شارك
الرئيسية
2 دقائق 
قال مختبر ديب مايند (DeepMind) إن أداته التي تحمل اسم ألفافولد (AlphaFold) نجحت في التنبؤ بتراكيب جميع البروتينات المعروفة علمياً تقريباً. وبدءاً من الآن، فإن هذا المختبر الذي تمتلكه شركة ألفابيت (Alphabet)، يقدم قاعدة البيانات التي تتضمن أكثر من 200 مليون بروتين مجاناً لمن يرغب.
عندما قدم ديب مايند أداة ألفافولد في 2020، أحدث مفاجأة كبيرة في الوسط العلمي. فقد أمضى العلماء عقوداً في محاولة فهم كيفية تكوين البروتينات التي تمثل عنصراً أساسياً في الحياة، وقد كانت هذه المسألة تُعتبر من “التحديات الكبرى” في مجال البيولوجيا. ويعتبر فهم كيفية تشكّل البروتينات أساسياً لفهم طريقة عملها.
اقرأ أيضاً: بفضل الذكاء الاصطناعي: ديب مايند تتيح بنية جميع البروتينات المعروفة للعلماء
قاعدة بيانات تراكيب البروتينات
وفي السنة الماضية، قام ديب مايند بنشر الرموز البرمجية لألفافولد، وفتح المجال للحصول على تراكيب مليون بروتين، بما فيها كل بروتين تقريباً في الجسم البشري، وذلك ضمن قاعدة بيانات ألفافولد للتراكيب البروتينية. وقد تم بناء قاعدة البيانات بالتعاون مع المختبر الأوروبي للبيولوجيا الجزيئية، وهو معهد بحثي دولي عام يستضيف قاعدة بيانات ضخمة من معلومات البروتينات.
وتمثل آخر عملية نشر للبيانات دعماً هائلاً لقاعدة البيانات. ويتضمن هذا التحديث العديد من البنى البروتينية للكثير من الكائنات، مثل “النباتات والبكتيريا والحيوانات، والعديد من المتعضيات الأخرى، ما يفتح المجال أمام فرص هائلة تتيح لألفافولد التأثير على مسائل حساسة، مثل الاستدامة والوقود وانعدام الأمن الغذائي والأمراض المهمَلة”، كما قال مؤسس ديب مايند ورئيسه التنفيذي، ديميس هاسابيس، وذلك في مكالمة هاتفية مع مراسلين صحفيين.
ويمكن لقاعدة البيانات الموسعة أن تصبح مصدراً قيماً للعلماء، وتساعدهم على فهم الأمراض بشكل أفضل. كما يمكن أن تسرع من الابتكار في مجالي اكتشاف العقاقير والبيولوجيا.
يقول أستاذ علوم الحاسوب في جامعة إيلينوي في أوربانا-شامبين، والمختص بالبيولوجيا الحاسوبية، جيان بينغ: “يمثل ألفافولد على الأرجح أكبر مساهمة مقدمة من أوساط الذكاء الاصطناعي إلى الأوساط العلمية”.
اقرأ أيضاً: باحثون يتمكنون من استخدام الرياضيات في تسهيل قياس شكل البروتينات
فمنذ إطلاق ألفافولد في 2020، استخدم الباحثون هذه الأداة لفهم البروتينات التي تؤثر على صحة نحل العسل وتطوير لقاح فعال ضد الملاريا.
وتسمح قاعدة البيانات للباحثين بالبحث ضمن البنى ثلاثية الأبعاد للبروتينات “بسهولة تكاد تماثل سهولة البحث في جوجل (Google) باستخدام الكلمات المفتاحية”.
ألفافولد تهيئ لمزيد من الاكتشافات الطبية
إن التنبؤ بتراكيب البروتينات أمر يتطلب الكثير من الوقت، وبالتالي فإن وجود أداة تتضمن 200 مليون بنية بروتينية جاهزة سيوفر على الباحثين الكثير من الوقت، كما يقول أخصائي الأنظمة البيولوجية في جامعة كولومبيا، محمد القريشي، والذي لم يشارك في بحث ديب مايند.
ويقول بينغ إنه يمكن أيضاً لأداة ألفافولد أن تساعد العلماء على إعادة تقييم الأبحاث السابقة لتحقيق استيعاب أفضل لكيفية الإصابة بالأمراض.
ولكن، وبالنسبة للكثير من البروتينات، “فنحن مهتمون بفهم كيفية تغير بنيتها بسبب الطفرات والتغيرات الأليلية، وهو ما لا يمكن تحقيقه بقاعدة البيانات هذه”، كما يقول القريشي. ولكنه يضيف: “ولكن هذا الحقل يتطور بسرعة بطبيعة الحال، ولهذا فأنا أتوقع الظهور القريب للأدوات التي تستطيع نمذجة التغيرات البروتينية بدقة”.
أيضاً، قد تكون تنبؤات ألفافولد أقل دقة بالنسبة للبروتينات النادرة التي لا يوجد الكثير من المعلومات التطورية حولها، كما يقول بينغ.
اقرأ أيضاً: جينات البشر الذين يتعرّضون للطفرات الوراثية تشير إلى قوى جديدة خارقة
يمثل هذا الإجراء أحدث تطور في توجه ديب مايند نحو “البيولوجيا الرقمية” حيث “يساعد الذكاء الاصطناعي والأساليب الحاسوبية على فهم ونمذجة العمليات البيولوجية المهمة”، كما يقول هاسابيس. يقود هاسابيس مشروعاً جديداً يتبع أيضاً لألفابيت، باسم آيزومورفيك لابز (Isomorphic Labs)، وذلك لتطوير أنظمة الذكاء الاصطناعي لاكتشاف العقاقير.
ويقول المدير العلمي للذكاء الاصطناعي في ديب مايند، بوشميت كولي، إن الشركة ترغب بمواجهة الكثير من التحديات في علوم الحياة، مثل دراسة سلوك البروتينات وتفاعلها مع البروتينات الأخرى.
وقد قال هاسابيس إن حلمه هو أن أن لا يقتصر دور الذكاء الاصطناعي على المساعدة في اكتشاف بنية البروتينات وحسب، بل أن يصبح أيضاً “جزءاً مهماً من عملية الاكتشاف للعقاقير والأدوية الجديدة“.