مشین لرننگ کس طرح ذاتی نوعیت کی کینسر کی ویکسین تیار کرنے میں مدد کر سکتی ہے؟

گیمالیا نیشنل ریسرچ سینٹر فار ایپیڈیمولوجی اینڈ مائیکرو بایولوجی (روس) کے ڈائریکٹر الیگزینڈر گِنٹسبرگ نے TASS کو بتایا کہ مصنوعی اعصابی نیٹ ورکس کا استعمال ذاتی نوعیت کی کینسر کی ویکسین بنانے کے لیے درکار کمپیوٹنگ کا وقت کم کر سکتا ہے، جو کہ فی الحال ایک طویل عمل ہے، ایک گھنٹے سے بھی کم ہے۔

"فی الحال، ایک ویکسین کو ڈیزائن کرنے میں کافی وقت لگتا ہے کیونکہ آپ کو حساب کرنے کی ضرورت ہوتی ہے کہ ایک mRNA ویکسین کیسی دکھتی ہے، میٹرکس کے طریقہ کار کو استعمال کرتے ہوئے، ریاضی کے لحاظ سے۔ ہم نے Ivannikov انسٹی ٹیوٹ سے رابطہ کیا ہے، جو اس ریاضی کو کرنے کے لیے AI پر انحصار کرے گا، جس میں یہ عمل تقریباً آدھے سے ایک گھنٹہ لے گا۔"

محقق نے پہلے TASS کو وضاحت کی تھی کہ AI کو تربیت دینے کے لیے 40,000 سے 50,000 ٹیومر کی ترتیب کے ٹیسٹ ڈیٹا بیس کی ضرورت ہوتی ہے، جس میں اینٹی جینز کی ہم آہنگ شناخت ہوتی ہے، جو مریضوں میں پروٹین یا RNA میں تبدیل ہوتے ہیں۔ انہوں نے کہا کہ اس سے یہ تعین کرنے میں مدد ملے گی کہ آیا یہ ویکسین انفرادی مریضوں کے لیے استعمال کی جا سکتی ہے۔

یہ ویکسین کئی تحقیقی مراکز کے ساتھ مل کر تیار کی گئی۔ روسی وزارت صحت کے ریسرچ سنٹر برائے میڈیکل ریڈیولوجی کے ڈائریکٹر جنرل آندرے کیپرین نے کہا کہ پری کلینیکل ٹرائلز مکمل ہو چکے ہیں۔

مشین لرننگ کینسر کی ویکسین بنانے میں کس طرح مدد کر سکتی ہے؟

کینسر کی ویکسین کی تیاری میں مصنوعی ذہانت کا استعمال ذاتی نوعیت کے علاج کے قابل بناتا ہے، لیکن یہ منشیات تیار کرنے والوں اور ریگولیٹرز کے لیے نئے چیلنجز بھی پیش کرتا ہے۔

امیونو تھراپی میں، مصنوعی ذہانت اور مشین لرننگ میں پیشرفت کینسر کے بائیوپسی سے ڈیٹا کو کم کرنے میں مدد کر سکتی ہے تاکہ ویکسین ڈیزائن کی جا سکے جو مریض کے مخصوص تغیرات کو نشانہ بناتے ہیں۔ مریض کے مخصوص تغیرات کو نشانہ بنانے کی صلاحیت کوئی نئی بات نہیں ہے، اور ٹارگٹڈ کینسر کی دوائیں جیسے اینٹی HER2 علاج اور CDK4/6 inhibitors صنعت میں گرم فروخت کنندگان بن چکے ہیں۔ تاہم، AI کے لیے انفرادی مریض کے بایپسی سے نیواینٹیجنز کی شناخت کرنے کی صلاحیت نے اس عمل کی کارکردگی میں اضافہ کیا ہے۔

AI کا استعمال بہت سی صنعتوں میں بحث کا ایک بڑا موضوع بن گیا ہے، اور دواسازی بھی اس سے مستثنیٰ نہیں ہے۔

مرک میں کلینیکل ریسرچ کے نائب صدر سکاٹ ایبنگ ہاس نے کہا، "مریضوں کی بایپسیوں میں پائے جانے والے تغیرات کو الگورتھم میں کھلایا جا سکتا ہے تاکہ یہ اندازہ لگایا جا سکے کہ کون سے تغیرات امیونوجینک ہونے کا زیادہ امکان ہے۔" "وہاں سے، ہم مدافعتی نظام کے مطابق ہر ایک تبدیل شدہ کینسر کے جین کو انکوڈنگ کرنے والے RNA کی ترکیب کر سکتے ہیں۔ ہر ویکسین ہر فرد کے لیے بہت منفرد ہو گی۔"

ان علاجوں کے برعکس جو ایک ہی فکسڈ اینٹیجن کے خلاف تیار کیے گئے ہیں، AI نظام نیواینٹیجنز کو منتخب کرنے کی اپنی صلاحیت کو بہتر بنانے کی کوشش کرے گا۔ الگورتھم مریض کے ٹیومر میں موجود جینیاتی تغیرات کو دیکھتا ہے اور نیواینٹیجنز کی پیش گوئی کرتا ہے جو زیادہ تر مدافعتی ردعمل کو ظاہر کرتے ہیں۔ Moderna میں علاج کی ترقی اور آنکولوجی کے ڈائریکٹر کائل ہولن نے کہا، "الگورتھم میں کلینیکل اور امیونوجنیسیٹی ڈیٹا کو جوڑنے کے ذریعے وقت کے ساتھ سیکھنے کی صلاحیت ہے، اور امید ہے کہ طبی طور پر فعال ہونے والے نیواینٹیجنز کو منتخب کرنے میں بہتر ہو جائے گا۔"

AI کا استعمال کرنے والی ایک اور کمپنی Transgene ہے، جو NEC کارپوریشن کے ساتھ ذاتی نوعیت کی کینسر ویکسین ڈیزائن کرنے کے لیے شراکت کر رہی ہے۔ mRNA ویکسین کے بجائے، ٹرانسجین مخصوص کینسر کے اہداف سے لڑنے کے لیے مریض کے مدافعتی نظام کو تربیت دینے کے لیے وائرل ویکٹرز کے ساتھ کام کر رہا ہے۔

جیسا کہ کینسر کی ویکسین بعد کے مرحلے کے ٹرائلز میں منتقل ہوتی ہے، چیلنجوں میں سے ایک ممکنہ مصنوعات کو منظم کرنا ہوگا۔ یو ایس فوڈ اینڈ ڈرگ ایڈمنسٹریشن (ایف ڈی اے) نے ملٹی اینٹیجن ویکسین سے متعلق ایک رہنما دستاویز جاری کی ہے۔ ایجنسی کا کہنا ہے کہ ان شاٹس کے ہر جزو کو حفاظت اور سرگرمی کے لیے انفرادی طور پر جانچنے کی ضرورت نہیں ہے۔ تاہم، دستاویز میں کہا گیا ہے کہ اس پر "ہر کیس کی بنیاد پر غور کیا جائے گا۔"

FDA کے ترجمان نے کہا کہ FDA "مصنوعی ذہانت/مشین لرننگ (AI/ML) کی صلاحیت کو تسلیم کرتا ہے تاکہ ذاتی نوعیت کے علاج کی ترقی کو تیز کیا جا سکے۔"

Phuong Anh (ماخذ: BioSpace, Tass)

ماخذ