صرح العلماء أنهم أخيرًا وباستخدام نوع جديد من الذكاء الاصطناعي قد تمكنوا من إيجاد حل لمعضلة عملية معقدة رهيبة وقديمة تختص ببنية وسلوك البروتينات. لطالما أبهرتنا شركة الذكاء الاصطناعي «ديب مايند» في المملكة المتحدة بشبكاتها العصبية دائمة التطور التي نافست البشر في ألعابهم المعقدة من الشطرنج ولعبة غو.
كل هذه التطورات المتراكمة في الذكاء الاصطناعي على مدى السنوات عنت أكثر من مجرد إتقان بعض التسالي الترفيهية في بعض الألعاب.
إذ سعى مطورو شركة ديب مايند في الخفاء إلى دفع ذكائهم الاصطناعي نحو حل مشكلات علمية أكثر جوهرية وأهمية، مثل إيجاد طرق جديدة لمحاربة الأمراض عبر فهم جوانب جد صغيرة ولكنها حيوية ومهمة في البيولوجيا البشرية.
والآن يبدو أنهم قد تمكنوا أخيرًا مع الإصدار الحديث من محرك الذكاء الاصطناعي «ألفا فولد» من تحقيق هدفهم، أو على الأقل جعلونا أقرب من الإجابة أكثر من أي وقت مضى.
ناضل الباحثون طوال 50 سنة لفهم كيفية إنجاز البروتينات لبنيتها ثلاثية الأبعاد، مهمة لم تكن سهلة أبدًا.
تبلغ الاحتمالات الممكنة لطرق ترتيب البروتينات لنفسها في بنية ثلاثية الأبعاد أرقامًا خيالية فلكية، في الحقيقة، قدر الباحثون أن تجربة كل هذه الاحتمالات لأسلوب اصطفاف الجزيئات البروتينية مع بعضها بعضًا سيستغرق منهم وقتًا أطول من عمر الكون نفسه.
مع ذلك، إن تمكنا من حل هذه المعضلة المعروفة بمشكلة طي البروتينات، سيشكل ذلك قفزة كبيرة للبحث العلمي وإمكانياته، مسرعًا المساعي البحثية في مجالات عدة مثل اكتشاف دواء جديد، وفهم الأمراض وآلية عملها على مستوى غير مسبوق، دافعًا نحو تطورات كبيرة يتعدى أثرها مجال الصحة.
لهذا السبب بالذات، تعاون الباحثون لعقود بغض النظر عن صعوبة التحدي لتحقيق تطورات في إيجاد حل لمشكلة طي البروتينات.
بدأ الباحثون عام 1990 بتجربة جريئة تسمى التقييم الدقيق لأسلوب تنبؤ البنية البروتينية، تتحدى هذه التجربة العلماء لتصميم نظام قادر على التنبؤ بالأساليب الغامضة لطيّ البروتينات.
والآن، مع بلوغ هذه التجربة عقدها الثالث، يبدو أنها قد أنتجت حتى الآن أكثر حلولها الواعدة بمحرك الذكاء الاصطناعي ألفا فولد التابع لشركة ديب مايند بإعطائه توقعات غاية في الدقة للبنى ثلاثية الأبعاد للبروتينات.
قال المشارك في إيجاد هذه التجربة جون مولت من جامعة ميرلاند: «إننا عالقون عند هذه المعضلة عن كيفية طي البروتينات نفسها منذ نحو 50 سنة، رؤية ديب مايند تضع حلًا لهذه المشكلة، مشكلة عملت عليها شخصيًا لفترة طويلة، وحملت الكثير من العقبات والأمل متسائلًا فيما إذا كنت سأصل يومًا ما إلى الحل، إنها لحظة مؤثرة».
استخدمت ديب مايند ضمن التجربة نمطًا جديدًا من التعلم العميق ضمن محرك ألفا فولد مكنته من استيعاب وحساب الشكل الفضائي للبنية ثلاثية الأبعاد للبروتينات، ليتوقع في النهاية البنية الجزيئية للبروتين كاشفًا أسلوب طيّه على نفسه.
درب نظام ألفا فولد حتى وصل إلى قدراته باستخدام قاعدة بيانات لنحو 170,000 بنية مختلفة للبروتينات، ومن ثم أظهر المحرك مهارته المميزة في تحدي التقييم الدقيق لأسلوب تنبؤ البنية البروتينية لهذه السنة المسمى CASP14 بتحقيقه لمعدل متوسط في دقة توقعاته يبلغ 92.4 GDT (اختبار البعد العالمي).
يتجاوز معدل ألفا فولد عتبة 90 GDT المنافسة للنتائج المحققة بالطرق التجريبية، وتدعي ديب مايند أن هامش الخطأ لتوقعاتها يبلغ فقط 1.6 إنغستروم وسطيًا، ما يعادل قطر الذرة.
قال الباحث الجيني إيوان بيرني من مختبر البيولوجيا الجزيئية الأوروبي: «عندما رأيت نتائج ألفا فولد كنت سأسقط عن كرسيي من الدهشة، فأنا أعلم كم هي دقيقة تجربة التقييم الدقيق لأسلوب تنبؤ البنية البروتينية، فهي تضمن أن النمذجة البرمجية يجب أن تتم على عملية طي البروتينات من بدايتها. كان مثيرًا للتواضع رؤية هذه النماذج تتنبأ بأسلوب طي البروتينات بدقة عالية، وما زال هناك الكثير من الجوانب التي يجب فهمها، لكن هذا الاكتشاف يمثل تقدمًا علميًا مذهلًا».
من المهم ذكر أن البحث لم يخضع للمراجعة بعد، ولم ينشر حتى الآن في أية مجلة علمية، مع أن باحثي شركة ديب مايند يقولون أن هذا ما يُنجز حاليًا.
بدأ الخبراء المتمرسون في هذا المجال بالاعتراف وإبداء الإعجاب بمثل هذا الإنجاز العلمي، مع أن التقرير الكامل والمفصل للنتائج لم ينشر بعد.
يقول رئيس الجمعية الملكية البريطانية وعالم الأحياء البنيوي فينكي راماكريشنان: «يمثل هذا العمل البرمجي تقدمًا مذهلًا في مشكلة طي البروتينات، مشكلة كبرى في علم الأحياء استمرت 50 سنة، فقد وجدنا الحل قبل عقود من توقع أي شخص في هذا المجال».
اقرأ أيضًا:
أضخم قاعدة بيانات عن الأمراض ستستخدم الذكاء الاصطناعي للكشف عن سبل جديدة لعلاج السرطان!
الذكاء الصناعي، ثورة جديدة تتجاوز البشرية وحتى البيولوجيا.
ما هو علم الأحياء ( البيولوجيا )؟
حلمتا ثديي الأنثى تهدم فرضية كبيرة في علم الأحياء التطوري
ترجمة: يونس الجنيدي
تدقيق: سمية بن لكحل
