរពិសោធន៍ 🧾🧪

បញ្ញាសិប្បនិម្មិត (AI) ដែលបង្កើតថ្មីចូលចិត្តទិន្នន័យ។ មន្ទីរពិសោធន៍ផលិតទិន្នន័យ។ នៅលើក្រដាស វាស្តាប់ទៅសាមញ្ញណាស់។.

ហា។ ទេ។.

ទិន្នន័យមន្ទីរពិសោធន៍ពិតប្រាកដគឺ៖

• មិនពេញលេញ

• សំឡេងរំខាន

• ពោរពេញដោយផលប៉ះពាល់ជាបាច់ Leek et al. 2010 (ផលប៉ះពាល់ជាបាច់) Nature 2024 (ផលប៉ះពាល់ជាបាច់ក្នុងការថតរូបភាពកោសិកា)

• រាយប៉ាយពាសពេញទម្រង់

• មានពរជ័យជាមួយនឹងអនុសញ្ញាដាក់ឈ្មោះ "ច្នៃប្រឌិត"

ប្រព័ន្ធបង្កើតពហុម៉ូឌុលអាចរួមបញ្ចូលគ្នា៖

• លទ្ធផលនៃការវិភាគ

• រចនាសម្ព័ន្ធគីមី

• រូបភាព (មីក្រូទស្សន៍, ជាលិកាវិទ្យា)

• អូមិក (ការចម្លងអត្ថបទ, ប្រូតេអូមិក)

• អត្ថបទ (ពិធីការ ELN របាយការណ៍) npj វេជ្ជសាស្ត្រឌីជីថលឆ្នាំ ២០២៥ (ពហុម៉ូឌុលក្នុងបច្ចេកវិទ្យាជីវសាស្ត្រ) ការវិភាគរូបភាពវេជ្ជសាស្ត្រឆ្នាំ ២០២៥ (បញ្ញាសិប្បនិម្មិតពហុម៉ូឌុលក្នុងវេជ្ជសាស្ត្រ)

នៅពេលដែលវាដំណើរការ វាពិតជាអស្ចារ្យណាស់។ អ្នកអាចស្វែងរកលំនាំដែលមិនច្បាស់លាស់ និងស្នើការពិសោធន៍ដែលអ្នកឯកទេសតែម្នាក់អាចខកខាន។.

នៅពេលដែលវាបរាជ័យ វាបរាជ័យដោយស្ងាត់ៗ។ វាមិនបិទទ្វារទេ។ វាគ្រាន់តែជំរុញអ្នកទៅរកការសន្និដ្ឋានខុសដោយទំនុកចិត្ត។ នោះហើយជាមូលហេតុដែលការគ្រប់គ្រង ការផ្ទៀងផ្ទាត់ និងការពិនិត្យឡើងវិញនូវដែនមិនមែនជាជម្រើសទេ។ មគ្គុទ្ទេសក៍សម្រាប់គ្រូពេទ្យ (ការយល់ច្រឡំ) npj វេជ្ជសាស្ត្រឌីជីថលឆ្នាំ ២០២៥ (ការយល់ច្រឡំ + ក្របខ័ណ្ឌសុវត្ថិភាព)

---

ហានិភ័យ ដែនកំណត់ និងផ្នែក “កុំចាញ់បោកដោយលទ្ធផលស្ទាត់ជំនាញ” ⚠️

ប្រសិនបើអ្នកចាំបានតែរឿងមួយប៉ុណ្ណោះ ចូរចងចាំរឿងនេះ៖ បញ្ញាសិប្បនិម្មិតដែលបង្កើតថ្មីគឺអាចបញ្ចុះបញ្ចូលបាន។ វាអាចស្តាប់ទៅត្រឹមត្រូវ ខណៈពេលដែលវាខុស។ ការណែនាំសម្រាប់គ្រូពេទ្យ (ការយល់ច្រឡំ)

ហានិភ័យសំខាន់ៗ៖

• យន្តការនៃការយល់ច្រឡំ ៖ ជីវវិទ្យាដែលអាចទុកចិត្តបានដែលមិនមែនជាការពិត មគ្គុទ្ទេសក៍របស់គ្រូពេទ្យ (ការយល់ច្រឡំ)

• ការលេចធ្លាយទិន្នន័យ ៖ បង្កើតអ្វីមួយដែលជិតពេកទៅនឹងសមាសធាតុដែលគេស្គាល់ USENIX 2021 (ការស្រង់ទិន្នន័យបណ្តុះបណ្តាល) Vogt 2023 (ការព្រួយបារម្ភអំពីភាពថ្មី/ភាពប្លែក)

• ការបង្កើនប្រសិទ្ធភាពហួសហេតុ ៖ ការដេញតាមពិន្ទុដែលបានព្យាករណ៍ដែលមិនបកប្រែនៅក្នុង vitro Nature 2023 (ការពិនិត្យឡើងវិញអំពីការរកឃើញ ligand)

• ភាពលំអៀង ៖ ទិន្នន័យបណ្តុះបណ្តាលមានភាពលំអៀងទៅរកប្រភេទគីមី ឬគោលដៅជាក់លាក់ Vogt 2023 (ការវាយតម្លៃគំរូ + ភាពលំអៀង/ភាពថ្មីថ្មោង)

• ភាពថ្មីថ្មោងមិនពិត ៖ ម៉ូលេគុល "ថ្មី" ដែលពិតជាវ៉ារ្យ៉ង់តូចតាច Vogt 2023

• គម្លាត​នៃ​ការ​ពន្យល់ ៖ ពិបាក​ក្នុង​ការ​បង្ហាញ​ពី​ភាពត្រឹមត្រូវ​នៃ​ការ​សម្រេចចិត្ត​ដល់​អ្នកពាក់ព័ន្ធ គោលការណ៍​ផ្ទៀងផ្ទាត់ OECD QSAR

• ក្តីបារម្ភអំពីសុវត្ថិភាព និង IP ៖ ព័ត៌មានលម្អិតអំពីកម្មវិធីដ៏រសើបនៅក្នុងប្រអប់បញ្ចូល 😬 USENIX 2021 (ការស្រង់ទិន្នន័យបណ្តុះបណ្តាល)

ការកាត់បន្ថយដែលជួយក្នុងការអនុវត្ត៖

• រក្សាមនុស្សឱ្យស្ថិតនៅក្នុងរង្វង់សម្រេចចិត្ត

• ការណែនាំអំពីកំណត់ហេតុ និងលទ្ធផលសម្រាប់ការតាមដាន

• ផ្ទៀងផ្ទាត់ជាមួយវិធីសាស្ត្រ orthogonal (ការវិភាគ គំរូជំនួស)

• អនុវត្តការរឹតបន្តឹង និងតម្រងដោយស្វ័យប្រវត្តិ

• ចាត់ទុកលទ្ធផលជាសម្មតិកម្ម មិនមែនថេប្លេតសច្ចភាពទេ ការណែនាំ QSAR របស់ OECD

បញ្ញាសិប្បនិម្មិត (AI) គឺជាឧបករណ៍ថាមពលមួយ។ ឧបករណ៍ថាមពលមិនធ្វើឱ្យអ្នកក្លាយជាជាងឈើទេ… ពួកវាគ្រាន់តែធ្វើខុសលឿនជាងមុន ប្រសិនបើអ្នកមិនដឹងថាអ្នកកំពុងធ្វើអ្វី។.

---

របៀបដែលក្រុមការងារទទួលយក AI ដែលអាចបង្កើតបានដោយគ្មានភាពវឹកវរ 🧩🛠️

ជារឿយៗក្រុមនានាចង់ប្រើប្រាស់វិធីនេះដោយមិនចាំបាច់ប្រែក្លាយអង្គការនេះទៅជាពិព័រណ៍វិទ្យាសាស្ត្រនោះទេ។ ផ្លូវអនុវត្តជាក់ស្តែងមើលទៅដូចនេះ៖

• ចាប់ផ្តើមជាមួយនឹងចំណុចកកស្ទះមួយ (ការពង្រីកឥទ្ធិពល ការបង្កើតអាណាឡូក ការបែងចែកអក្សរសិល្ប៍) ធម្មជាតិឆ្នាំ ២០២៣ (ការពិនិត្យឡើងវិញអំពីការរកឃើញលីហ្គែន)

• បង្កើតរង្វិលជុំវាយតម្លៃដ៏តឹងរ៉ឹង (តម្រង + ការចត + ការត្រួតពិនិត្យលក្ខណៈសម្បត្តិ + ការពិនិត្យគីមី) REINVENT 4 AiZynthFinder 2020

• វាស់វែងលទ្ធផល (ពេលវេលាដែលសន្សំបាន អត្រានៃការប៉ះពាល់ ការកាត់បន្ថយការបាត់បង់) Waring 2015 (ការបាត់បង់)

• រួមបញ្ចូលជាមួយឧបករណ៍ដែលមានស្រាប់ (ELN, បញ្ជីឈ្មោះសមាសធាតុ, មូលដ្ឋានទិន្នន័យ assay) ធនធាន Edinburgh ELN

• បង្កើតច្បាប់ប្រើប្រាស់ (អ្វីដែលអាចត្រូវបានជំរុញ អ្វីដែលនៅក្រៅបណ្តាញ ជំហានពិនិត្យឡើងវិញ) USENIX 2021 (ហានិភ័យនៃការទាញយកទិន្នន័យ)

• បណ្តុះបណ្តាលមនុស្សដោយថ្នមៗ (និយាយឱ្យចំទៅ កំហុសភាគច្រើនកើតចេញពីការប្រើប្រាស់ខុស មិនមែនមកពីគំរូទេ) ការណែនាំរបស់គ្រូពេទ្យ (ការយល់ច្រឡំ)

ហើយ​កុំ​មើលស្រាល​វប្បធម៌​ឲ្យ​សោះ។ ប្រសិនបើ​អ្នក​គីមីវិទ្យា​មាន​អារម្មណ៍​ថា AI កំពុង​ត្រូវ​បាន​ជំរុញ​មក​លើ​ពួកគេ ពួកគេ​នឹង​មិន​អើពើ​នឹង​វា​ទេ។ ប្រសិនបើ​វា​ជួយ​សន្សំសំចៃ​ពេលវេលា​របស់​ពួកគេ និង​គោរព​ជំនាញ​របស់​ពួកគេ ពួកគេ​នឹង​ទទួលយក​វា​យ៉ាង​ឆាប់រហ័ស។ មនុស្ស​គឺ​គួរ​ឲ្យ​អស់​សំណើច​បែប​នោះ 🙂។.

---

តើ​តួនាទី​របស់​បញ្ញា​សិប្បនិម្មិត​បង្កើត​ថ្មី​ក្នុង​ការ​ស្វែងរក​ថ្នាំ​នៅ​ពេល​អ្នក​ពង្រីក​រូបភាព​ចេញ​មាន​អ្វី​ខ្លះ? 🔭

បើ​ពង្រីក​មើល​ឲ្យ​ខ្លី តួនាទី​មិនមែន​ជា «ជំនួស​អ្នកវិទ្យាសាស្ត្រ» ទេ។ វា​ជា «ពង្រីក​វិសាលភាព​វិទ្យាសាស្ត្រ»។ ធម្មជាតិ ២០២៣ (ការពិនិត្យឡើងវិញ​អំពី​ការរកឃើញ​លីហ្គែន)

វាជួយក្រុម៖

• ស្វែងយល់ពីសម្មតិកម្មបន្ថែមទៀតក្នុងមួយសប្តាហ៍

• ស្នើរចនាសម្ព័ន្ធបេក្ខជនបន្ថែមទៀតក្នុងមួយវដ្ត

• ផ្តល់អាទិភាពដល់ការពិសោធន៍កាន់តែឆ្លាតវៃ

• បង្រួមរង្វិលជុំឡើងវិញរវាងការរចនា និងការធ្វើតេស្ត

• ចែករំលែកចំណេះដឹងនៅទូទាំង silos លំនាំឆ្នាំ 2025 (LLMs ក្នុងការស្វែងរកថ្នាំ)

ហើយប្រហែលជាចំណុចដែលមិនសូវត្រូវបានគេមើលស្រាលបំផុត៖ វាជួយអ្នក មិនឱ្យខ្ជះខ្ជាយ ភាពច្នៃប្រឌិតដ៏ថ្លៃរបស់មនុស្សលើកិច្ចការដដែលៗ។ មនុស្សគួរតែគិតអំពីយន្តការ យុទ្ធសាស្ត្រ និងការបកស្រាយ - មិនមែនចំណាយពេលច្រើនថ្ងៃបង្កើតបញ្ជីវ៉ារ្យ៉ង់ដោយដៃនោះទេ។ ធម្មជាតិ 2023 (ការពិនិត្យឡើងវិញអំពីការរកឃើញលីហ្គែន)

ដូច្នេះមែនហើយ តួនាទីរបស់បញ្ញាសិប្បនិម្មិត (AI) ក្នុងការរកឃើញឱសថគឺជាឧបករណ៍បង្កើនល្បឿន ជាឧបករណ៍បង្កើត ជាតម្រង និងជួនកាលជាអ្នកបង្កបញ្ហា។ ប៉ុន្តែវាជាតួនាទីដ៏មានតម្លៃ។.

---

សេចក្តីសង្ខេបបញ្ចប់🧾✅

បញ្ញាសិប្បនិម្មិត (AI) កំពុងក្លាយជាសមត្ថភាពស្នូលមួយនៅក្នុងការរកឃើញឱសថសម័យទំនើប ពីព្រោះវាអាចបង្កើតម៉ូលេគុល សម្មតិកម្ម លំដាប់ និងផ្លូវលឿនជាងមនុស្ស - ហើយវាអាចជួយក្រុមជ្រើសរើសការពិសោធន៍កាន់តែប្រសើរ។ ព្រំដែនក្នុងការរកឃើញឱសថឆ្នាំ ២០២៤ ការពិនិត្យឡើងវិញ ធម្មជាតិឆ្នាំ ២០២៣ (ការពិនិត្យឡើងវិញអំពីការរកឃើញសារធាតុផ្សំ)

សេចក្តីសង្ខេបនៃចំណុច៖

• វាល្អបំផុតនៅពេល រកឃើញដំបូង និង បង្កើនប្រសិទ្ធភាពនៃការនាំមុខ ⚙️ REINVENT 4

• វាគាំទ្រ ម៉ូលេគុលតូចៗ និងជីវសាស្ត្រ GENTRL (Nature Biotech 2019) ProteinMPNN (វិទ្យាសាស្ត្រ 2022)

• វាជំរុញផលិតភាពដោយពង្រីកចីវលោគំនិត Nature 2023 (ការពិនិត្យឡើងវិញអំពីការរកឃើញលីហ្គែន)

• វាត្រូវការ ការរឹតបន្តឹង ការផ្ទៀងផ្ទាត់ និងមនុស្ស ដើម្បីជៀសវាងការមិនសមហេតុផលដែលមានទំនុកចិត្ត គោលការណ៍ OECD QSAR ការណែនាំរបស់គ្រូពេទ្យ (ការយល់ច្រឡំ)

• ជ័យជម្នះដ៏ធំបំផុតបានមកពី ការរួមបញ្ចូលដំណើរការការងារ មិនមែនការធ្វើទីផ្សារទេ Nature 2023 (ការពិនិត្យឡើងវិញអំពីការរកឃើញ ligand)

ប្រសិនបើអ្នកចាត់ទុកវាដូចជាអ្នកសហការ - មិនមែនជាអ្នកទស្សន៍ទាយទេ - វាពិតជាអាចជំរុញកម្មវិធីទៅមុខបាន។ ហើយប្រសិនបើអ្នកចាត់ទុកវាដូចជាអ្នកទស្សន៍ទាយ... អ្នកប្រហែលជានឹងដើរតាម GPS នោះចូលទៅក្នុងបឹងម្តងទៀត។ 🚗🌊

សំណួរដែលសួរញឹកញាប់

តើ​តួនាទី​របស់​បញ្ញា​សិប្បនិម្មិត​ដែល​បង្កើត​ឡើង​ក្នុង​ការ​ស្វែងរក​ថ្នាំ​ជា​អ្វី?

បញ្ញាសិប្បនិម្មិត (AI) ដែលបង្កើតថ្មី (Generative AI) ជាចម្បងពង្រីកចីវលោគំនិតក្នុងការរកឃើញដំបូង និងការបង្កើនប្រសិទ្ធភាពនាំមុខគេ ដោយស្នើឡើងនូវម៉ូលេគុលបេក្ខជន លំដាប់ប្រូតេអ៊ីន ផ្លូវសំយោគ និងសម្មតិកម្មជីវសាស្ត្រ។ តម្លៃគឺតិចជាង "ជំនួសការពិសោធន៍" និងច្រើនជាង "ជ្រើសរើសការពិសោធន៍ល្អជាង" ដោយបង្កើតជម្រើសជាច្រើន ហើយបន្ទាប់មកត្រងយ៉ាងលំបាក។ វាដំណើរការបានល្អបំផុតជាឧបករណ៍បង្កើនល្បឿននៅក្នុងលំហូរការងារដែលមានវិន័យ មិនមែនជាអ្នកធ្វើការសម្រេចចិត្តឯករាជ្យនោះទេ។.

តើ​នៅ​កន្លែង​ណា​ដែល​បញ្ញា​សិប្បនិម្មិត​បង្កើត​ថ្មី​ដំណើរការ​បាន​ល្អ​បំផុត​នៅ​ទូទាំង​ដំណើរការ​ស្វែងរក​ថ្នាំ?

វាមានទំនោរផ្តល់តម្លៃច្រើនបំផុតនៅកន្លែងដែលទំហំសម្មតិកម្មមានទំហំធំទូលាយ ហើយការធ្វើម្តងទៀតមានតម្លៃថ្លៃ ដូចជាការកំណត់អត្តសញ្ញាណអ្នកវាយប្រហារ ការរចនាថ្មី និងការបង្កើនប្រសិទ្ធភាពនៃការនាំមុខ។ ក្រុមក៏ប្រើវាសម្រាប់ការតម្រៀប ADMET ការណែនាំអំពីការសំយោគឡើងវិញ និងការគាំទ្រអក្សរសិល្ប៍ ឬសម្មតិកម្មផងដែរ។ អត្ថប្រយោជន៍ធំបំផុតជាធម្មតាបានមកពីការរួមបញ្ចូលការបង្កើតជាមួយតម្រង ការដាក់ពិន្ទុ និងការពិនិត្យឡើងវិញរបស់មនុស្ស ជាជាងការរំពឹងថាគំរូតែមួយនឹង "ឆ្លាតវៃ"។

តើអ្នកកំណត់ការរឹតបន្តឹងយ៉ាងដូចម្តេច ដើម្បីកុំឱ្យគំរូបង្កើតមិនបង្កើតម៉ូលេគុលដែលគ្មានប្រយោជន៍?

វិធីសាស្រ្តជាក់ស្តែងមួយគឺកំណត់ការរឹតបន្តឹងមុនពេលបង្កើត៖ ជួរលក្ខណៈសម្បត្តិ (ដូចជាគោលដៅរលាយ ឬ logP) ច្បាប់រនាំង ឬរចនាសម្ព័ន្ធរង លក្ខណៈពិសេសនៃកន្លែងភ្ជាប់ និងដែនកំណត់នៃភាពថ្មី។ បន្ទាប់មកអនុវត្តតម្រងគីមីវិទ្យាឱសថ (រួមទាំងក្រុម PAINS/ប្រតិកម្ម) និងការត្រួតពិនិត្យសមត្ថភាពសំយោគ។ ការបង្កើតការរឹតបន្តឹងដំបូងមានប្រយោជន៍ជាពិសេសជាមួយនឹងការរចនាម៉ូលេគុលបែបសាយភាយ និងក្របខ័ណ្ឌដូចជា REINVENT 4 ដែលគោលដៅពហុគោលបំណងអាចត្រូវបានអ៊ិនកូដ។.

តើក្រុមការងារគួរផ្ទៀងផ្ទាត់លទ្ធផល GenAI យ៉ាងដូចម្តេច ដើម្បីជៀសវាងការយល់ច្រឡំ និងទំនុកចិត្តលើសលប់?

ចាត់ទុករាល់លទ្ធផលជាសម្មតិកម្ម មិនមែនជាការសន្និដ្ឋានទេ ហើយផ្ទៀងផ្ទាត់ជាមួយនឹងការវាស់វែង និងគំរូ orthogonal។ ផ្គូផ្គងការបង្កើតជាមួយនឹងការច្រោះយ៉ាងសកម្ម ការចត ឬការដាក់ពិន្ទុនៅកន្លែងសមស្រប និងការត្រួតពិនិត្យដែនអនុវត្តសម្រាប់ឧបករណ៍ព្យាករណ៍រចនាប័ទ្ម QSAR។ ធ្វើឱ្យភាពមិនប្រាកដប្រជាអាចមើលឃើញនៅពេលដែលអាចធ្វើទៅបាន ពីព្រោះគំរូអាចខុសដោយទំនុកចិត្តលើគីមីវិទ្យាក្រៅការចែកចាយ ឬការអះអាងជីវសាស្ត្រដែលមិនស្ថិតស្ថេរ។ ការពិនិត្យឡើងវិញដោយមនុស្សនៅក្នុងរង្វិលជុំនៅតែជាលក្ខណៈពិសេសសុវត្ថិភាពស្នូល។.

តើអ្នកអាចការពារការលេចធ្លាយទិន្នន័យ ហានិភ័យ IP និងលទ្ធផល "ដែលត្រូវបានរក្សាទុក" យ៉ាងដូចម្តេច?

ប្រើប្រាស់ការគ្រប់គ្រង និងការគ្រប់គ្រងការចូលប្រើ ដើម្បីកុំឱ្យព័ត៌មានលម្អិតអំពីកម្មវិធីដែលងាយរងគ្រោះត្រូវបានដាក់ចូលទៅក្នុងប្រអប់បញ្ចូលព័ត៌មានដោយចៃដន្យ ហើយកត់ត្រាប្រអប់បញ្ចូលព័ត៌មាន/លទ្ធផលសម្រាប់ភាពអាចធ្វើសវនកម្មបាន។ អនុវត្តការត្រួតពិនិត្យភាពថ្មីថ្មោង និងភាពស្រដៀងគ្នា ដើម្បីកុំឱ្យបេក្ខជនដែលបានបង្កើតនៅជិតសមាសធាតុដែលគេស្គាល់ ឬតំបន់ដែលត្រូវបានការពារពេក។ រក្សាច្បាប់ច្បាស់លាស់អំពីទិន្នន័យអ្វីដែលត្រូវបានអនុញ្ញាតនៅក្នុងប្រព័ន្ធខាងក្រៅ ហើយចូលចិត្តបរិស្ថានដែលមានការគ្រប់គ្រងសម្រាប់ការងារដែលងាយរងគ្រោះខ្ពស់។ ការពិនិត្យឡើងវិញដោយមនុស្សជួយចាប់បានការផ្ដល់យោបល់ "ស៊ាំពេក" តាំងពីដំបូង។.

តើ​បច្ចេកវិទ្យា​បញ្ញា​សិប្បនិម្មិត​ដែល​បង្កើត​ឡើង​ដោយ​មនុស្ស (AI) ត្រូវ​បាន​ប្រើ​សម្រាប់​ការ​បង្កើន​ប្រសិទ្ធភាព​អតិថិជន​ដែល​មាន​សក្តានុពល និង​ការ​លៃ​តម្រូវ​ប៉ារ៉ាម៉ែត្រ​ច្រើន​យ៉ាង​ដូចម្តេច?

នៅក្នុងការបង្កើនប្រសិទ្ធភាពនៃការនាំមុខ បញ្ញាសិប្បនិម្មិត (AI) ដែលអាចបង្កើតបានគឺមានតម្លៃ ពីព្រោះវាអាចស្នើដំណោះស្រាយសម្របសម្រួលច្រើនជំនួសឱ្យការដេញតាមសមាសធាតុ "ល្អឥតខ្ចោះ" តែមួយ។ លំហូរការងារទូទៅរួមមាន ការផ្តល់យោបល់អាណាឡូក ការស្កេនជំនួសដែលមានការណែនាំ និងការលោតរនាំងនៅពេលដែលសក្តានុពល ជាតិពុល ឬការរឹតបន្តឹង IP រារាំងវឌ្ឍនភាព។ ឧបករណ៍ព្យាករណ៍លក្ខណៈសម្បត្តិអាចមានភាពផុយស្រួយ ដូច្នេះក្រុមជាធម្មតាចាត់ថ្នាក់បេក្ខជនដែលមានគំរូច្រើន ហើយបន្ទាប់មកបញ្ជាក់ជម្រើសល្អបំផុតដោយពិសោធន៍។.

តើ​បញ្ញាសិប្បនិម្មិត​បង្កើត​ថ្មី​អាច​ជួយ​ដល់​ជីវសាស្ត្រ និង​វិស្វកម្ម​ប្រូតេអ៊ីន​ដែរ​ឬទេ?

មែនហើយ - ក្រុមនានាប្រើប្រាស់វាសម្រាប់ការបង្កើតលំដាប់អង្គបដិប្រាណ គំនិតនៃភាពចាស់ទុំនៃចំណងទាក់ទង ការកែលម្អស្ថេរភាព និងការរុករកអង់ស៊ីម ឬប៉ិបទីត។ ការបង្កើតប្រូតេអ៊ីន/លំដាប់អាចមើលទៅគួរឱ្យជឿជាក់ដោយមិនចាំបាច់អាចអភិវឌ្ឍបាន ដូច្នេះវាមានសារៈសំខាន់ណាស់ក្នុងការអនុវត្តតម្រងលទ្ធភាពអភិវឌ្ឍន៍ ភាពបង្កើតភាពស៊ាំ និងសមត្ថភាពផលិត។ ឧបករណ៍រចនាសម្ព័ន្ធដូចជា AlphaFold អាចគាំទ្រការវែកញែក ប៉ុន្តែ "រចនាសម្ព័ន្ធគួរឱ្យជឿជាក់" នៅតែមិនមែនជាភស្តុតាងនៃការបញ្ចេញមតិ មុខងារ ឬសុវត្ថិភាពនោះទេ។ រង្វិលជុំមន្ទីរពិសោធន៍សើមនៅតែមានសារៈសំខាន់។.

តើ​បញ្ញាសិប្បនិម្មិត​បង្កើត​ថ្មី​គាំទ្រ​ដល់​ការ​ធ្វើ​ផែនការ​សំយោគ និង​ការ​សំយោគ​ឡើងវិញ​យ៉ាង​ដូចម្តេច?

អ្នករៀបចំផែនការ Retrosynthesis អាចណែនាំផ្លូវ សម្ភារៈចាប់ផ្តើម និងចំណាត់ថ្នាក់ផ្លូវ ដើម្បីបង្កើនល្បឿននៃការបង្កើតគំនិត និងច្រានចោលផ្លូវដែលមិនអាចអនុវត្តបានយ៉ាងឆាប់រហ័ស។ ឧបករណ៍ និងវិធីសាស្រ្តដូចជាការធ្វើផែនការបែប AiZynthFinder មានប្រសិទ្ធភាពបំផុត នៅពេលដែលផ្គូផ្គងជាមួយនឹងការត្រួតពិនិត្យលទ្ធភាពក្នុងពិភពពិតពីអ្នកគីមីវិទ្យា។ ភាពអាចរកបាន សុវត្ថិភាព ការរឹតបន្តឹងលើការធ្វើមាត្រដ្ឋាន និង "ប្រតិកម្មក្រដាស" ដែលបរាជ័យក្នុងការអនុវត្តនៅតែត្រូវការការវិនិច្ឆ័យរបស់មនុស្ស។ ការប្រើប្រាស់វិធីនេះ វាជួយសន្សំសំចៃពេលវេលាដោយមិនធ្វើពុតថាគីមីវិទ្យាត្រូវបានដោះស្រាយ។.

ឯកសារយោង

1. ធម្មជាតិ - ការពិនិត្យឡើងវិញអំពីការរកឃើញលីហ្គែន (ឆ្នាំ ២០២៣) - nature.com

2. ជីវបច្ចេកវិទ្យាធម្មជាតិ - GENTRL (2019) - nature.com

3. ធម្មជាតិ - AlphaFold (2021) - nature.com

4. ធម្មជាតិ - ការសាយភាយ RF (2023) - nature.com

5. ជីវបច្ចេកវិទ្យាធម្មជាតិ - ម៉ាស៊ីនបង្កើតប្រូតេអ៊ីន (2024) - nature.com

6. Nature Communications - ផលប៉ះពាល់ជាបាច់ក្នុងការថតរូបភាពកោសិកា (2024) - nature.com

7. វេជ្ជសាស្ត្រឌីជីថល npj - ការយល់ច្រឡំ + ក្របខ័ណ្ឌសុវត្ថិភាព (២០២៥) - nature.com

8. វេជ្ជសាស្ត្រឌីជីថល npj - ពហុម៉ូឌុលក្នុងបច្ចេកវិទ្យាជីវសាស្ត្រ (២០២៥) - nature.com

9. វិទ្យាសាស្ត្រ - ប្រូតេអ៊ីន MPNN (2022) - science.org

10. គំរូកោសិកា - បរិញ្ញាបត្រជាន់ខ្ពស់ផ្នែកវេជ្ជសាស្ត្រ (LLM) ក្នុងការរកឃើញថ្នាំ (ឆ្នាំ២០២៥) - cell.com

11. ScienceDirect (Elsevier) - គំរូបង្កើតថ្មីក្នុងការរចនាឱសថថ្មី (2024) - sciencedirect.com

12. ScienceDirect (Elsevier) - Vogt (2023): ក្តីបារម្ភអំពីភាពថ្មីថ្មោង/ភាពប្លែក - sciencedirect.com

13. ការវិភាគរូបភាពវេជ្ជសាស្ត្រ (ScienceDirect) - បញ្ញាសិប្បនិម្មិតពហុម៉ូឌុលក្នុងវេជ្ជសាស្ត្រ (២០២៥) - sciencedirect.com

14. PubMed Central - មគ្គុទ្ទេសក៍សម្រាប់គ្រូពេទ្យ (ហានិភ័យនៃការយល់ច្រឡំ) - nih.gov

15. គណនីស្រាវជ្រាវគីមី (ការបោះពុម្ពផ្សាយ ACS) - លំហគីមី (២០១៥) - acs.org

16. PubMed Central - Irwin & Shoichet (2009): មាត្រដ្ឋានលំហគីមី - nih.gov

17. ព្រំដែនក្នុងការរកឃើញគ្រឿងញៀន (PubMed Central) - ការពិនិត្យឡើងវិញ (ឆ្នាំ ២០២៤) - nih.gov

18. ទិនានុប្បវត្តិព័ត៌មានគីមី និងការធ្វើគំរូ (ការបោះពុម្ពផ្សាយ ACS) - គំរូសាយភាយក្នុងការរចនាឱសថថ្មី (2024) - acs.org

19. PubMed Central - REINVENT 4 (ក្របខ័ណ្ឌបើកចំហ) - nih.gov

20. PubMed Central - ADMETlab 2.0 (ADMET ដំបូងមានសារៈសំខាន់) - nih.gov

21. OECD - គោលការណ៍សម្រាប់ការផ្ទៀងផ្ទាត់សម្រាប់គោលបំណងបទប្បញ្ញត្តិនៃគំរូ (Q)SAR - oecd.org

22. OECD - ឯកសារណែនាំស្តីពីការផ្ទៀងផ្ទាត់គំរូ (Q)SAR - oecd.org

23. គណនីស្រាវជ្រាវគីមី (ការបោះពុម្ពផ្សាយ ACS) - ការធ្វើផែនការសំយោគដោយមានជំនួយពីកុំព្យូទ័រ / CASP (Coley, 2018) - acs.org

24. វិទ្យាសាស្ត្រកណ្តាល ACS (ការបោះពុម្ពផ្សាយ ACS) - ការសំយោគឡើងវិញដោយមានជំនួយពីកុំព្យូទ័រ (Coley, 2017) - acs.org

25. PubMed កណ្តាល - AiZynthFinder (2020) - nih.gov

26. PubMed - Lipinski៖ ច្បាប់នៃបរិបទ 5 - nih.gov

27. ទិនានុប្បវត្តិ​គីមីវិទ្យា​ឱសថ (ការបោះពុម្ពផ្សាយ ACS) - Baell & Holloway (2010): PAINS - acs.org

28. PubMed - Waring (2015): ការបាត់បង់ - nih.gov

29. PubMed - Rives (2021): គំរូភាសាប្រូតេអ៊ីន - nih.gov

30. PubMed Central - Leek et al. (2010): ផលប៉ះពាល់ជាបាច់ - nih.gov

31. PubMed Central - ការពិនិត្យឡើងវិញអំពីការសាយភាយ (ឆ្នាំ ២០២៥) - nih.gov

32. FDA - E14 និង S7B៖ ការវាយតម្លៃគ្លីនិក និងមិនមែនគ្លីនិកនៃការពន្យារចន្លោះពេល QT/QTc និងសក្តានុពលនៃការកើតជំងឺចង្វាក់បេះដូងមិនប្រក្រតី (សំណួរ និងចម្លើយ) - fda.gov

33. ទីភ្នាក់ងារឱសថអឺរ៉ុប - ទិដ្ឋភាពទូទៅនៃគោលការណ៍ណែនាំ ICH E14/S7B - europa.eu

34. USENIX - Carlini et al. (2021): ទាញយកទិន្នន័យបណ្តុះបណ្តាលពីគំរូភាសា - usenix.org

35. សាកលវិទ្យាល័យ Edinburgh – សេវាកម្មស្រាវជ្រាវឌីជីថល - ធនធានសៀវភៅកត់ត្រាមន្ទីរពិសោធន៍អេឡិចត្រូនិច (ELN) - ed.ac.uk

36. ScienceDirect (Elsevier) - Weaver (2008): ដែន QSAR នៃការអនុវត្ត - sciencedirect.com