قدّم باحثون PharmAgents2، وهو نظام ذكاء اصطناعي صُمم للتعامل مع مراحل العمل في اكتشاف الأدوية، من اتخاذ القرارات البحثية إلى استكشاف المركّبات المرشحة. وفي ثلاث دراسات، أسفرت أبحاثه عن نتائج دعمتها لاحقًا تجارب أجراها باحثون: بنية جديدة لمثبِّط LpxH، ومركّبات فعّالة لاستراتيجية تستهدف JAK1 تساهميًا، وهدف ارتباط لم يُعرف من قبل لجزيء معروف بنشاطه الحيوي.
كما قدّم الفريق PharmAgents-Bench v0.1، الذي يضم 121 سؤالًا وثلاث مهام متكاملة من البداية إلى النهاية. ويقول الباحثون إن PharmAgents2 حقق أعلى نتيجة في المهام الثلاث وفق معايير تقييم وضعها خبراء؛ لكن الملخص لا يذكر درجات رقمية.
لماذا يهم
قد يرى الباحثون في اكتشاف الأدوية وسيلة لاستخدام الذكاء الاصطناعي لصياغة فرضيات قابلة للاختبار، لكن الدعم التجريبي الوارد يستند إلى ثلاث دراسات، ولا يثبت مدى إمكانية تعميم عمل النظام.
