يبلغ عمر AlphaFold خمس سنوات، وتُظهر هذه المخططات كيف أحدث ثورة في العلوم

منذ ما يقرب من عقد من الزمن، تحاول أندريا باولي، عالمة الكيمياء الحيوية في معهد أبحاث علم الأمراض الجزيئية في فيينا، معرفة كيفية اتحاد الحيوانات المنوية والبويضة معًا.

وفي عام 2018، اكتشف مختبرها بروتينًا على سطح سمك الزرد (الدنمارك ريريو) البيض، ويسمى الحارس، وهو ضروري للتخصيب. لكن فريق باولي وآخرين ناضلوا لإظهار كيفية تعرف باونسر على خلايا الحيوانات المنوية. ثم حدثت ثورة.

يكشف AlphaFold عن كيفية ارتباط الحيوانات المنوية بالبويضة بالتفاصيل الحميمة

قبل خمس سنوات، في أواخر نوفمبر 2020، كشف الباحثون في Google DeepMind ومقرها لندن عن AlphaFold2. أنتجت أداة الذكاء الاصطناعي للتنبؤ بهياكل البروتين نماذج ثلاثية الأبعاد دقيقة بشكل مذهل، والتي كان، في بعض الحالات، لا يمكن تمييزها عن الخرائط التجريبية. السيطرة على تحدي التنبؤ بالهيكل طويل الأمد. تم الإعلان عن الإصدار الأول من AlphaFold في عام 2018، لكن توقعاته لم تكن جيدة تقريبًا مثل سابقته، مما حد من تأثيره.

2021 إطلاق كود AlphaFold2 و أ قاعدة البيانات التي تضخمت إلى مئات الملايين من الهياكل المتوقعة تعني أن العلماء يمكنهم الآن الحصول على تنبؤ موثوق به تقريبا أي بروتين.

تقول جانيت ثورنتون، اختصاصية المعلومات الحيوية في المعهد الأوروبي للمعلوماتية الحيوية في هينكستون بالمملكة المتحدة، وهو جزء من المختبر الأوروبي للبيولوجيا الجزيئية (EMBL-EBI): “إن وجود نماذج لأي شيء كان له تأثير هائل”. “إنه مثل المجيء الثاني للبيولوجيا الهيكلية.”

اكتشاف سريع

بالنسبة لفريق باولي، سلط البرنامج الضوء على مسار ربما لم يكن من الممكن أن يجدوه على الإطلاق. تنبأ النموذج بأن البروتين المسمى Tmem81، يعمل على تثبيت مركب من اثنين آخرين من بروتينات الحيوانات المنوية، مما يخلق جيبًا لـ Bouncer للارتباط به.¹. التجارب دعم تنبؤات الأداة. يقول باولي إن AlphaFold “يُسرّع عملية الاكتشاف”. “نحن نستخدمها في كل مشروع.”

إن الورقة البحثية التي أعدها فريقها حول هذا الأمر، والتي نُشرت في عام 2024، هي واحدة من حوالي 40.000 مقالة صحفية تستشهد بتوقعات عام 2021. طبيعة ورقة تصف AlphaFold2². على عكس العديد من الأبحاث الأخرى التي تم الاستشهاد بها كثيرًا في علوم الحياة والطبية الحيوية من نفس الفترة، بما في ذلك التقارير الأساسية حول جائحة كوفيد-19، لا يبدو أن الاهتمام بـ AlphaFold يتباطأ (انظر “ذروة الاستشهادات”).

DeepMind’s John Jumper – الذي شارك نصف جائزة نوبل في الكيمياء 2024 مع الرئيس التنفيذي ديميس هاسابيس لتطوير AlphaFold – يقول إنه “فخور بشدة” بمدى فائدة الأداة لعلماء مثل باولي. “متى سيفوز شخص ما بإحدى هذه الجوائز الكبرى لأنه استخدم AlphaFold؟” يتساءل.

يقول الباحثون إن جزءًا من التأثير السريع لـ AlphaFold2 يرجع إلى إمكانية الوصول إليه. لقد جعل Google DeepMind الكود الأساسي والمعلمات الأخرى متاحة مجانًا للعلماء، وسرعان ما أصبح من الممكن لهم تشغيل البرنامج بأنفسهم على نطاق واسع: وهذا ما فعله فريق باولي.

وقد تمكن نحو 3.3 مليون مستخدم في أكثر من 190 دولة من الوصول إلى قاعدة بيانات AlphaFold (AFDB)، التي يستضيفها EMBL-EBI، وتحتوي على أكثر من 240 مليون تنبؤ بنيوي، تشمل معظم البروتينات المعروفة. ويأتي أكثر من مليون مستخدم لبنك التنمية الأفريقي من بلدان منخفضة ومتوسطة الدخل، بما في ذلك الصين والهند (انظر: “النداء العالمي”).

ثورة بنية البروتين

المجال الذي يبدو أن AlphaFold قد أحدث تأثيره الأكبر هو علم الأحياء الهيكلي. أرسل الباحثون الذين استخدموا AlphaFold حوالي 50٪ من هياكل البروتين إلى مستودع النماذج التجريبية، المسمى بنك بيانات البروتين (PDB)، مقارنةً بـ “خط الأساس” الذي لا يستخدم AlphaFold للباحثين في البيولوجيا البنيوية، وجد مركزًا ممولًا من Google DeepMind دراسة تأثيرات AlphaFold صدر هذا الأسبوع. ارتبط استخدام AlphaFold2 أيضًا بمعدلات أعلى من عمليات تقديم PDB مقارنةً بالباحثين الذين يستخدمون طرقًا “حدودية” أخرى في الذكاء الاصطناعي، والبيولوجيا الهيكلية، والتنبؤ ببنية البروتين (انظر: “تراكم البروتين”).

يقول جامبر إنه سعيد بشكل خاص بتدريب AlphaFold2 باستخدام بيانات PDB — لقد أثبت أنه مفيد جدًا في استنتاج هياكل البروتين. يمكن للهياكل المتوقعة أن تساعد الباحثين على فهم البيانات الأولية الناتجة عن علم البلورات بالأشعة السينية والمجهر الإلكتروني بالتبريد. ويضيف جامبر: “أحب أن يساعد الأشخاص الذين قدموا لنا البيانات”.