ذكاء اصطناعي مفتوح المصدر يستبعد أفكار الأدوية الضعيفة قبل وصولها إلى المختبر

قد تبدو فكرة الدواء واعدة، ثم تفشل لأسباب عملية جداً: ربما لا يذوب الجزيء جيداً، أو يتحلل بسرعة، أو يعجز عن دخول الخلايا، أو يؤذي أنسجة سليمة. وغالباً لا تظهر هذه المشكلات إلا بعد إنفاق وقت ومال على تصنيع المركب واختباره.

المعلومة الأهم
تتعامل PeptiVerse مع سلاسل الأحماض الأمينية المعتادة ومع الببتيدات المعدلة كيميائياً، وتجمع عدة اختبارات تنبؤية كانت موزعة بين أدوات مختلفة.

لماذا تفشل أفكار دوائية تبدو ممتازة؟

الببتيدات سلاسل قصيرة من الأحماض الأمينية. وهي أصغر من الأجسام المضادة، لكنها تستطيع الارتباط بأهداف حيوية قد يصعب الوصول إليها بالأدوية التقليدية. وقد زاد نجاح بعض الأدوية الببتيدية، ومنها علاجات ضمن فئة GLP-1، الاهتمام بهذا المجال.

لكن الوصول إلى جزيء يرتبط بالهدف المرضي لا يكفي. يجب أن يبقى مستقراً، ويتحرك داخل الجسم بالطريقة المطلوبة، وألا يكون ساماً، وأن يكون قابلاً للتصنيع. أما اختبار كل الاحتمالات عملياً فغير ممكن بسبب العدد الهائل من التركيبات المحتملة.

ماذا تفعل المنصة فعلياً؟

تجمع PeptiVerse بيانات تجريبية منظمة مع عدة نماذج لتعلم الآلة (Machine Learning). يستطيع الباحث إدخال تسلسل ببتيدي عادي، أو وصف بنية معدلة كيميائياً باستخدام نظام كتابة الجزيئات (SMILES). ثم تقدر المنصة خصائص مثل الذوبان، والقدرة على دخول الخلايا، والسمية، وإتلاف خلايا الدم، والاستقرار داخل الجسم، وقوة الارتباط بالهدف.

لم يفترض الفريق أن نموذجاً واحداً سيتفوق في كل مهمة. لذلك قارن عدة أساليب واختار نموذجاً مناسباً لكل خاصية. وتتيح الواجهة أيضاً الاطلاع على بيانات التدريب، حتى يعرف المستخدم إن كان الجزيء المقترح قريباً مما شاهدته المنصة سابقاً أم بعيداً عنه.

تتوفر الأداة عبر واجهة سهلة، كما نُشرت برمجياتها ومكوناتها للاستخدام والتطوير. وهذا مهم للمختبرات الأكاديمية الصغيرة التي لا تملك موارد لبناء مجموعة أدوات تنبؤ منفصلة.

الفائدة الحقيقية ليست إلغاء المختبر

الاستخدام الأقرب هو ترتيب الأولويات. بدلاً من تصنيع عشرات المرشحين، يستطيع الباحثون تقييمهم رقمياً واختيار قائمة أقصر للاختبار. التجربة لا تختفي، لكن الإنفاق عليها يصبح أكثر تركيزاً.

أما الاحتمال الأكثر طموحاً فهو ربط المنصة بالذكاء الاصطناعي التوليدي. يقترح نموذج جزيئات جديدة، ثم تقيم PeptiVerse خصائصها، ويعيد النموذج البحث وفق النتائج. بهذه الطريقة لا يكتفي النظام بابتكار جزيء يبدو منطقياً، بل يحاول موازنة عدة شروط عملية في الوقت نفسه.

ويسمح نشر الأداة بصورة مفتوحة لباحثين مستقلين باختبارها وتعديلها وإضافة بيانات جديدة. الانفتاح لا يضمن الدقة، لكنه يجعل كشف الأخطاء وتحسين الأداء أكثر سهولة.

الاختبار الحاسم يبدأ الآن

سيكون الدليل الأقوى اختباراً استباقياً: تستخدم فرق مستقلة المنصة لاختيار مرشحين، ثم تصنعهم وتقارن نتائج المختبر بالتوقعات. كما يمكن لبيانات جديدة أن توسع قدراتها لتقدير ما إذا كان الببتيد ينشط مستقبلاً حيوياً أو يثبطه.

لا تستبدل PeptiVerse عملية اكتشاف الدواء. قيمتها الأكثر واقعية أنها بوابة فرز ذكية، تساعد العلماء على اختبار رهانات أفضل والتعلم بسرعة أكبر عندما تخطئ الخوارزمية.