افتح ملخص المحرر مجانًا
رولا خلف، محررة الفايننشال تايمز، تختار قصصها المفضلة في هذه النشرة الأسبوعية.
كشفت شركة Google DeepMind عن نموذج ذكاء اصطناعي لعناصر بناء الحياة وتفاعلاتها داخل الخلايا، مما يعزز الجهود الرامية إلى كشف أسرار الأمراض وإيجاد علاجات لحالات مثل السرطان.
يقدم AlphaFold 3، وهو الجيل الثالث من التكنولوجيا التي تم تطويرها في البداية في عام 2018، التنبؤات الأكثر تطورًا حتى الآن حول كيفية ظهور الهياكل البيولوجية الصغيرة واختلاطها، وفقًا لورقة بحثية نُشرت في مجلة Nature يوم الأربعاء.
يعد النموذج، الذي تم تطويره بالتعاون مع شركة Isomorphic Labs المنفصلة عن شركة DeepMind، أحدث علامة بارزة في السعي لتطبيق القوة التنبؤية للذكاء الاصطناعي لتحسين فهم آليات الحياة المصغرة وكيف تسوء.
قال السير ديميس هاسابيس، الرئيس التنفيذي والمؤسس المشارك لشركة DeepMind: “إن علم الأحياء نظام ديناميكي وعليك أن تفهم كيف تظهر خصائص علم الأحياء من خلال التفاعل بين الجزيئات المختلفة في الخلايا”. “ويمكنك اعتبار AlphaFold 3 بمثابة خطوتنا الكبيرة الأولى نحو ذلك.”
يوسع التحديث التكنولوجي نطاقه البيولوجي إلى ما هو أبعد من البروتينات التي سبق تحليلها، مما يوفر رؤية أكثر ثراءً للشبكات الكيميائية الحيوية التي تجعل الكائنات الحية تعمل. ويغطي النموذج الشفرة الوراثية DNA وRNA بالإضافة إلى الروابط، وهي جزيئات ترتبط بالآخرين ويمكن أن تكون علامات مهمة للمرض.
قال ماكس جاديربيرج، كبير مسؤولي الذكاء الاصطناعي في Isomorphic Labs، إن قدرات AlphaFold 3 تفتح فرصًا جديدة للباحثين للتعرف بسرعة على جزيئات الأدوية الجديدة المحتملة. لدى Isomorphic Labs شراكات مع شركات الأدوية Eli Lilly وNovartis.
وقال جاديربيرج: “يسمح ذلك لعلمائنا ومصممي الأدوية لدينا بإنشاء واختبار الفرضيات على المستوى الذري، ثم في غضون ثوانٍ إنتاج تنبؤات هيكلية دقيقة للغاية باستخدام AlphaFold 3”. “يتم مقارنة هذا بالأشهر أو حتى السنوات التي قد يستغرقها القيام بذلك تجريبيا.”
وتقول الورقة البحثية إن AlphaFold 3 يُظهر دقة تنبؤية “محسنة بشكل كبير” مقارنة بالعديد من الأدوات المتخصصة الحالية بما في ذلك تلك المستندة إلى سابقاتها. ويضيف البحث أنه يوضح أن تطوير أطر التعلم العميق المناسبة للذكاء الاصطناعي يمكن أن يقلل بشكل كبير من كمية البيانات اللازمة للحصول على “أداء ذي صلة بيولوجيًا”.
قال جون جمبر، قائد فريق AlphaFold في DeepMind، الذي أشار إلى إمكانات هذه التقنية لتحسين المعرفة ببيولوجيا النبات وبالتالي الأمن الغذائي: “إننا نشهد تحسينات مذهلة حقًا نعتقد أنها ستفتح الكثير من العلوم الجديدة”. “لقد بدأنا بالفعل نرى علماء الأحياء والمختبرين الأوائل يستخدمون هذا لفهم كيفية عمل الخلية – والبدء في التفكير في كيفية حدوث خطأ عندما تكون في حالات مرضية.”
ستظل الجزيئات التي يقترحها AlphaFold 3 بحاجة إلى التحقق من صحتها تجريبيًا وخوض العملية العادية للتجارب السريرية. تقول DeepMind إنها تجعل غالبية وظائف AlphaFold 3 متاحة من خلال خادم سيكون الوصول إليه مجانيًا للمستخدمين الأكاديميين غير التجاريين.
تشير دراسة أجرتها مجموعة بوسطن الاستشارية نشرت هذا الأسبوع إلى أن الأدوية التي اكتشفها الذكاء الاصطناعي حققت معدل نجاح أعلى في التجارب المبكرة مقارنة بتلك المكتشفة بالطرق الأخرى. وفي إشارة إلى أن البيانات كانت بمثابة تحليل مبكر لفعالية التكنولوجيا في اكتشاف الأدوية، قال الباحثون إن الذكاء الاصطناعي يمكن أن يضاعف إنتاجية البحث والتطوير في مجال الأدوية.
قال جوليان بيرجيرون، عالم الأحياء البنيوية في كينجز كوليدج لندن، الذي لم يشارك في تطوير AlphaFold 3 ولكنه كان مستخدمًا تجريبيًا له، إن الخادم يَعِد بتغيير الطريقة التي يجري بها الأشخاص التجارب.
وقال: “يمكننا البدء في اختبار الفرضيات حتى قبل أن نذهب إلى المختبر”. “سيكون هذا تحويلاً حقيقياً.”
تشمل القيود التي يواجهها AlphaFold 3 صعوبات في التعامل بشكل كامل مع الجزيئات اللامركزية – أو الجزيئات ذات الصورة المرآة – بالإضافة إلى “الهلوسة” الخاصة بـ “النظام الهيكلي الزائف” في المناطق التي تعاني من اضطراب في الواقع. أحد الحلول التي يستخدمها النموذج هو تعيين مقاييس الثقة للتنبؤات، لتعكس احتمالية الخطأ.
مع تقارير إضافية من قبل إيان جونستون