علماء يطورون نموذج ذكاء اصطناعي جديد للطي البروتيني
كشف باحثون عن نظام ذكاء اصطناعي رائد يتنبأ بهياكل البروتين بدقة غير مسبوقة. النموذج، المدرب على مجموعات بيانات هائلة، قد يحدث ثورة في اكتشاف الأدوية والتكنولوجيا الحيوية. هذا التقدم يبني على أعمال سابقة في علم الأحياء الحاسوبي.
في إعلان حديث، قدم فريق من العلماء نموذج ذكاء اصطناعي متقدم مصمم لحل التحدي الطويل الأمد للطي البروتيني. يشير الطي البروتيني إلى العملية التي تتبعها البروتينات، وهي اللبنات الأساسية للحياة، لتكتسب أشكالها ثلاثية الأبعاد الوظيفية من سلاسل أحماض أمينية خطية. فهم هذه العملية أمر حاسم لمجالات مثل الطب والهندسة، حيث تُتهم البروتينات المطوية بشكل خاطئ في أمراض مثل الزهايمر وباركنسون.
النموذج الجديد، المسمى AlphaFold 3، طوره باحثون في DeepMind، وهي شركة تابعة لشركة Alphabet Inc. يحقق دقة تزيد عن 90% في التنبؤ بهياكل مجموعة واسعة من البروتينات، بما في ذلك تلك التي تتفاعل مع الـDNA والـRNA وغيرها من الجزيئات. 'هذا قفزة كبيرة إلى الأمام، تمكننا من نمذجة التفاعلات البيوموليكولارية المعقدة التي كانت غير قابلة للحل سابقًا'، قال ديميس هاسابيس، الرئيس التنفيذي لديب مايند، في بيان.
تُرجع خط زمن التنمية إلى عام 2018، عندما فاز AlphaFold الأولي لديب مايند بمسابقة التقييم الحرج للتنبؤ بالهيكل (CASP). الإصدارات اللاحقة حسنت الدقة، مع إصدار AlphaFold 2 في عام 2020، مما جعل التنبؤات متاحة للمجتمع العلمي العالمي عبر قاعدة بيانات عامة. الإصدار الأحدث يوسع القدرات لتشمل الليغاندات والتعديلات، معالجًا الفجوات في النماذج السابقة.
يبرز السياق الخلفي أهمية هذا العمل. الطرق التجريبية التقليدية، مثل بلوريات الأشعة السينية، تستهلك الوقت ومكلفة، وغالبًا ما تستغرق سنوات. التنبؤات المدفوعة بالذكاء الاصطناعي تسرع البحث؛ على سبيل المثال، خلال جائحة كوفيد-19، ساعد AlphaFold في تحديد أهداف محتملة للأدوية. تم تدريب النموذج على بيانات من بنك بيانات البروتين، الذي يحتوي على أكثر من 200,000 هيكل محدد تجريبيًا.
الآثار بعيدة المدى. في اكتشاف الأدوية، يمكن لنموذج البروتين الأسرع تقليص جداول الزمن التنموية من 10-15 عامًا إلى أشهر فقط، مما قد يؤدي إلى علاجات جديدة للسرطانات والأمراض المعدية. ومع ذلك، تنشأ اعتبارات أخلاقية، بما في ذلك خصوصية البيانات في البحث الجينومي والوصول العادل إلى التكنولوجيا. التزمت DeepMind بفتح مصدر أجزاء من النموذج لتعزيز التعاون.
بينما يثني المجتمع العلمي على الابتكار، يشير بعض الخبراء إلى قيود، مثل التحديات مع البروتينات المضطربة داخليًا. بشكل عام، يمثل هذا التنمية لحظة محورية في علم الأحياء الحاسوبي، واعدًا بفتح حدود جديدة في الصحة وما بعدها.