لقد تصدَّرت منصات الذكاء الاصطناعي التوليدي – من ChatGPT إلى  Midjourney – العناوين الرئيسية عام 2023.  ولكن، يستطيع الذكاء الاصطناعي التوليدي القيام بما هو أكثر من مجرد إنشاء بعض من الصورٍ المُجمعَة، أو تقديم المساعدة في كتابة رسائل البريد الإلكتروني؛ إذ يمكنه أيضًا تصميم عقاقير جديدة لعلاج الأمراض.

يستخدم العلماء حاليًا تقنية متقدمة لتصميم مركبات كيميائية اصطناعية جديدة تتوفر بها الخصائص والصفات الملائمة، والمعروفة أيضًا باسم “تقنية دي نوفو لتصميم الأدوية”. مع ذلك، قد تستغرق الوسائل المستخدمة حاليًا وقتًا أطول مع الاستعانة بأيدي عاملة أكثر وبتكلفة أعلى.

لذلك، وبدافع من شعبية ChatGPT، و التفكير فيما إذا كان هذا النهج يمكن أن يسرِّع من عملية تصميم الدواء؛ قرر العلماء في كلية Schmid للعلوم والتكنولوجيا بجامعة تشابمان في أورانج، كاليفورنيا، إنشاء نموذج الذكاء الاصطناعي التوليدي الخاص بهم، كما ورد بالتفصيل في ورقة بحثية جديدة   نُشرَت في دورية  Pharmaceuticals بعنوان ” تقنية دي نوفو لتصميم الأدوية باستخدام ترجمة الآلة القائمة على المحولات، والتعلم المعزز بطريقة بحث شجرة مونت كارلو التكيُّفيَة” (تُستخدم طريقة بحث مونت كارلو لحل مشاكل الاحتمالات، وتحديد القيم الأمثل في القرارات)، فقام كل من دوني أنج، وكيريل راكوفسكي، وهاجوب أتاميان ببرمجة نموذج للذكاء الاصطناعي لتدريبه على مجموعة ضخمة من البيانات الخاصة بمواد كيميائية معروفة، وكيف ترتبط هذه المواد بالبروتينات المُستهدفة، والأسس والبِنَى التي تقوم عليها التراكيب والخصائص الكيميائية على نطاق واسع.

كانت النتيجة النهائية هي القدرة على إنتاج عدد لا حصر له من البِنَى الجزيئية الفريدة التي تتبع القواعد الكيميائية والحيوية الأساسية، وتستطيع أن تتَّحِد بشكل فعَّال مع أهدافها؛ مما يعد بتسريع عملية تحديد الأدوية المُرشَّحة الصالحة لمواجهة مجموعة واسعة من الأمراض، وبتكلفة اقل.

قام الباحثون لإنشاء هذا النموذج المبتكر، بدمج تقنيتين متطورتين ومعروفتين جيدًا من تقنيات الذكاء الاصطناعي، وذلك لأول مرة في مجالَيّ المعلوماتية الحيوية والمعلوماتية الكيميائية، وهما: ” بنية محوِّل المُشَفِّر وفاكّ الشيفرة” و”التعلم المعزز بطريقة بحث شجرة مونت كارلو” (RL-MCTS).

تسمح المنصة، التي أُطلِقَ عليها اسم “drugAI”، للمستخدمين بإدخال تسلسل لبروتين مستهدف بعينه (على سبيل المثال، بروتين يشارك في نمو الخلايا السرطانية عادةً)، ثم تقوم المنصة ( DrugAI) المُدَرَّبة على بيانات من قاعدة البيانات الشاملة العامة BindingDB (قاعدة بيانات عامة للتعرُّف الجزيئي)، بإنتاج بِنَى جزيئية فريدة من الصفر، ثم تصفية المُرشَّحين بشكل متكرر، مما يضمن أن المرشحين الذين يصلون إلى المرحلة النهائية يُظهرون قدرات قوية للارتباط بالبروتين المستهدف، وهو أمر ضروري لضمان فاعلية الأدوية المنتظَر إنتاجُها. يحدد النموذج من 50 إلى 100 جزئ جديد من المحتمل أن يثبط هذا البروتين خاصةً.

وقال الدكتور أتاميان: “يتيح لنا هذا النهج إمكانية إنتاج دواء لم يتم ابتكاره من قبل، لقد تم اختبار النموذج والتأكد من نجاحه، والآن نرى نتائج رائعة”.

قام الباحثون بتقييم الجزيئات التي أنشأتها drugAI وفقًا لعدة معايير، ووجدوا أنها كانت مماثلة في الجودة لتلك التي تم الحصول عليها من اثنتين من الطرق الشائعة الأخرى، وفي بعض الحالات كانت أفضل، كما وجدوا أن أدوية drugAI المرشحة صالحة بمعدل 100% – بمعنى أنه لم يكن أي من الأدوية التي تم إنشاؤها موجودًا في مجموعة التدريب.

كذلك قُيِّمَت الأدوية المرشحة من حيث التشابُه الدوائي، أو التشابُه بين خصائص المُركَّب ومثيلاتها في الأدوية الفموية، فظهرت الأدوية المرشحة أعلى من النموذجَين الأُخرَيين بنسبة 42% و 75% على الأقل.  بالإضافة إلى ذلك، أظهرت جميع الجزيئات التي أنشأها الذكاء الاصطناعي قدرات قوية للارتباط بالبروتينات المستهدفة، مما يضاهي تلك التي تم تحديدها من خلال استخدام طريقة الترشيح الإلكتروني التقليدي.

وأراد فريق البحث: أنج وراكوفسكي وأتاميان، معرفة تأثير الأدوية التي أنشأها الذكاء الاصطناعي في مرض معين مقارنةً بتأثير الأدوية المعروفة والموجودة في ذات المرض، ففي تجربة مختلفة، أنشأت طرق الترشيح قائمة بالمنتجات الطبيعية المعروفة بقدرتها على تثبيط بروتينات فيروس كوفيد – 19، وأنشأ الذكاء الاصطناعي قائمة بأدوية جديدة تستهدف نفس البروتينات لمقارنة خصائصها. وقاموا بإجراء مقارنة بين الجزيئات الطبيعية والجزيئات التي أنشأها الذكاء الاصطناعي من حيث التشابه الدوائي، وقدرتها على الارتباط مع البروتينات المستهدفة، وكانت النتائج متشابهة في الحالتين. لكن، تميَّزالذكاء الاصطناعي بأنه كان قادرًا على إتمام العمل بشكل أسرع وبتكلفة أقل.

علاوةً على ذلك، صمم العلماء الخوارزمية (مجموعة التعليمات التي تحدد كيفية تنفيذ المهمة) ليكون لها بنية مرنة تسمح للباحثين في المستقبل بإضافة مهام جديدة لها. وقال الدكتور أتاميان: “هذا يعني أنك ستصل إلى أدوية مرشحة بصورة أكثر دقة، وباحتمالية أكبر للوصول إلى دواء حقيقي، فنحن متحمسون لإمكانية المضي قدمًا”.

المصدر: https://medicalxpress.com

ترجمة: سوزان خريصة

مراجعة وتدقيق: زينب محمد