علماء يبرمجون ChatGPT لتصميم مركّبات دوائية جديدة

لاقت منصات الذكاء الاصطناعي التوليدي GenAI مثل ChatGPT وMidjourney اهتمامًا كبيرًا في عام 2023، ولكن يمكن للذكاء الاصطناعي أن يفعل أكثر من إنشاء مجموعة صور والمساعدة في كتابة الرسائل الإلكترونية، فهو قادر أيضًا على تصميم أدوية جديدة لعلاج الأمراض.

يستخدم العلماء اليوم التكنولوجيا المتقدمة لتصميم مركّبات دوائية اصطناعية جديدة بالخصائص والسمات المناسبة، والمعروفة أيضًا باسم “تصميم الدواء من البداية أو de novo”، ويشير إلى عملية تصميم وتطوير دواء جديد دون الاعتماد على أي بنية أو معلومات سابقة. في هذه العملية، تُستخدَم التقنيات والأدوات المتقدمة لتصميم جزيئات دوائية جديدة تستهدف مركبات معينة في الجسم بطريقة فعالة وآمنة.

ولا ننسى أن نضع في الاعتبار أن الطرق الحالية يمكن أن تكون مكلفة من حيث التكلفة والوقت.

بدأ العلماء في كلية شميد للعلوم والتكنولوجيا في جامعة تشابمان في أورانج، كاليفورنيا، الاستفادةَ من شعبية ChatGPT، والتساؤل عما إذا كان هذا الأسلوب يمكن أن يسرع عملية تصميم الدواء. فقرروا إنشاء نموذج GenAI الخاص بهم، وقد فصّلوه في الورقة البحثية الجديدة بعنوان “تصميم الدواء من البداية باستخدام ترجمة آلية مبنية على التحول والتعلم التعزيزي من خلال بحث شجرة مونتي كارلو التكيفي” (خوارزمية بحث تستخدم في الذكاء الاصطناعي لاستكشاف الخيارات واتخاذ القرارات بشكل تكيفي)، والتي ستنشر في مجلة Pharmaceuticals. فقد برمجَ دوني آنغ وسيريل راكوفسكي وهاغوب أتاميان نموذجًا لتعلم مجموعة ضخمة من بيانات المواد الكيميائية المعروفة، وكيفية ربطها بالبروتينات المستهدفة، وقواعد وصيغ الهيكل الكيميائي وخصائصه بشكل عام.

أسفرت النتائج النهائية عن إنشاء هياكل جزيئية فريدة بلا حصر، تتبع القيود الكيميائية والبيولوجية الأساسية وترتبط بشكل فعال بأهدافها، مما يَعِد بتسريع عملية تحديد مرشحات الأدوية المحتملة لمجموعة واسعة من الأمراض، بجزء بسيط من التكلفة.

دمج الباحثون تقنيتين متقدمتين في مجالي المعلوماتية الحيوية والمعلوماتية الكيميائية لأول مرة بهدف إنشاء نموذج مبتكر. تقنيات الذكاء الاصطناعي المستخدمة هي: بنية التحويل المشفر-فك التشفير، والتعلم التعزيزي عبر البحث في شجرة مونتي كارلو (RL-MCTS). سميت المنصة باسم “drugAI”، وهي تتيح للمستخدمين إدخال تسلسل بروتين مستهدف (على سبيل المثال، بروتين مشارك عادة في تقدم السرطان). دُرّبَت drugAI على البيانات من قاعدة البيانات العامة BindingDB، ويمكنها توليد هياكل جزيئية فريدة من الصفر، ثم تحسين الاحتمالات بشكل تدريجي، وتضمن أن الاحتمالات النهائية تظهر تلاؤمًا قويًا مع أهداف العقاقير، وهو أمر حاسم لفاعلية العقاقير المُنشأة. ويحدد النموذج 50-100 جزيئًا جديدًا قادرًا على تثبيط بروتينات معينة.

قال الدكتور أتاميان: «تتيح لنا هذه الطريقة توليد عقار محتمل لم يسبق أن تصورناه. لقد اختبر وتحققنا من صحته. الآن، نرى نتائج رائعة».

قيّم الباحثون الجزيئات التي أنشأها drugAI فوجدوا أن نتائج drugAI كانت ذات جودة مماثلة لتلك الناتجة عن الطرق الشائعة، وفي بعض الحالات كانت أفضل. كما أن عقاقير drugAI كان لديها معدل صلاحية بنسبة 100% مما يعني عدم وجود أي من العقاقير التي أنشئت في المجموعة التي دُرّب النموذج عليها. كانت عقاقير drugAI المُوَلَّدة أيضًا تخضع لقياس التشابه (درجة التشابه بين مركب كيميائي معين والصفات المرغوبة في دواء مثل الذوبانية، الاستقرار الكيميائي)، أو تشابه خصائص المركب مع تلك العقاقير الفموية، وكانت عقاقير المرشحة على الأقل 42% و75% أعلى من النماذج الأخرى. بالإضافة إلى ذلك، كانت جميع الجزيئات المولدة بواسطة drugAI تظهر تلازمًا قويًا مع الأهداف المعنية، مقارنة بتلك المنشأة عبر الطرق التقليدية للفحص الافتراضي.

رغب أنغ وراكوفسكي وأتاميان أيضًا في رؤية كيفية تفاوت نتائج drugAI لمرض معين مقارنة بالأدوية المعروفة الموجودة بالفعل لهذا المرض. في تجربة مختلفة، أنشأت طرق الفحص قائمة من المنتجات الطبيعية التي تثبط بروتينات COVID-19؛ وأنشأت drugAI قائمة من الأدوية الجديدة التي تستهدف نفس البروتين لمقارنة خصائصها. قارنوا ملاءمة الدواء وقوة الربط بين الجزيئات الطبيعية وdrugAI، ووجدوا قياسات مماثلة في كليهما، ولكن كان بإمكان drugAI تحديد ذلك بطريقة أسرع وأقل تكلفة.

بالإضافة إلى ذلك، صمم العلماء الخوارزمية ببنية مرنة تسمح للباحثين المستقبليين بإضافة مهام جديدة. وقال الدكتور أتاميان: «هذا يعني أنك ستنتهي باحتمالات لأدوية متناسبة بشكل أفضل، مع احتمالية أعلى لأن تصبح أدوية مُصرّحًا بها»، «نحن متحمسون للإمكانيات التي ستتاح مستقبلًا».