Deep Origin

၎င်းသည် မည်သည့်အရာနည်း

Deep Origin သည် ရုပ်ပိုင်းဆိုင်ရာ အခြေခံထားသော AI ဆေးဝါးရှာဖွေရေး ပလပ်ဖောင်းတစ်ခုဖြစ်ပြီး မော်လီကျူးဒိုင်းနမစ် სიმူਲੇਸ਼ਨ (Molecular Dynamics Simulation) နှင့် စက်သင်ယူမှုကို လုပ်ငန်းစဉ်တစ်ခုတည်းအတွင်း ပေါင်းစပ်ပေးထားသည်။ ၎င်းသည် သုတေသနအဖွဲ့များကို မော်လီကျူး ဆက်သွယ်မှု (Docking)၊ ADME ဂုဏ်သတ္တိ ခန့်မှန်းခြင်းနှင့် ဆေးခန်းမစတင်မီ အဆင့် (Preclinical stage) မော်ဒယ်လ်ပြုလုပ်ခြင်းတို့တွင် ကူညီပေးသောကြောင့် ဒြပ်ပေါင်းများသည် လက်တွေ့ဓာတ်ခွဲခန်း (Wet lab) သို့ မရောက်ရှိမီ ကွန်ပျူတာဖြင့် စစ်ထုတ်ခြင်းနှင့် အကောင်းဆုံးဖြစ်အောင် ပြုလုပ်ခြင်းတို့ကို ပြုလုပ်နိုင်မည်ဖြစ်သည်။ သက်သက်ဒေတာဖြင့် မောင်းနှင်ထားသော ဘလက်ခ်ဘောက်စ် (Black box) မော်ဒယ်များနှင့် မတူဘဲ၊ ၎င်းသည် ရုပ်ပိုင်းဆိုင်ရာ სიმူਲੇਸ਼ਨ၏ ရှင်းလင်းချက်ထုတ်ပေးနိုင်မှုကို အလေးပေးထားပြီး ရလဒ်များကို အမှန်တကယ် ဇီဝဓာတုဗေဒဆိုင်ရာ အပြုအမူများနှင့် ပိုမိုနီးစပ်စေသည်။

မည်သည့်ပြဿနာများကို ဖြေရှင်းပေးသနည်း

ရိုးရာဆေးဝါးအသစ် တီထွင်မှုတွင် ငွေအကုန်အကျဆုံးနှင့် အချိန်အကြာဆုံးအဆင့်မှာ ရွေးချယ်စရာ မော်လီကျူး ထောင်ပေါင်းများစွာထဲမှ ဆက်လက်လုပ်ဆောင်သင့်သည့် အနည်းငယ်ကို ရှာဖွေဖော်ထုတ်ခြင်းပင်ဖြစ်သည်။ Deep Origin သည် ဤရှေ့ပြေး စစ်ထုတ်သည့်အဆင့်ကို ကွန်ပျူတာစနစ်သို့ ပြောင်းရွှေ့ပေးပြီး ခန္ဓာကိုယ်တွင်း ဆေးဝါးစုပ်ယူမှု၊ ဖြန့်ဝေမှု၊ ဇီဝြဖစ်ပျက်မှုနှင့် စွန့်ထုတ်မှု (ADME) တို့ကို სიმူਲੇਸ਼ਨပြုလုပ်ကာ ပစ်မှတ်ပရိုတင်းနှင့် ပေါင်းစပ်အားကို တိုင်းတာခြင်းဖြင့် အမှားအယွင်းနှင့် ကြိုးစားမှုသံသရာကို တိုစေကာ အနောက်ပိုင်းတွင် ရှုံးနိမ့်နိုင်ချေကို လျှော့ချပေးသည်။ ၎င်းသည် အဓိကအားဖြင့် ဆေးဝါးကုမ္ပဏီများ၊ ဇီဝနည်းပညာ စတาร์တပ်များနှင့် ပညာရပ်ဆိုင်ရာ သုတေသနအဖွဲ့များမှ တွက်ချက်မှုဆိုင်ရာ ဓာတုဗေဒပညာရှင်များနှင့် ဆေးဝါးဒီဇိုင်းပညာရှင်များကို ရည်ရွယ်ထားပြီး ဘတ်ဂျက်ကန့်သတ်ချက်အတွင်း ပိုမိုယုံကြည်စိတ်ချရသော ဆုံးဖြတ်ချက်များချရန် လိုအပ်သော သုတေသနလုပ်ငန်းစဉ်များအတွက် သင့်လျော်သည်။ မြင့်မားသော စွမ်းဆောင်ရည်ရှိသော ကွန်ပျူတာကွန်ရက် (HPC cluster) ကို ကိုယ်တိုင်တည်ဆောက်ရန် အခက်အခဲရှိသော အဖွဲ့များအတွက်လည်း အဆင့်မြင့် სიმူਲੇਸ਼ਨ စွမ်းရည်များကို အသုံးပြုနိုင်သည့် ရွေးချယ်စရာတစ်ခုဖြစ်သည်။