نموذج الذكاء الاصطناعي لشركة IBM تمكن من العثور على مركبات ترتبط بمواقع مختلفة على البروتينات المستهدفة ضد مرض الكورونا الذي يسببه فيروس كوفيد وهذا دون معرفة آلية ارتباط الفيروس بالخلية
ترجمة: د. موشيه نحماني
تمكن نموذج الذكاء الاصطناعي من تحديد المركبات المضادة للفيروسات المحتملة التي ترتبط بفيروس كورونا [Sars-CoV-2]، وذلك فقط من خلال المعلومات التسلسلية للبروتينات المستهدفة - دون معرفة البنية ثلاثية الأبعاد للبروتين على الإطلاق. أو معرفة مواقع الربط المعروفة مسبقاً.
قام باحثون من شركة IBM وجامعة أكسفورد (المملكة المتحدة) "بتدريس" نموذج ذكاء اصطناعي توليدي يسمى "CogMol"، وهو جزء من نموذج IBM الأوسع [نموذج MolFormer-XL]، لاستخدام المعرفة العامة حول البروتينات وخصائص الارتباط الخاصة بها. وفي الخطوة التالية، استخدموا هذا النموذج لتحديد العوامل المضادة للفيروسات المحتملة لمكافحة فيروس كورونا [كوفيد-19]. تم تضييق نطاق مجموعة المقترحات التي تم الحصول عليها بمساعدة هذا النموذج من خلال الشبكة العصبية [RXN] الخاصة بشركة IBM من أجل تحديد تلك التي يمكن تجميعها في الممارسة العملية. تم تصنيع المركبات الواعدة من قبل مقاول في أوكرانيا وتم اختبارها ضد الفيروس. وأوضح الباحثون أن الأمر استغرق بضعة أسابيع فقط، باستخدام الحد الأدنى من المعرفة، من أجل العثور على مثبطات جديدة للفيروسات الضارة،" يوضح بايل داس، مدير قسم علوم الذكاء الاصطناعي في شركة آي بي إم. في ضوء حقيقة أن نموذج CogMol لا يفترض أي شيء يتعلق ببنية البروتين المستهدف، أو مواقع الارتباط في البروتين، فهو قادر على التنبؤ بالجزيئات التي يمكن أن ترتبط بمواقع مختلفة، وهي حقيقة يمكن أن تكون مفيدة لتطوير أدوية أكثر مقاومة للطفرات في الفيروس المستهدف.
إن الجمع بين هذا النموذج [CogMol] مع خوارزميات الذكاء الاصطناعي الأخرى يسمح لفريق البحث بالتركيز على آلاف المقترحات الأولية للجزيئات ذات الخصائص الأكثر تشابهًا مع الأدوية، بالإضافة إلى تلك التي يمكن تصنيعها بسرعة. وفي الخطوة التالية، اختار الباحثون ثمانية مركبات يمكن تصنيعها، أربعة منها تركز على كل من طفرات فيروس كورونا والبروتياز الرئيسي. وفي التجارب المعملية، تمكن اثنان من هذه المركبات من أصل أربعة من تثبيط أهداف البروتين المقابلة لها. ويدعي الباحث الرئيسي أنه حتى معدل التثبيط هذا البالغ خمسين بالمائة، في ضوء السرعة والبساطة التي تم بها تفعيل النموذج - يعني أن "هذا النوع من التكنولوجيا قد يساعد البشرية على مسح عالم الكيمياء وتقييم العديد من الاحتمالات بسرعة. بالإضافة إلى ذلك، من الممكن من خلال هذا البحث تحديد آليات جديدة لتنشيط/إلغاء تنشيط العامل الممرض، وهو أمر مبتكر."
قام باحثو IBM بإدخال تسلسل البروتينات الشوكية والبروتياز الرئيسي في نموذج [CogMol] لمحاولة مطابقتها مع المواد المحتملة المضادة للفيروسات. في حين أن برامج الذكاء الاصطناعي الأخرى تتطلب بيانات هيكلية أو رؤية للجزيئات من أجل التنبؤ بخصائصها، فإن مدخلات هذا النموذج [CogMol] عبارة عن سلاسل بسيطة من الأحرف المرتبطة فقط بتسلسل البروتين. يوضح أحد الباحثين الرئيسيين في شركة IBM: "لا توفر طريقتنا أي تنبؤ هيكلي، ولا أي استنتاجات بخصوص مناطق الارتباط أو الهياكل المادية الأخرى". بالإضافة إلى الجزيئات المختارة للتخليق، قام فريق البحث بحوسبة مقترحات أخرى للنموذج، من أجل تحديد مكان وكيفية تركيب المركبات تجاه البروتينات المستهدفة. ووجدوا جزيئات يمكن أن ترتبط بمواقع لم يتم استكشافها بعد على أطراف البروتين. وقال الباحث الرئيسي: "لقد فوجئنا عندما اكتشفنا أن الجزيئات لا تتفاعل مع المواقع المستهدفة المعتادة التي تم اختبارها سابقًا، ولكن مع مركب الارتباط للمستقبل، وهي حقيقة لم نعتقد أنها ممكنة".
ويوضح الباحثون أن مواقع الارتباط البديلة للعوامل المضادة للفيروسات - بعيدًا عن موقع الارتباط حيث يرتبط البروتين بهدفه البيولوجي الطبيعي - قد تكون أقل حساسية للطفرات مع تطور الفيروس، وهي حقيقة يمكن أن تقلل من الحاجة إلى تطوير أدوية جديدة. من أجل محاربة معدل تحور الفيروسات. ويتوقع الباحثون مواصلة التجارب المعملية لاختبار الخصائص المضادة للفيروسات لهذه المركبات الواعدة.
دخلت شركة IBM بالفعل في شراكة مع شركة الأدوية Moderna في أبريل 2023. وتبحث شركة Moderna عن أدوية جديدة مضادة للفيروسات ضد السارس (متلازمة الجهاز التنفسي الحادة الوخيمة) والفيروسات الأخرى، وبالتالي فإن استخدام نموذج IBM هذا يمكن أن يسرع عملية الاكتشاف والتطوير.
المزيد عن الموضوع على موقع العلوم:المزيد عن الموضوع على موقع العلوم:
