ยุคที่ AI ออกแบบยาที่เหมาะสมที่สุดโดยอัตโนมัติ: BInD ของ KAIST สร้างปฏิสัมพันธ์กับโมเลกุลพร้อมกัน

Phys.org รายงานเมื่อวันที่ 11 สิงหาคม 2025 ว่าทีมวิจัยจาก KAIST (สถาบันวิทยาศาสตร์และเทคโนโลยีแห่งเกาหลี) ได้พัฒนา AI ที่ชื่อว่า BInD (Bond and Interaction-generating Diffusion) ซึ่งสามารถสร้างและปรับปรุงโมเลกุลที่เป็นตัวเลือกสำหรับการพัฒนายาโดยอัตโนมัติจากข้อมูลของโปรตีนเป้าหมายเท่านั้น บทความนี้ได้รับการตีพิมพ์ในวารสาร Advanced Science advanced.onlinelibrary.wiley.com

บทความนี้จะเจาะลึกถึงความใหม่และประเด็นทางเทคนิคของ BInD ความแตกต่างจากวิธีการที่มีอยู่ ความหมายทางอุตสาหกรรม และปฏิกิริยาบนโซเชียลมีเดีย

อะไรคือข่าว

• การใช้สถาปัตยกรรมที่สามารถทำการ “สร้าง” โมเลกุลและ “ประเมิน” การจับยึดในขั้นตอนเดียว โดยการผสมผสานกลไกการจับยึด (ปฏิสัมพันธ์ที่ไม่ใช่พันธะ) เข้ากับกระบวนการสร้าง การเพิ่มประสิทธิภาพหลายวัตถุประสงค์ (เช่น ความสัมพันธ์ในการจับยึด ลักษณะคล้ายยา ความเสถียรของโครงสร้าง) ในเวลาเดียวกัน

• ในขณะที่โมเดลที่มีอยู่มักจะแยกการ “สร้าง→การให้คะแนนโดยโมเดลอื่น” ออกจากกัน แต่ BInD ใช้โมเดลการแพร่กระจายที่ “วาด” โมเลกุลในขณะที่ดูปฏิสัมพันธ์ โดยการใช้ข้อจำกัดทางเคมี (เช่น ระยะห่างในการจับยึดและรูปทรงของช่อง) เพื่อนำทางด้วยความรู้ ซึ่งเป็นจุดสำคัญadvanced.onlinelibrary.wiley.com

• ในกรณีศึกษา พบว่าสามารถสร้างตัวเลือกที่จับยึดกับEGFR ที่มีการกลายพันธุ์ได้อย่างเลือกสรร
  
  

เนื้อหาทางเทคนิค: ทำไม BInD ถึงสามารถ “ออกแบบพร้อมกัน” ได้

BInD แทรกแนวทางที่มีฐานความรู้ทางเคมี เข้าสู่กระบวนการสร้างของโมเดลการแพร่กระจาย เพื่อดำเนินการสร้างตำแหน่งอะตอม พันธะ และปฏิสัมพันธ์ (เช่น พันธะไฮโดรเจน ปฏิสัมพันธ์ที่ไม่ชอบน้ำ และ π–π)อย่างพร้อมกัน ซึ่งช่วยลดปัญหาที่เกิดจากการสร้างโมเลกุลที่มีรูปร่างดีแต่ไม่จับยึด หรือโมเลกุลที่จับยึดได้ดีแต่ไม่มีลักษณะคล้ายยา นอกจากนี้ ยังมีการรายงานกลยุทธ์การเพิ่มประสิทธิภาพที่ใช้**“รูปแบบปฏิสัมพันธ์ที่ดี” จากผลลัพธ์การสร้างที่ผ่านมา** โดยไม่ต้องเรียนรู้เพิ่มเติม

ทั้งในบทความวิจัย (Advanced Science) และเอกสารเตรียมพิมพ์ (arXiv) ได้แสดงให้เห็นว่าการสร้าง 3D ที่มีเงื่อนไขของช่อง และการสร้างปฏิสัมพันธ์พร้อมกัน มีตัวชี้วัดที่เทียบเท่าหรือเหนือกว่าวิธี SBDD ที่มีอยู่advanced.onlinelibrary.wiley.comarXiv
แนวโน้มนี้ยังสอดคล้องกับบริบทของการแพร่กระจายที่เทียบเท่า×SBDD หลังปี 2024 (เช่น Nature Machine Intelligence 2024 การแพร่กระจายที่เทียบเท่า SBDD)Nature

ความแตกต่างและตำแหน่งของ AI ที่มีอยู่

ระบบการทำนายโครงสร้าง (เช่น การทำนายรูปทรงของโปรตีน–ลิแกนด์คอมเพล็กซ์) และระบบการสร้างโมเลกุลมีความสัมพันธ์ที่เชื่อมโยงกันอย่างหลวมๆ จนถึงปัจจุบัน จุดเด่นของ BInD คือการรวมการ “สร้าง” พิกัดและปฏิสัมพันธ์ และการเพิ่มประสิทธิภาพหลายวัตถุประสงค์ของคุณสมบัติทางเภสัชวิทยาในระดับเดียวกัน ซึ่งเป็นแนวคิดที่เหมือนกับการ “วาดแผนผังในครั้งเดียว”advanced.onlinelibrary.wiley.com

ความใกล้เคียงกับการใช้งานจริง (การประเมินอย่างเยือกเย็น)

• การตรวจสอบในห้องปฏิบัติการและก่อนคลินิก: BInD มีความแข็งแกร่งในขั้นตอนin silico แต่ยังต้องรวมข้อจำกัดในโลกจริง เช่น ADMET ความง่ายในการสังเคราะห์ การหลีกเลี่ยงเป้าหมายที่ไม่ต้องการ และความเป็นพิษ

• สถานการณ์อุตสาหกรรม: ในขณะที่การพัฒนายาด้วย AI ได้รับความสนใจและเงินทุน แต่ยังไม่มีการอนุมัติยา ซึ่งเป็นข้อสังเกตที่ยังคงมีอยู่ ตัวอย่างเช่น Wired ได้จัดระเบียบข้อมูลว่า "ทำไมยาที่พัฒนาด้วย AI ยังไม่มี"WIRED

• สภาพแวดล้อมทางการเงิน: ในทางกลับกัน การระดมทุนกำลังร้อนแรง เช่น Chai ที่ได้รับการสนับสนุนจาก OpenAI โดยมีการเร่งความเร็วในการคัดเลือกตัวเลือกที่มีความสามารถในการ “จับยึด” ได้ดีด้วย AIการลดต้นทุนการทดสอบในขั้นตอนแรก เป็นแนวโน้มที่ชัดเจนฟินานเชียล ไทมส์
  
  

ปฏิกิริยาบนโซเชียลมีเดีย: ความตื่นเต้นและความระมัดระวัง

• ผู้มีอิทธิพลด้านเทคโนโลยี ได้เผยแพร่หัวข้อเช่น "การสร้างโมเลกุลและรูปแบบการจับยึดพร้อมกัน" และ "ไม่ต้องการข้อมูลล่วงหน้า" โดยมีความประทับใจในเชิงบวกและการประเมินว่าเป็น "ตัวเปลี่ยนเกม"X (เดิมคือ Twitter)

• ผู้เกี่ยวข้องในการวิจัย ยังได้แชร์บทความและการแสดงผลบน X โดยมีการโพสต์ที่อธิบายในเธรดทางเทคนิคX (เดิมคือ Twitter)

• ในทางกลับกันชุมชนการพัฒนายา บนแพลตฟอร์มเช่น Reddit ยังคงมีความระมัดระวัง โดยกล่าวว่า "การออกแบบเป็นเพียงส่วนหนึ่งของคอขวด" และ "กระบวนการหลัง (การสังเคราะห์ถึงคลินิก) เป็นขั้นตอนที่ช้า" โดยมีเสียงที่จำกัดการมีส่วนร่วมของ AI ไว้ที่ **“การปรับปรุงคุณภาพของฮิตและการเพิ่มประสิทธิภาพการสำรวจ”Reddit
  
  

ผลกระทบต่ออุตสาหกรรม: ผลกระทบที่คาดหวัง

1. การลดขนาดพื้นที่การสำรวจ: การสามารถสุ่มตัวอย่างพื้นที่ที่มีศักยภาพโดยตรงจากการสร้างปฏิสัมพันธ์แบบครบวงจร จากพื้นที่เคมีที่กว้างใหญ่ การปรับปรุงความแม่นยำในการตรวจสอบแบบเปียกเป็นที่คาดหวังadvanced.onlinelibrary.wiley.com

2. การตอบสนองต่อเป้าหมายที่ยากแบบ “ศูนย์ช็อต”: แม้ในกรณีที่มีข้อมูลลิแกนด์ที่รู้จักน้อยเป้าหมายที่ยาก ก็ยังมีความเป็นไปได้ที่จะใช้ข้อมูลโครงสร้างเพียงอย่างเดียว

3. การรับประกันความเลือกสรรล่วงหน้า: การออกแบบพื้นที่ที่ง่ายต่อการออกแบบความเลือกสรรที่มุ่งเป้าไปที่ตำแหน่งที่เฉพาะเจาะจง เช่น การกลายพันธุ์ของ EGFR
   
   
   

ความถูกต้องของการวิจัย: การตรวจสอบและสถานะการเผยแพร่

BInD ได้รับการตีพิมพ์ในAdvanced Science (เผยแพร่ออนไลน์ในเดือนกรกฎาคม 2025) โดยมีการตรวจสอบจากผู้เชี่ยวชาญ บทความเตรียมพิมพ์ได้เผยแพร่ตั้งแต่พฤษภาคม 2024 ทำให้สามารถติดตามกระบวนการพัฒนาวิธีการได้ ซึ่งเป็นข้อดีในแง่ของความโปร่งใสadvanced.onlinelibrary.wiley.com##HTML_TAG_388