همایش آروین البرز MHHJR 1 2 Artificial intelligence modeling to analyze antibiotic behavior in microbes and provide new drugs with longer shelf life and reduce drug resistance مدل‌سازی هوش مصنوعی برای تحلیل رفتار آنتی‌بیوتیکی در میکروب‌ها و ارائه داروهای جدید با ماندگاری طولانی‌تر و کاهش مقاومت دارویی 132 153 10.22051/jera.2021.31891.2698 FA مریم دانشجوی دکتری میکروبیولوژی، گروه میکروبیولوژی، دانشکده علوم پایه، واحد شهرکرد، دانشگاه آزاد اسلامی، ایران. 2025 03 24 Antibiotic resistance or antibiotic resistance (bacterial resistance to antibiotics), that is, pathogenic microbes that are used to fight them, become resistant to these drugs by genetic mutation (mutation) and new generations are created that cannot be fought against them. This type of resistance refers to the ability of microbes such as bacteria, viruses, parasites and fungi to resist the effects of drugs that were originally designed to kill them or inhibit their growth. In general, antibiotic resistance in microbes has become one of the most critical public health challenges worldwide. This phenomenon has led to the emergence of treatment-resistant strains that threaten the lives of millions of people due to the excessive or incorrect use of antibiotics, genetic mutations in microbes, and improper management of drugs. Forecasts indicate that by 2050, drug resistance may kill 10 million people each year. In this regard, the use of artificial intelligence (AI) as one of the emerging technologies has revolutionized the field of modeling the antibiotic behavior of microbes and discovering new drugs. The main goal of this research is to analyze the behavior of microbes against antibiotic compounds with the help of artificial intelligence algorithms and discover drugs with longer shelf life and more effective power in combating drug resistance. Artificial intelligence has the ability to identify effective drug compounds with the help of modeling chemical and biological data. Using machine learning algorithms and advanced neural networks, this technology has enabled the analysis of molecular structure and prediction of the effectiveness and stability of drugs. So far, scientists have been able to identify new classes of antibiotics that are capable of treating resistant bacteria such as Acinetobacter baumannii and MRSA. This article examines the process of AI modeling for drug discovery, its benefits, and the challenges of this approach. Findings show that AI has not only reduced the cost and time of research, but also made it possible to improve the formulation of existing drugs and overcome the problems of drug resistance. AI technology has also been able to process large volumes of chemical and biological data at very high speeds, which has enabled the identification of effective compounds with lower risks and longer shelf life. In addition, AI has helped create more accurate tests and better predict drug behavior, which not only increases the effectiveness of treatments but also reduces the risk of developing new resistant strains. With the further development of this technology, the pharmaceutical industry can enter an arena where drug resistance is controlled and future drugs can be designed with greater precision and speed. مقاومت آنتی‌بیوتیکی یا مقاومت به آنتی‌بیوتیک (مقاومت باکتریها به پادزیستها)، یعنی میکروب‌های بیماری‌زا که برای مبارزه با آنان آنتی‌بیوتیک استفاده می‌شوند، با جهش ژنی (موتاسیون) نسبت به این داروها مقاومت پیدا کنند و نسل‌های جدیدی به وجود بیایند که نتوان با آن‌ها مبارزه کرد. این نوع مقاومت به توانایی میکروب‌ها مانند باکتری‌ها، ویروس‌ها، انگل‌ها و قارچ‌ها برای مقاومت در برابر اثرات داروهایی که در ابتدا برای کشتن آن‌ها یا مهار رشد آن‌ها طراحی شده بودند، اشاره دارد. به طور کلی مقاومت آنتی‌بیوتیکی در میکروب‌ها به یکی از بحرانی‌ترین چالش‌های بهداشت عمومی در سطح جهانی تبدیل شده است. این پدیده به دلیل استفاده بی‌رویه یا نادرست از آنتی‌بیوتیک‌ها، جهش‌های ژنتیکی در میکروب‌ها، و مدیریت نادرست داروها، باعث ظهور گونه‌های مقاوم به درمان شده است که جان میلیون‌ها انسان را تهدید می‌کند. پیش‌بینی‌ها نشان می‌دهند که تا سال 2050، مقاومت دارویی ممکن است جان 10 میلیون نفر را در هر سال بگیرد. در این راستا، استفاده از هوش مصنوعی (AI) به عنوان یکی از فناوری‌های نوظهور، انقلابی در حوزه مدل‌سازی رفتار آنتی‌بیوتیکی میکروب‌ها و کشف داروهای جدید ایجاد کرده است. هدف اصلی این پژوهش، تحلیل رفتار میکروب‌ها در برابر ترکیبات آنتی‌بیوتیکی به کمک الگوریتم‌های هوش مصنوعی و کشف داروهایی با ماندگاری طولانی‌تر و قدرت مؤثرتر در مقابله با مقاومت دارویی است. هوش مصنوعی با کمک مدل‌سازی داده‌های شیمیایی و بیولوژیکی، توانایی شناسایی ترکیبات دارویی مؤثر را داراست. با استفاده از الگوریتم‌های یادگیری ماشین و شبکه‌های عصبی پیشرفته، این فناوری امکان تحلیل ساختار مولکولی و پیش‌بینی میزان اثربخشی و پایداری داروها را فراهم کرده است. تاکنون، دانشمندان توانسته‌اند کلاس‌های جدیدی از آنتی‌بیوتیک‌ها را شناسایی کنند که قابلیت درمان باکتری‌های مقاوم مانند اسینتوباکتر بومانی و MRSA را دارند. این مقاله به بررسی فرآیند مدل‌سازی هوش مصنوعی برای کشف داروهای جدید، مزایا، و چالش‌های موجود در این رویکرد می‌پردازد. یافته‌ها نشان می‌دهند که AI علاوه بر کاهش هزینه و زمان تحقیقات، امکان بهبود فرمولاسیون داروهای موجود و غلبه بر مشکلات مقاومت دارویی را فراهم کرده است. فناوری هوش مصنوعی همچنین با سرعت بسیار بالایی قادر به پردازش حجم وسیعی از داده‌های شیمیایی و بیولوژیکی بوده که این امر شناسایی ترکیبات مؤثر با خطرات کمتر و ماندگاری بیشتر را میسر می‌کند. علاوه بر این، AI به ایجاد آزمایشات دقیق‌تر و پیش‌بینی بهتر رفتارهای دارویی کمک کرده است که نه تنها اثربخشی درمان‌ها را افزایش می‌دهد بلکه خطر تولید گونه‌های مقاوم جدید را کاهش می‌دهد. به کمک توسعه بیشتر این فناوری، صنعت داروسازی می‌تواند وارد عرصه‌ای شود که در آن مقاومت دارویی کنترل شده و داروهای آینده با دقت و سرعت بیشتری طراحی شوند. /downloadfilepdf/185815