اجتمع أكثر من 300 باحث وممثل عن الصناعة في مجال الذكاء الاصطناعي والطب في ورشة عمل BoltzGen، التي أقيمت في عيادة عبد اللطيف جميل للتعلم الآلي في الرعاية الصحية (MIT Jameel Clinic). وكان المتحدث الرئيسي هو هانس ستورك، طالب الدراسات العليا في معهد ماساتشوستس للتكنولوجيا، الذي قدم BoltzGen، وهو نموذج جديد لتصميم البروتين تم الإعلان عنه رسميًا قبل أيام قليلة من الحدث.

يعتمد BoltzGen على نموذج Boltz-2، وهو نظام مفتوح يمكنه التنبؤ ببنية البروتينات وقدرتها على التفاعل مع الجزيئات الأخرى. لكن النموذج الجديد يذهب إلى أبعد من ذلك: فهو لا يقوم بتحليل البروتينات فحسب، بل يقوم أيضًا بتحليلها قادر على إنشاء متغيرات جديدة يمكنها الارتباط فورًا بجزيئات معينة ومناسبة للعمل المختبري الحقيقي في تطوير الأدوية. نتائج البحث متاحة على خادم الطباعة المسبقة com.bioRxiv.

ثلاثة ابتكارات رئيسية

يجمع BoltzGen بين العديد من الأساليب المبتكرة.

• أولاً، يحل النموذج مشكلتين في الوقت نفسه – تصميم البروتينات والتنبؤ ببنيتها – مع الحفاظ على الدقة العالية.
• ثانيًا، يأخذ في الاعتبار التعليقات الواردة من المختبرات الرطبة – وهي مختبرات تجريبية حقيقية حيث يتم تصنيع البروتينات واختبارها ودراسة خصائصها. بفضل هذا، يقوم BoltzGen بإنشاء بروتينات لا تبدو معقولة في النموذج فحسب، بل تتوافق أيضًا مع قوانين الفيزياء والكيمياء في الظروف الحقيقية.
• ثالثًا، يتم اختبار BoltzGen على البروتينات التي لا توجد لها هياكل معروفة أو بيانات ملزمة. يوضح هذا مدى تنوع النموذج وإلى أي مدى يمكن أن يصل في إنشاء متغيرات جديدة غير معروفة سابقًا

يوضح ستيرك: “كانت هناك نماذج حاولت حل مشكلة تصميم البروتينات المرتبطة، لكنها كانت مرتبطة بطريقة محددة. النموذج العام لا يسمح لك بحل المزيد من المشاكل فحسب، بل يحسن أيضًا جودة العمل لكل مشكلة على حدة لأنه يتعلم الأنماط الفيزيائية من أمثلة أكثر تنوعًا”.

كيف يعمل النموذج

يستخدم BoltzGen نهجًا مشابهًا للتعلم بالقدوة: فهو يحلل الآلاف من هياكل البروتين والتفاعلات المرتبطة، ويحدد الأنماط، ثم يطبقها لإنشاء بروتينات جديدة. يأخذ النموذج في الاعتبار القوى الفيزيائية والهندسة الجزيئية والخصائص الكيميائية للأحماض الأمينية. يؤدي هذا إلى إنشاء بروتينات لا ترتبط “نظريًا” بالأهداف فحسب، بل من المحتمل أيضًا أن تظل مستقرة وفعالة في المختبر.

خصوصيتها هي أنها قادرة على تجاوز بيانات التدريب المعتادة. وكما يستطيع أي شخص أن يحل مشكلة ما بالاعتماد على خبرته في مجالات أخرى، فإن النموذج يولد بروتينات جديدة حتى للأهداف المعقدة وغير المفهومة.

كيفية التحقق من الأداء

ولاختبار مدى تنوع وموثوقية BoltzGen، اختبره الباحثون على 26 موضوعًا متنوعًا، بدءًا من الحالات ذات الصلة العلاجية إلى الحالات الصعبة عمدًا. تم إجراء الاختبار في ثمانية مختبرات، تجمع بين الإعدادات الأكاديمية والصناعية، لتقييم مدى مطابقة نتائج النموذج للنشاط البيولوجي الفعلي.

وأشارت شركة Parabilis Medicines، إحدى الشركات الشريكة، إلى ما يلي:

“إن دمج BoltzGen في منصة الببتيد الهليكون الخاصة بنا سيؤدي إلى تسريع اكتشاف الأدوية المتطورة لعلاج الأمراض الرئيسية.”

تم اختبار BoltzGen ليس فقط في المهام المعملية القياسية. وكانت العديد من أهداف الاختبار عبارة عن أنواع من البروتينات التي تلعب دورًا رئيسيًا في الأمراض التي لا تزال تعتبر صعبة العلاج. عادة لا تتناسب هذه الأهداف بشكل جيد مع تصميم البروتين الكلاسيكي بسبب نقص البيانات الهيكلية أو عدم استقرار مجمعات البروتين، لكن النموذج كان قادرًا على توفير خيارات عملية لجزيئات الربط. وهذا يدل على قدرة التكنولوجيا على حل المشاكل التي كانت تعتبر لسنوات عديدة بعيدة المنال.

التأثير على الصناعة

إن الإصدار مفتوح المصدر لـ Boltz-1 وBoltz-2 والآن BoltzGen يفتح إمكانيات جديدة ويزيد من الشفافية في تطوير الأدوية. وفي الوقت نفسه، فإنه يعطي وقفة للشركات التي تقدم البروتينات كمنتج تجاري.

“لقد تم تقليل الوقت من التطوير المغلق إلى الإصدار المفتوح، وهذا يؤثر على العائد على الاستثمار. إذا ظهرت نسخة مجانية بعد أشهر، فسوف يتعين على الشركات تكييف نماذج أعمالها،” كما يشير جاستن جريس من LabGenius.

المنظور الأكاديمي

يقوم BoltzGen بتوسيع قدرات البحث العلمي. يؤكد تومي جاكولا، المؤلف المشارك الأول، على أن المصدر المفتوح يسمح للمجتمع العلمي بأكمله بتسريع عملية تطوير الأدوية وتبادل المعرفة دون تكرار الجهود.

تقول البروفيسورة ريجينا بارزيلاي، من معهد ماساتشوستس للتكنولوجيا، ورئيسة قسم الذكاء الاصطناعي في عيادة جميل: “كثيرًا ما يتساءل الطلاب كيف يمكن للذكاء الاصطناعي تغيير النهج المتبع في العلاج. والمفتاح هو التركيز على المشكلات التي لم يتم حلها، وهذا ما يميز BoltzGen”.

مستقبل التصميم الجزيئي الحيوي

يؤكد ستيرك على أن BoltzGen يمكن أن يؤثر بشكل خاص على تطوير علاجات ضد الأمراض التي لا توجد أدوية فعالة لها حاليًا.

ويقول: “أريد إنشاء أدوات تساعد في علاج الأمراض التي تعتبر غير قابلة للشفاء، والعمل مع الأنظمة الجزيئية التي لم يكن بوسعنا حتى أن نتخيلها من قبل”.

يمكن أن يكون BoltzGen حافزًا لمرحلة جديدة من تطوير الأدوية، حيث لا تساعد خوارزميات الذكاء الاصطناعي في التنبؤ بالبنية فحسب، بل تصمم الجزيئات بشكل فعال مع احتمال كبير للنجاح. وهذا يمهد الطريق لتسريع توافر العلاجات للأمراض المعقدة، بما في ذلك الحالات النادرة والتي يصعب علاجها.