Тағйири таъиноти дору бо дастгирии зеҳни сунъӣ (AI-driven drug repurposing) — равиши ҳисоббарории таҳияи дору мебошад, ки ҳадафаш пешгӯӣ ё афзалиятдиҳии самтҳои нави истифодаи зиддимикробии доруҳои қаблан тасдиқшуда ё дар марҳилаи таҳқиқот қарордошта тавассути алгоритмҳое мебошад, ки қолабҳои маълумотро меомӯзанд. Ин шарҳ нақши омӯзиши мошинӣ, омӯзиши амиқ, шабакаҳои нейронии графӣ ва коркарди забони табииро дар сироятҳои бактериявии ба чанд дору тобовар (multidrug-resistant, MDR) аз усулҳои наздик ба AI, аз қабили фармакологияи шабакавӣ, molecular docking ва динамикаи молекулавӣ ҷудо карда, арзёбӣ мекунад. Таҳқиқот модели нав ё маълумоти нави таҷрибавӣ тавлид намекунад; адабиёти аз январи 2020 то сентябри 2026-ро тавассути PubMed/MEDLINE, Scopus ва Web of Science баррасӣ карда, дар намунаҳои интихобшудаи дору нақши воқеии AI ва сатҳи далелҳоро ба таври интиқодӣ гурӯҳбандӣ мекунад.

Муҳимтарин натиҷаи шарҳ ин аст, ки ибораҳои “усули ҳисоббарорӣ истифода шуд” ва “дору аз ҷониби AI кашф шуд” маънои якхела надоранд. Дар байни намунаҳои баррасишуда halicin намунаи равшани кашфи AI мебошад, ки фаъолияти зиддибактериявии он аз ҷониби модели омӯзиши амиқ афзалият дода шудааст. Баръакс, барои auranofin, фенотиазинҳо, disulfiram, sertralin ва klofazimin нақши тасдиқшудаи AI дар кашфи фаъолияти зиддибактериявӣ нишон дода нашудааст. Хусусиятҳои зиддимикробии ин доруҳо аз таҳқиқоти таҷрибавӣ ё истифодаи клиникӣ қаблан маълум буданд.

Аз ҷиҳати сатҳи далел, барои halicin дар шарҳ далелҳои ҳисоббарории AI, in vitro ва модели муш мавҷуданд, аммо далели самаранокии клиникӣ вуҷуд надорад. Auranofin, фенотиазинҳо, disulfiram ва sertralin дар ин шарҳ асосан бо далелҳои in vitro дастгирӣ мешаванд. Klofazimin доруест, ки аз ҷиҳати клиникӣ дар режими табобати махав ва сили ба чанд дору тобовар истифода мешавад; аммо ин истифодаи клиникӣ тағйири таъиноти зиддибактериявии аз ҷониби AI кашфшуда нест.

Шарҳ инчунин ҳангоми арзёбии дақиқии моделҳои AI ба масъалаҳои random train–test split, ихроҷи маълумот, номутавозунии синфҳо, умумисозӣ ба скелетҳои нави химиявӣ ва валидасияи беруна диққат медиҳад. Дар тақсимоти random молекулаҳои хеле монанд метавонанд ҳам ба гурӯҳи омӯзиш ва ҳам ба гурӯҳи тест дохил шаванд, бинобар ин нишондиҳанда метавонад аз воқеият баландтар намояд. Тақсимоти scaffold-based ё вобаста ба вақт умумисозиро ба синфҳои химиявии қаблан нодидашуда воқеитар месанҷад.

Паёми асосии транслятсионии манбаъ чунин аст: пайвастагие, ки модели AI ба он холи баланд додааст, ҳанӯз дору нест. Арзиши воқеии номзади ҳисоббарорӣ бояд бо санҷишҳои стандартии ҳассосияти in vitro, ситотоксикӣ, дар ҳолати зарурӣ таҳқиқоти механизм, моделҳои ҳайвонот, арзёбии фармакокинетикӣ/фармакодинамикӣ ва дар ниҳоят таҳқиқоти клиникии назоратшаванда нишон дода шавад. Хусусан агар дар маҳалли сироят бо вояҳои бехатар ба консентратсияи кофии доруи озод расидан имконнопазир бошад, фаъолияти қавии in vitro метавонад аз ҷиҳати клиникӣ самаранок набошад.

Маҳдудияти методологии худи шарҳ низ муҳим аст. Муаллифон се пойгоҳи асосии библиографӣ ва ҷустуҷӯи дастии рӯйхати адабиётро шарҳ медиҳанд; аммо ҷараёни PRISMA, сатрҳои пурраи ҷустуҷӯ, шумораи скрининг/хориҷкунӣ, раванди ду арзёбандаи мустақил ё усули расмии risk-of-bias гузориш нашудааст. Аз ин рӯ, таҳқиқот бояд на ҳамчун шарҳи систематикӣ ё мета-таҳлил, балки ҳамчун шарҳи интиқодӣ дар асоси ҷустуҷӯи сохторёфтаи адабиёт тафсир шавад.

Тағйири Таъиноти Дору бо Дастгирии Зеҳни Сунъӣ Чист?

Тағйири таъиноти дору бо дастгирии зеҳни сунъӣ истифодаи усулҳое чун омӯзиши мошинӣ, омӯзиши амиқ, шабакаҳои нейронии графӣ ва коркарди забони табиӣ мебошад, ки аз маълумот қолабҳои оморӣ ё намояндагиро меомӯзанд, то самтҳои нави истифодаи зиддимикробии пайвастагиҳои тасдиқшуда ё дар марҳилаи таҳқиқот қарордоштаро пешгӯӣ ё афзалият диҳанд; манбаъ molecular docking, динамикаи молекулавӣ ва фармакологияи шабакавиро ҳамчун синфҳои алоҳидаи усулҳои ҳисоббарорӣ баррасӣ мекунад, ки худ ба худ ҳатман AI нестанд.

Чаро тағйири таъиноти дору муҳим аст?

Таҳияи антибиотики нав аз сифр раванди дароз, гарон ва дорои сатҳи баланди нокомӣ мебошад. Тағйири таъиноти дору мекӯшад барои пайвастагиҳое, ки барои мақсади дигар тасдиқ шудаанд ё қаблан таҳқиқ шудаанд, соҳаҳои нави истифода муайян кунад. Афзалияти асосии ин равиш он аст, ки барои баъзе номзадҳо маълумоти бехатарӣ, фармакокинетика, формулятсия ва истеҳсол аллакай мавҷуд буда метавонад.

Ин афзалият маънои онро надорад, ки “нишондоди нав ба таври худкор бехатар аст”. Консентратсияи лозим барои таъсири зиддибактериявӣ метавонад аз консентратсияе, ки дар нишондоди қаблии дору истифода мешуд, хеле баландтар бошад. Аз ин рӯ, ҳарчанд маълумоти мавҷудаи бехатарӣ метавонад хавфи марҳилаи аввали таҳияро коҳиш диҳад, самаранокӣ ва бехатарӣ барои нишондоди нави сироятӣ бояд аз нав арзёбӣ карда шаванд.

Чаро муқовимати зиддимикробӣ чунин заминаи критикӣ эҷод мекунад?

Тибқи таҳлилҳои ҷаҳоние, ки шарҳ овардааст, муқовимати бактериявии зиддимикробӣ дар соли 2021 мустақиман сабаби тақрибан 1,14 миллион марг дониста шуда, бо 4,71 миллион марг алоқаманд будааст. Барои соли 2050 пешгӯии солонаи марги мустақиман нисбатдодашаванда 1,91 миллион аст. Инҳо ченкуниҳои эпидемиологии худи шарҳ нестанд, балки натиҷаҳои таҳқиқоти ҷаҳоние мебошанд, ки шарҳ ба онҳо истинод мекунад.

Муаллифон бо истифода аз чаҳорчӯбаи WHO Bacterial Priority Pathogens List 2024 махсусан фенотипҳои муқовимат, аз ҷумла Acinetobacter baumannii-и ба карбапенем тобовар, Enterobacterales-и ба сефалоспоринҳои насли сеюм ё карбапенем тобовар, Mycobacterium tuberculosis-и ба рифампицин тобовар, Pseudomonas aeruginosa-и ба карбапенем тобовар, Staphylococcus aureus-и ба метициллин тобовар ва Enterococcus faecium-и ба ванкомицин тобоварро таъкид мекунанд.

Доруи аз нав таъиншуда ба бактерия чӣ гуна таъсир карда метавонад?

Шарҳ се шакли умумии таъсирро муҳокима мекунад. Роҳи аввал таъсири мустақими зиддибактериявӣ аст: пайвастагӣ метавонад таъсири бактерисидӣ ё бактериостатикӣ нишон диҳад. Эҳтимоли дуюм таъсирҳои host-targeted мебошанд, ки ҷавоби мизбонро тағйир медиҳанд; манбаъ қайд мекунад, ки ин дар сироятҳои бактериявӣ нисбат ба таъсири мустақим ё синергикии зиддибактериявӣ камтар ташаккулёфта аст. Роҳи сеюм синергияест, ки самаранокии антибиотикҳои мавҷударо зиёд мекунад; масалан, баъзе фенотиазинҳо метавонанд фаъолияти насосҳои эффлюкси S. aureus-ро кам кунанд.

Аммо ингибитсияи эффлюкс синергияи ҳамаи синфҳои антибиотикҳоро шарҳ намедиҳад. Манбаъ махсусан таъкид мекунад, ки дар муқовимати β-лактамӣ β-лактамазаҳо ва penicillin-binding protein-ҳои тағйирёфта нақши муҳим доранд, бинобар ин агар фенотиазинҳо таъсири β-лактамро зиёд кунанд, механизм бояд алоҳида нишон дода шавад.

Чаро Molecular Docking ва Фармакологияи Шабакавӣ Дар Ин Шарҳ Бевосита AI Ҳисобида Намешаванд?

Шарҳ molecular docking ва динамикаи молекулавиро ҳамчун усулҳои ҳисоббарорие гурӯҳбандӣ мекунад, ки ба баҳогузории физикӣ асос ёфтаанд, QSAR-и классикиро ба дескрипторҳои молекулавии дастӣ муайяншуда ва фармакологияи шабакавиро ба шабакаҳои мураттабшудаи ҳамкории биологӣ такя мекунад; ин усулҳо метавонанд бо омӯзиши мошинӣ якҷо шаванд, аммо худ аз худ усулҳои AI-и асосёфта ба намояндагиҳои аз маълумот омӯхташуда нестанд.

Омӯзиши мошинӣ

Омӯзиши мошинӣ (machine learning, ML) метавонад аз маҷмӯи маълумоти сохторёфтаи пайвастагиҳои фаъол ва ғайрифаъоли маълум муносибатҳои хусусият–фаъолияти молекулавиро омӯзад. Дар шарҳ random forest, support vector machine ва gradient boosting ҳамчун намуна оварда шудаанд.

Яке аз бартариҳои ML он аст, ки тавассути таҳлили аҳамияти хусусиятҳо метавон дид, кадом хусусиятҳои молекулавӣ ба пешгӯӣ саҳм мегузоранд. Баръакс, ғаразнокии маҷмӯи маълумот, номутавозунии синфҳо ва ихроҷи маълумот метавонанд ба overfitting ва умумисозии суст ба химияи нав оварда расонанд.

Омӯзиши амиқ

Омӯзиши амиқ (deep learning, DL) бо шабакаҳои нейронии бисёрқабата намояндагиҳои мураккаби молекулавӣ ва биологиро меомӯзад. Манбаъ аз меъмориҳои CNN, RNN ва transformer ёд мекунад.

Қувваи омӯзиши амиқ дар он аст, ки зарурати тарҳрезии дастии хусусиятҳоро кам карда, метавонад қолабҳои баландандозаро омӯзад. Камбудии муҳимаш он аст, ки аксар вақт шарҳ додани он ки чаро қарор қабул шудааст, осон нест. Аз ин рӯ, равишҳои AI-и шарҳпазир ба мисли attention visualisation ва SHAP барои эътимоди танзимкунанда аҳамият пайдо мекунанд.

Шабакаҳои нейронии графӣ

Шабакаҳои нейронии графӣ (graph neural networks, GNNs) молекулаҳоро ҳамчун графҳо ифода мекунанд, ки атомҳо гиреҳ ва пайвандҳои химиявӣ канор мебошанд. Ҳамин тавр, топологияи молекула ва муносибатҳои байни атомҳо мустақиман ба вуруди модел табдил меёбанд.

Шарҳ қайд мекунад, ки GNN-ҳо метавонанд синфҳои нави химиявии зиддибактериявиро афзалият диҳанд, аммо умумисозӣ ба scaffold-ҳои қаблан нодидашуда ҳанӯз ҳам душвор аст. Баландтар будани натиҷаи random split аз scaffold split метавонад яке аз нишонаҳои муҳими ин мушкил бошад.

Фармакологияи шабакавӣ

Фармакологияи шабакавӣ (network pharmacology) муносибатҳои дору–ҳадаф–бемориро дар сатҳи система меомӯзад. Шабакаҳои ҳамкории сафеда–сафеда, экспрессияи ген ва роҳҳои биологӣ метавонанд якҷо карда шаванд, то таъсирҳои бисёрҳадафа ё синергияҳои эҳтимолӣ таҳқиқ гарданд.

Манбаъ ин равишро AI-adjacent гурӯҳбандӣ мекунад. Сохтан ва баҳогузории шабака худ аз худ омӯзиши мошинӣ нест; аммо ин шабакаҳо баъдтар метавонанд ҳамчун вуруд ба моделҳои ML дода шаванд.

Коркарди забони табиӣ

Коркарди забони табиӣ (natural language processing, NLP) мекӯшад аз матнҳои сохторнаёфта, ба монанди мақолаҳо, сабтҳои таҳқиқоти клиникӣ ва патентҳо, муносибатҳои дору–патоген, дору–ҳадаф ва таъсири номатлубро ҷудо кунад.

Шарҳ қайд мекунад, ки моделҳои биотиббии забонии бар transformer асосёфта, ба мисли BioBERT, метавонанд барои шинохти объектҳо ва истихроҷи муносибатҳо истифода шаванд. Мушкилоти асосӣ стандартизатсияи истилоҳот, маълумоти нопурра ва якҷо кардани дониши аз матн истихроҷшуда бо маълумоти таҷрибавӣ мебошанд.

Манбаъҳои маълумот аз кадом намудҳо иборатанд?

Шарҳ таъкид мекунад, ки дар тағйири таъиноти дору бо AI як намуди маълумот кофӣ нест. Пойгоҳҳои химиявӣ метавонанд сохтори молекула ва қиматҳои фаъолияти биологиро; манбаъҳои геномӣ ва биологӣ экспрессияи ген, сафедаҳо ва ҳамкории онҳоро; манбаъҳои клиникӣ ва воқеии ҷаҳон бошад маълумоти воя, бехатарӣ, натиҷаи клиникӣ ва ҳодисаҳои номатлубро таъмин кунанд.

Манбаъ DrugBank, ChEMBL, PubChem, ZINC ва Protein Data Bank-ро ҳамчун манбаъҳои химиявӣ/сохторӣ; Gene Expression Omnibus, Sequence Read Archive, UniProt ва BioGRID-ро ҳамчун манбаъҳои биологӣ мисол меорад.

Маълумоте, ки аз платформаҳои гуногун меояд, аз рӯи воҳидҳои ченак, протоколҳои таҷрибавӣ, қиматҳои гумшуда ва сифати тамғагузорӣ гетерогенӣ аст. Аз ин рӯ, маҷмӯи маълумоти калон худ аз худ модели боэътимодро маъно намедиҳад; стандартизатсия ва курацияи маълумот қисми асосии эътимоднокии модел мебошанд.

Чаро random split метавонад гумроҳкунанда бошад?

Агар дар маҷмӯи маълумоти химиявӣ молекулаҳои хеле монанд ҳам дар гурӯҳи омӯзиш ва ҳам дар гурӯҳи тест бошанд, модел метавонад ба ҷои умумисозии химияи нав, аналогҳои наздики сохторҳои дар омӯзиш дидаашро шиносад. Дар ин ҳолат холи тест баланд менамояд, аммо рафтори модел дар скелети тамоман нави химиявӣ номаълум мемонад.

Яке аз вариантҳои сахттаре, ки дар шарҳ тавсия шудааст, тақсимоти бар асоси Bemis–Murcko scaffold мебошад. Ин равиш тамоми силсилаҳои химиявиро ба тарафи тест ҷудо карда, умумисозиро ба пайвастагиҳои аз ҷиҳати сохторӣ навтар месанҷад. Split-и вобаста ба вақт бошад, бо маълумоти кӯҳнатар омӯзиш дода, дар маълумоти баъдтар пайдошуда тест гузаронда, метавонад арзёбии ба сенарияи воқеии истифода наздиктар диҳад.

Data leakage чист?

Data leakage ворид шудани маълумоти мансуб ба маҷмӯи тест ба омӯзиши модел ба таври мустақим ё ғайримустақим мебошад. Шарҳ duplicate ё near-duplicate молекулаҳо, вариантҳои намак ё tautomer-и ҳамон пайвастагӣ ва интихоби хусусият ё оптимизатсияи гиперпараметр дар тамоми маҷмӯи маълумотро мисол меорад.

Ҳангоми leakage модел на қобилияти воқеии умумисозӣ, балки то чӣ андоза маълумоти марбут ба тестро истифода кардааст, нишон медиҳад. Аз ин рӯ, стандартизатсияи молекула, дедупликатсия ва ҳифзи ҷудокунии омӯзиш–валидасия–тест дар тамоми раванди таҳияи модел зарур аст.

Чаро class imbalance метавонад қимати accuracy-ро гумроҳ кунад?

Дар скринингҳои зиддибактериявӣ мумкин аст дар муқобили ҳазорҳо пайвастагии ғайрифаъол танҳо шумораи ками пайвастагиҳои фаъол вуҷуд дошта бошад. Дар чунин маҷмӯи маълумот модел метавонад қариб ҳамаи намунаҳоро “ғайрифаъол” пешгӯӣ карда, accuracy-и баланд ба даст орад, аммо фаъолҳои воқеиро пайдо накунад.

Аз ин рӯ, манбаъ тавсия медиҳад, ки каҷҳои precision–recall, метрикаҳои enrichment ва эҳтимолҳои калибршуда бо resampling-и мувофиқ ё cost-sensitive learning якҷо арзёбӣ шаванд. ROC-AUC танҳо, махсусан дар маҷмӯи маълумоти хеле номутавозун, набояд кофӣ дониста шавад.

Чаро валидасияи беруна ва проспективӣ лозим аст?

Валидасияи ретроспективии салибӣ нишон медиҳад, ки модел дар дохили маълумоти қаблан ҷамъоваришуда чӣ гуна кор мекунад. Валидасияи беруна бошад, самаранокии моделро дар маҷмӯи мустақили маълумоте месанҷад, ки ҳеҷ гоҳ дар омӯзиш истифода нашудааст.

Марҳилаи қавитар тесткунии проспективӣ аст: модел пешакӣ номзадҳоро интихоб мекунад ва баъд ин номзадҳо воқеан дар лаборатория санҷида мешаванд. Манбаъ гузориш додани шумораи пайвастагиҳои интихобшуда, шумораи тасдиқшуда дар лаборатория ва hit rate-и воқеиро барои эътимоднокии иддаои ҳисоббарорӣ муҳим мешуморад.

Чаро Halicin аз Дигар Доруҳои Намунаӣ Фарқ Мекунад?

Halicin дар ин шарҳ ягона намунаест, ки тасдиқ шудааст барои мақсади зиддибактериявӣ мустақиман аз ҷониби модели омӯзиши амиқ афзалият дода шудааст; хусусиятҳои зиддибактериявии auranofin, фенотиазинҳо, disulfiram, sertralin ва klofazimin бошад тавассути скрининги таҷрибавӣ ё истифодаи клиникӣ, мустақил аз AI, қаблан маълум буданд.

Halicin

Halicin дар аввал ҳамчун ингибитори c-Jun N-terminal kinase дар заминаи диабет таҳқиқ мешуд. Баъдан модели directed message-passing neural network, ки бо маълумоти ингибитсияи афзоиш омӯзонида шуда буд, ба Drug Repurposing Hub татбиқ карда шуда, ҳамчун номзади зиддибактериявӣ афзалият дода шуд.

Тибқи далелҳое, ки шарҳ меорад, halicin бар зидди бактерияҳои гуногун фаъолияти in vitro нишон додааст; Mycobacterium tuberculosis ва Enterobacteriaceae-и ба карбапенем тобовар аз ҷумлаи онҳо мебошанд. Илова бар ин, самаранокӣ дар модели захми pan-resistant Acinetobacter baumannii ва моделҳои муш барои Clostridioides difficile гузориш шудааст.

Манбаъ механизми halicin-ро бо вайрон шудани ҷузъи ΔpH-и proton motive force-и бактериявӣ алоқаманд мекунад. Ин механизмест, ки барои halicin дар манбаъ гузориш шудааст; Verianla аз ин ҳадафи нави молекулавӣ истихроҷ намекунад.

Муҳимтарин маҳдудият клиникӣ аст: шарҳ мегӯяд, ки барои halicin далели самаранокии клиникӣ дар одамон вуҷуд надорад. Таҳқиқоти фармакокинетикӣ, токсикӣ ва формулятсия барои истифодаи системавӣ бояд анҷом дода шаванд.

Auranofin

Auranofin доруи дорои тилло мебошад, ки барои артрити ревматоидӣ тасдиқ шудааст. Гузориш шудааст, ки он дар баъзе бактерияҳои грам-мусбат, махсусан намудҳое аз ҷумла MRSA, фаъолияти бактерисидӣ нишон дода, thiol-redox homeostasis-ро халалдор мекунад ва ингибитсияи thioredoxin reductase ба ин механизм саҳм мегузорад.

Ислоҳи муҳими шарҳ чунин аст: таҳқиқоти тасдиқшудае ёфт нашудааст, ки нишон диҳад таъсири зиддибактериявии auranofin аз ҷониби AI кашф шудааст. Аз ин рӯ, auranofin набояд ҳамчун “AI-discovered antibacterial” пешниҳод шавад.

Фенотиазинҳо

Фенотиазинҳо ба мисли Chlorpromazine ва thioridazine ҳамчун антипсихотик таҳия шудаанд. Қаблан ба таври таҷрибавӣ нишон дода шудааст, ки онҳо метавонанд фаъолияти multidrug efflux-pump-ро дар S. aureus коҳиш диҳанд.

Манбаъ таъкид мекунад, ки ин таъсир пеш аз давраи муосири AI маълум буд. Ҳамчунин қайд мекунад, ки ингибитсияи эффлюкс синергияи β-лактамро ба таври худкор шарҳ намедиҳад, зеро дар муқовимати β-лактамӣ β-лактамазаҳо ва penicillin-binding protein-ҳои тағйирёфта метавонанд нақши асосӣ дошта бошанд.

Disulfiram

Disulfiram доруест, ки муддати дароз барои табобати вобастагӣ ба машрубот истифода мешавад. Манбаъ таъсири синергикии бактерисидии вобаста ба мисро бар зидди M. tuberculosis ҳамчун далели in vitro меорад.

Тасдиқ нашудааст, ки ин фаъолият бо пешгӯии AI кашф шудааст. Ҳамчунин зарурати маҳдуд кардани токсикии вобаста ба мис ҳангоми расидан ба консентратсияи самараноки бофта ҳамчун монеаи транслятсионӣ зикр мешавад.

Sertralin

Sertralin антидепрессант аст. Дар шарҳ таҳқиқоте баррасӣ мешаванд, ки ингибитсияи in vitro бар зидди S. aureus, Escherichia coli ва Pseudomonas aeruginosa ва афзоиши самаранокӣ бо баъзе антибиотикҳоро гузориш кардаанд.

Огоҳии муҳими фармакологии манбаъ ин аст, ки консентратсияҳои ингибитсионии дар сатҳи даҳҳо µg/mL барои штаммҳои референсӣ гузоришшуда метавонанд аз экспозитсияҳое, ки бо вояҳои стандартии антидепрессант ба даст меоянд, баландтар бошанд. Аз ин рӯ, фаъолияти in vitro маънои истифодаи мустақими клиникиро надорад.

Klofazimin

Klofazimin доруи антимикобактериявиест, ки барои махав истифода мешавад ва дар режимҳои сили ба чанд дору тобовар низ ҷойи клиникӣ дорад. Манбаъ redox cycling, намудҳои реактивии оксиген ва вайроншавии нафаскаширо бо таъсир алоқаманд мекунад.

Бо вуҷуди ин, ин истифодаи klofazimin кашфи AI нест. Шарҳ онро ҳамчун намунаи тағйири таъиноти клиникӣ дар ҳамон соҳаи васеи зиддимикробӣ арзёбӣ мекунад.

Маҳдудияти муҳими ҷадвали далелҳо: Аломати “—” дар Ҷадвали 4-и манбаъ маънои онро надорад, ки дар тамоми адабиёти ҷаҳон ягон далел вуҷуд надорад. Он танҳо нишон медиҳад, ки дар манбаъҳое, ки ин шарҳ истифода кардааст, сатҳи дахлдори далел муайян нашудааст.

Чаро қиматҳои “hit rate”-и AI ва усулҳои классикиро мустақим муқоиса кардан мумкин нест?

Дар таҳқиқоти halicin аз 23 пайвастагии ZINC15, ки модели AI интихоб кардааст, 8-то афзоиши бактериявиро ингибитсия кардаанд. Дар таҳқиқоти дигари омӯзиши амиқ аз тақрибан 240 пайвастагии интихобшуда 9-то фаъол ёфт шудаанд; манбаъ инро тақрибан %4 медиҳад.

Дар таҳқиқоти соли 2026, ки ба docking асос ёфтааст, 14 доруи тасдиқшудаи баландрутба ба таври таҷрибавӣ санҷида шуда, lifitegrast дар якҷоягӣ бо агенти зиёдкунандаи гузаронандагии мембрана фаъолияти аз ҳама назаррас нишон додааст.

Ин рақамҳо иҷозат намедиҳанд, ки “AI аз docking беҳтар аст” ё баръакс гуфта шавад. Андозаи китобхонаи ибтидоӣ, сатҳи филтри пешакии модел, ҳадди фаъолият, истифодаи whole-cell ё тести ҳадафмеҳвар ва тамоюли нашри танҳо натиҷаҳои мусбат hit rate-ро ба таври ҷиддӣ тағйир медиҳанд. Манбаъ мегӯяд, ки байни AI ва docking/MD benchmark-и зиддибактериявии мувофиқшудаи проспективии head-to-head вуҷуд надорад.

Усул ва Натиҷаҳои Таҳқиқот

Равиши ҷамъоварии адабиёти шарҳ

Мақоми методологии таҳқиқот

Мақола аз ҷониби ношир ҳамчун “Review” гурӯҳбандӣ шудааст. Азбаски манбаъ пойгоҳҳои муайяни маълумот ва фосилаи вақтро хабар медиҳад, он пурра шарҳи озоди ривоятӣ нест; аммо гузориши формалии шарҳи систематикиро низ пешниҳод намекунад.

Аз ин рӯ, Verianla таҳқиқотро ҳамчун шарҳи интиқодӣ дар асоси ҷустуҷӯи сохторёфтаи адабиёт муайян мекунад. Ин гурӯҳбандӣ барои ҳифзи ҳудуди тафсилоти усуле, ки дар манбаъ дода шудааст, мебошад.

Панҷ назорати асосӣ дар валидасияи модел

1. Data splitting ва scaffold splitting: Кам кардани омехташавии аналогҳои сохтории наздик байни омӯзиш ва тест; арзёбии воқеитари умумисозӣ ба chemotype-ҳои нав.
2. Назорати data leakage: Пешгирии ворид шудани маълумоти тест ба омӯзиш тавассути сохторҳои duplicate/near-duplicate, вариантҳои намак ва tautomer ё интихоби гиперпараметр дар тамоми маълумот.
3. Назорати class imbalance: Пешгирии гум шудани шумораи ками пайвастагиҳои фаъол дар байни шумораи зиёди намунаҳои ғайрифаъол ва истифодаи метрикаҳои мувофиқ ғайр аз accuracy.
4. External ва prospective validation: Валидасияи модел дар маълумоти мустақил ва сипас дар скрининги воқеии лабораторӣ.
5. Empirical in vitro validation: Санҷидани номзадҳои ҳисоббарорӣ дар системаҳои воқеии биологӣ, аз ҷумла изолятҳои клиникии MDR.

Дар валидасияи in vitro кадом озмоишҳо тавсия мешаванд?

Шарҳ дар доираи susceptibility testing-и стандартӣ истифодаи minimum inhibitory concentration (MIC), minimum bactericidal concentration (MBC), time–kill kinetics ва checkerboard assay барои комбинасияҳоро тавсия медиҳад.

Илова бар ин, бояд на танҳо он ки номзад бактерияро мекушад ё не, балки он ки барои ҳуҷайраҳои ширхӯрон токсикӣ аст ё не низ арзёбӣ шавад. Санҷиши ситотоксикӣ барои фаҳмидани равзанаи интихобпазирии фаъолияти зиддибактериявӣ кумак мекунад.

Дар ҳолати мувофиқ, механизми таъсир низ бояд таҷрибавӣ омӯхта шавад. Зеро модел метавонад пайвастагиро “фаъол” интихоб кунад, аммо чаро фаъол будани онро шарҳ дода натавонад.

Пешгӯии AI Кай Метавонад Аз Ҷиҳати Клиникӣ Маънодор Ҳисобида Шавад?

Тибқи манбаъ, пеш аз он ки пешгӯии AI аз ҷиҳати клиникӣ маънодор ҳисобида шавад, бояд аз валидасияи мустақил ва проспективии ҳисоббарорӣ, санҷишҳои стандартии зиддимикробии in vitro, ситотоксикӣ, моделҳои мувофиқи ҳайвонот, кофӣ будани экспозитсияи PK/PD дар маҳалли сироят, таҳқиқоти клиникии санҷандаи бехатарӣ ва самаранокӣ дар инсон ва арзёбии танзимкунанда гузарад; холи қавии in silico худ ба худ самаранокии клиникӣ нест.

MIC чист?

Minimum inhibitory concentration (MIC) пасттарин консентратсияи дору мебошад, ки дар шароити муайяни таҷрибавӣ афзоиши намоёни микробиро бозмедорад. MIC яке аз меъёрҳои асосии лабораторӣ барои арзёбии қувваи эҳтимолии зиддибактериявии пайвастагӣ мебошад.

Аммо MIC-и паст худ ба худ муваффақияти клиникиро нишон намедиҳад. Бояд алоҳида арзёбӣ шавад, ки оё дору дар маҳалли сироят ба ин сатҳ ба таври бехатар мерасад ё не.

MBC чист?

Minimum bactericidal concentration (MBC) меъёри таҷрибавии консентратсия барои куштани бактерияҳо мебошад. MIC барои арзёбии боздории афзоиш, MBC бошад барои фаъолияти бактерисидӣ истифода мешавад.

Санҷиши Time-kill чиро нишон медиҳад?

Time-kill assay тағйирёбии шумораи бактерияҳои зиндаро бо гузашти вақт дар консентратсияҳои муайяни дору пайгирӣ мекунад. Ҳамин тавр, ба ҷои як нуқтаи ниҳоӣ раванди вақтии таъсир арзёбӣ мешавад.

Checkerboard assay чиро нишон медиҳад?

Checkerboard assay равиши in vitro мебошад, ки комбинасияҳои консентратсияи ду доруро дар як матритса санҷида, синергия ё антагонизми эҳтимолиро арзёбӣ мекунад. Шарҳ махсусан ҳангоми арзёбии комбинасияи пайвастагиҳои аз нав таъиншуда бо антибиотикҳои мавҷуда аҳамияти чунин санҷишҳоро таъкид мекунад.

Фарқи байни PK ва PD

Фармакокинетика (PK) арзёбӣ мекунад, ки дору дар организм ба кадом консентратсияҳо ва бо кадом профили вақтӣ мерасад; фармакодинамика (PD) бошад муносибати ин экспозитсияро бо таъсир ба микроорганизм арзёбӣ мекунад.

Дар тағйири таъиноти дору кафолат дода намешавад, ки вояи барои нишондоди пешина бехатар барои таъсири зиддибактериявӣ низ кофӣ бошад. Аз ин рӯ, бояд таҳқиқ шавад, ки пайвастагии интихобкардаи модел дар маҳалли воқеии сироят ба экспозитсияи зарурӣ мерасад ё не.

fAUC/MIC чист?

fAUC майдони зери каҷи консентратсия–вақти танҳо қисми озоди дору, ки ба сафеда пайваст нест, дар як давраи муайянро ифода мекунад. MIC minimum inhibitory concentration аст.

Ин таносуб нишон медиҳад, ки экспозитсияи умумии доруи озод нисбат ба консентратсияи барои боздории бактерия лозим чӣ қадар калон аст. Манбаъ барои ягон дору ҳадди мушаххас намедиҳад; ҳадафи зарурӣ вобаста ба дору ва механизми таъсир фарқ мекунад.

fCmax/MIC чист?

fC_max баландтарин консентратсияест, ки доруи озод ба он мерасад. Ин таносуб бузургии экспозитсияи қулларо нисбат ба MIC ифода мекунад.

Шарҳ ин метрикаро ҳамчун индекси умумии PK/PD медиҳад; барои доруҳои намунаи баррасишуда таносуби нави ҳадаф ҳисоб намекунад.

fT > MIC чист?

fT > MIC нишон медиҳад, ки консентратсияи доруи озод дар чӣ қадар қисми фосилаи воя аз MIC баландтар боқӣ мемонад. Одатан ҳамчун фоизи фосилаи воя баррасӣ мешавад.

Ин меъёр махсусан дар заминаҳои зиддимикробие маънодор аст, ки самаранокӣ бо муддати дар сатҳи аз MIC баланд нигоҳ доштани консентратсия алоқаманд аст. Шарҳ ҳадди мушаххас муайян намекунад.

Чаро Population PK ва PBPK муҳиманд?

Population pharmacokinetic modelling метавонад барои таҳқиқи миқдории тағйирёбии фармакокинетикӣ байни шахсони гуногун истифода шавад. Physiologically based pharmacokinetic (PBPK) modelling бошад бо намояндагии компартментҳои узв ва бофта тавассути параметрҳои физиологӣ тақсимшавии доруро симулятсия мекунад.

Манбаъ ин усулҳоро махсусан барои тарҳрезии воя ва банақшагирии таҳқиқоти клиникӣ дар номзадҳое, ки равзанаи терапевтикии танг доранд ё расидан ба маҳалли сироят душвор аст, ҳамчун абзорҳои муфид муҳокима мекунад; худи шарҳи ҷорӣ симулятсияи PBPK анҷом надодааст.

Аз нигоҳи танзим “доруи аллакай тасдиқшуда” чӣ бартарӣ медиҳад?

Доштани маълумоти қаблии бехатарӣ ва истеҳсол барои доруи тасдиқшуда метавонад вақти таҳияро кам кунад. Аммо барои нишондоди нави сироятӣ самаранокӣ, бехатарӣ ва вояи мувофиқ бояд аз нав нишон дода шаванд.

Манбаъ мегӯяд, ки мақомоти танзимкунанда ба мисли FDA ва EMA барои нишондоди нав боз ҳам далели боэътимоди бехатарӣ ва самаранокиро талаб мекунанд; Good Clinical Practice, фармаконазорат ва дар ҳолати зарурӣ таҳқиқоти нави клиникӣ ҳатмӣ мебошанд.

Мушкилоти этика ва баробарӣ чист?

Шарҳнопазир будани механизми қароргирии моделҳои AI метавонад барои масъулияти клиникӣ ва бехатарии бемор мушкил эҷод кунад. Ҳамчунин, аз кишварҳои даромадашон баланд ба таври номутаносиб омадани маҷмӯи маълумоти омӯзишӣ метавонад умумисозии моделро ба аҳолии кишварҳои даромадашон паст ва миёна маҳдуд созад.

Шарҳ баробариро танҳо бо омӯзиши модел маҳдуд намекунад. Дастрасӣ, арзиш ва таъминоти устувори доруи аз нав таъиншуда низ бояд ҳамчун қисми таъсир ба саломатии ҷомеа арзёбӣ шаванд.

Натиҷаҳое, ки таҳқиқот дастгирӣ мекунад ва намекунад

Ҷиҳатҳои қавии шарҳ

• AI ва усулҳои классикии ҳисоббарориро ба як гурӯҳ ҷамъ накарда, аз ҷиҳати методологӣ ҷудо мекунад.
• Дар ҳар доруи намунавӣ нақши воқеии AI-ро алоҳида арзёбӣ мекунад.
• Сатҳҳои далели in silico, in vitro, ҳайвон ва клиникиро дар ҷадвали алоҳида нишон медиҳад.
• Масъалаҳои data leakage, scaffold split, class imbalance ва external validation-ро дар валидасияи модел муфассал баррасӣ мекунад.
• PK/PD ва воқеияти танзимкунандаро ба муҳокимаи моделҳои ҳисоббарорӣ ворид мекунад.
• Равшан мегӯяд, ки AI бояд на ҷойгузини фармакологияи клиникӣ, балки қабати афзалиятдиҳӣ бошад.
• Масъалаҳои этика, дастрасӣ ва намояндагии маълумот дар кишварҳои даромадашон паст/миёнаро муҳокима мекунад.

Маҳдудиятҳои шарҳ

• Адабиёт танҳо бо нашрияҳои англисӣ маҳдуд шудааст.
• Сатрҳои пурраи ҷустуҷӯ гузориш нашудаанд.
• Аз ҳар пойгоҳи маълумот чанд сабт ёфт шуд, дода нашудааст.
• Шумораи duplicate-ҳои хориҷшуда ва интихоб аз рӯи унвон/хулоса/матни пурра дода нашудааст.
• Схемаи ҷараёни PRISMA вуҷуд надорад.
• Арзёбии расмии risk-of-bias ё сифати таҳқиқот гузориш нашудааст.
• Сабти протоколи шарҳ нишон дода нашудааст.
• Иерархияи далелҳо барои доруҳои намунавӣ бо манбаъҳои истифодашудаи шарҳ маҳдуд аст; “—” дар Ҷадвали 4 маънои набудани далел дар тамоми адабиётро надорад.
• Нашри hit-ҳои мусбат дар таҳқиқоти проспективии AI метавонад сатҳи воқеии муваффақиятро аз ҳақиқат баландтар нишон диҳад.
• Hit rate-ҳои таҳқиқоти гуногуни скринингиро мустақим муқоиса кардан мумкин нест.
• Бисёр пайвастагиҳои non-antibiotic метавонанд дар консентратсияҳое фаъолияти зиддибактериявӣ нишон диҳанд, ки бо вояҳои тасдиқшуда дар организм расидан ба онҳо душвор аст.
• Барои қисми зиёди номзадҳои AI далели клиникии инсон вуҷуд надорад.

Самтҳои таҳқиқоти оянда

Шарҳ таҳқиқоти ояндаро дар шаш мавзӯи асосӣ ҷамъбаст мекунад: табобати дақиқи зиддимикробӣ, пешгӯии комбинасия ва синергия, AI-и шарҳпазир, интегратсияи ҷараёнҳои ҳисоббарорӣ–таҷрибавӣ–клиникӣ, дастрасии ҷаҳонӣ ва соҳаҳои нави технология.

Дар равиши табобати дақиқ истифодаи якҷояи геноми патоген, маълумоти иммуногеномикии мизбон ва микробиом; беҳтар пешгӯӣ кардани он ки кадом гурӯҳи беморон аз кадом доруи аз нав таъиншуда манфиат мегирад, тавсия мешавад.

Дар табобати комбиниатсионӣ гумон меравад, ки AI метавонад ҷуфтҳое ёбад, ки таъсири антибиотикҳои мавҷударо зиёд мекунанд; аммо таъкид мешавад, ки ин синергияҳо боз ҳам дар сатҳи in vitro, in vivo ва PK/PD тасдиқ шаванд.

Дар самти AI-и шарҳпазир гуфта мешавад, ки усулҳое чун attention visualisation, Shapley values ва graph interpretability метавонанд эътимоди танзимкунандаро зиёд кунанд.

Шакли идеалии pipeline-и оянда танҳо “model → candidate” нест. Манбаъ сохтори итеративиро пешниҳод мекунад: модел номзадро интихоб мекунад, номзад дар лаборатория санҷида мешавад, модел бо натиҷаҳо дубора такмил меёбад, бо маълумоти ҳайвонот ва фармакологӣ санҷида мешавад ва танҳо баъд ба арзёбии клиникӣ мегузарад.

Шарҳ инчунин биологияи синтетикӣ, тарҳрезии пептидҳои зиддимикробӣ, ҳадафгирии биофилм ва таҳқиқи адъювантҳое, ки метавонанд дифои мизбон ё вирулентнокии микробиро тағйир диҳанд, бо AI-ро аз имкониятҳои оянда мешуморад.

Натиҷаи асосии илмии шарҳ

Натиҷаи аз ҳама ҳимояшавандаи шарҳ “AI антибиотикҳои навро ба таври худкор меёбад” нест. Паёми асосии манбаъ ин аст, ки AI метавонад дар фазоҳои бузурги дору ва молекула номзадҳоро самараноктар афзалият диҳад; аммо ин бартарӣ танҳо вақте маънодор мешавад, ки бо ҷудокунии боэътимоди маълумот, валидасияи беруна, фармакологияи таҷрибавӣ, воқеияти PK/PD ва арзёбии клиникӣ якҷо карда шавад.

Halicin равшантарин намунаи муваффақият дар тарафи AI-и ин занҷир аст; бо вуҷуди ин, чун маълумоти самаранокии клиникӣ дар инсон вуҷуд надорад, транслятсия анҷом наёфтааст. Дигар намунаҳои доруҳои аз нав таъиншуда нишон медиҳанд, ки ибораҳои “AI мумкин аст истифода шуда бошад” ва “аз ҷониби AI кашф шудааст” бояд ҳатман аз ҳам ҷудо карда шаванд.

Ёддошт оид ба Манбаъ ва Усул

Унвони аслӣ: AI-Driven Drug Repurposing for Multidrug-Resistant Infections: Computational Rigor, Translational Realities, and Strategic Future Directions

Муаллифон: Kingsley Chukwuka Amaihunwa; Daniel Kelechi Egbule; Augustina O. Jewo; Felix Oghenemaro Enwa.

Муаллифи масъул: Felix Oghenemaro Enwa.

Саҳми баробар: Дар манбаъ изҳорот дар бораи ҳаммуаллифи аввал ё саҳми баробар мавҷуд нест.

Муассиса 1: Department of Medical Laboratory Science, Faculty of Allied Health Sciences, Delta State University, Abraka 330106, Nigeria.

Муассиса 2: Department of Pharmaceutical Microbiology & Biotechnology, Faculty of Pharmacy, Delta State University, Abraka 330106, Nigeria.

Муассиса 3: Department of Microbiology, Faculty of Science, Delta State University, Abraka 330106, Nigeria.

Маҷалла: Acta Microbiologica Hellenica.

Ношир: MDPI аз номи Hellenic Society for Microbiology.

Навъи манбаъ: Review — шарҳи интиқодӣ оид ба тағйири таъиноти доруҳои зиддимикробӣ бо дастгирии AI.

Сабти библиографӣ: Acta Microbiologica Hellenica, 2026, 71(4), Article 42.

DOI: 10.3390/amh71040042

Пайванди расмӣ: https://doi.org/10.3390/amh71040042

Ҷадвали вақти нашр: Received: 21 сентябри 2026; Revised: 8 октябри 2026; Accepted: 10 октябри 2026; Published: 20 октябри 2026.

Academic Editors: Petros Ioannou ва Diamantis P. Kofteridis.

Ҳолати баррасии ҳамтоён: Acta Microbiologica Hellenica маҷаллаи байналмилалии рецензияшавандаи дастрасии кушода мебошад, ки double-anonymized peer-review истифода мекунад.

Литсензия: Creative Commons Attribution (CC BY).

Ҳолати preprint: Манбаи баррасишуда мақолаи нашршудаи маҷалла мебошад. Дар манбаъ идентификатори алоҳидаи preprint нишон дода нашудааст.

Доираи шарҳ: Адабиёти англисӣ; Январи 2020–Сентябри 2026; PubMed/MEDLINE, Scopus ва Web of Science; баррасии дастии рӯйхати адабиёти таҳқиқоти муҳим.

Маҳдудияти шарҳи систематикӣ: Сатрҳои пурраи ҷустуҷӯ, ҷараёни PRISMA, шумораи сабтҳои баррасишуда/хориҷшуда, арзёбии расмии risk-of-bias ва протоколи сабтшуда гузориш нашудаанд. Аз ин рӯ, Verianla таҳқиқотро ҳамчун шарҳи систематикӣ ё мета-таҳлил гурӯҳбандӣ намекунад.

Маълумоти нави таҷрибавӣ: Нест. Таҳқиқот шарҳи адабиёт мебошад.

Модели нави AI: Нест. Мақола равишҳои мавҷудаи AI ва AI-adjacent-ро ба таври интиқодӣ арзёбӣ мекунад.

Формула дар манбаъ: Муодилаи рақамгузоришудаи математикӣ мавҷуд нест. Индексҳои PK/PD — fAUC/MIC, fCmax/MIC ва fT > MIC — ба таври консептуалӣ муҳокима шудаанд.

Маблағгузорӣ: Таҳқиқот маблағгузории беруна нагирифтааст.

Institutional Review Board: Татбиқ намешавад.

Розигии огоҳона: Татбиқ намешавад.

Дастрасии маълумот: Маълумоти нав тавлид ё таҳлил нашудааст; мубодилаи маълумот барои ин шарҳ татбиқ намешавад.

Бархӯрди манфиатҳо: Муаллифон бархӯрди манфиатҳоро гузориш накардаанд.

Саҳми муаллифон — Conceptualization: Kingsley Chukwuka Amaihunwa ва Felix Oghenemaro Enwa.

Validation: Augustina O. Jewo.

Data curation: Daniel Kelechi Egbule.

Writing — original draft preparation: Kingsley Chukwuka Amaihunwa.

Writing — review & editing: Daniel Kelechi Egbule, Augustina O. Jewo ва Felix Oghenemaro Enwa.

Supervision: Felix Oghenemaro Enwa.

Ҳадди гурӯҳбандии AI: Шарҳ ML, DL, GNN ва NLP-ро ҳамчун усулҳои AI; network pharmacology-ро AI-adjacent; molecular docking/MD-ро бошад ҳамчун муқоисагари классикии non-AI баррасӣ мекунад.

Ҳадди далели Halicin: Halicin номзадест, ки бо AI афзалият дода шудааст ва далелҳои in vitro ва модели ҳайвон дорад; шарҳ далели самаранокии клиникӣ дар инсонро муайян намекунад.

Ҳадди AI барои дигар доруҳои намунавӣ: Барои auranofin, фенотиазинҳо, disulfiram, sertralin ва klofazimin нақши тасдиқшудаи AI дар кашфи фаъолияти зиддибактериявӣ нишон дода нашудааст.

Ҳадди ҷадвали далелҳо: Аломати “—” дар Ҷадвали 4 маънои набудани қатъии далел дар адабиёти васеъро надорад; танҳо нишон медиҳад, ки дар манбаъҳои истифодашудаи ин шарҳ далел муайян нашудааст.

Ҳадди арзёбии модел: Натиҷаи баланди random split умумисозиро ба scaffold-ҳои нав кафолат намедиҳад. Data leakage ва номутавозунии синфҳо метавонанд ба метрикаҳои баланднамо, вале ғайривоқеӣ оварда расонанд.

Ҳадди транслятсия: Пешгӯиҳои in silico то валидасияи таҷрибавӣ гипотезаанд; фаъолияти in vitro самаранокии клиникӣ нест ва кофӣ будани вояи қаблан тасдиқшуда барои нишондоди нави зиддимикробӣ кафолат дода намешавад.

Ҳадди танзим: Ҳатто агар доруҳои аз нав таъиншуда маълумоти мавҷудаи бехатарӣ дошта бошанд, барои нишондоди нав бояд талаботи самаранокӣ, бехатарӣ, вояи мувофиқ ва фармаконазоратро иҷро кунанд.