تصميم الأدوية بالذكاء الاصطناعي يتجه إلى الأهداف الصعبة: تعاون بين MitoCareX Bio وBoltz للبحث عن جزيئات SLC صغيرة

تعمل بروتينات النقل على غشاء الخلية كصف من البوابات الدقيقة، إذ تحدد كيفية دخول المغذيات والأيونات والمستقلبات إلى الخلية وخروجها منها؛ ومن بينها ترتبط عائلة SLC بأمراض متعددة، لكنها ظلت لفترة طويلة، بسبب نقص المعلومات البنيوية وتعقيد التغيرات التشكّلية، مجموعة من الأهداف الصعبة الترويض في تطوير الأدوية ذات الجزيئات الصغيرة. وبدأت شركات التصميم البنيوي بالذكاء الاصطناعي توجّه أنظارها إلى هذا المجال، في انعكاس لانتقال الذكاء الاصطناعي في الطب الحيوي من عرض قدرات النماذج إلى التعامل مع مسائل أكثر تعقيداً في كيمياء الأدوية.

أعلنت Nexentis Technologies عن إطلاق MitoCareX Bio وBoltz مشروعاً دولياً لاكتشاف الأدوية بالذكاء الاصطناعي، بهدف تسريع استكشاف جزيئات SLC صغيرة جديدة. ووفقاً للمعلومات المتاحة حالياً للعلن، يتمحور هذا التعاون حول الجمع بين معرفة الأهداف البيولوجية وقدرات تصميم الجزيئات بالذكاء الاصطناعي، للمساعدة في العثور على مركبات مرشحة قد تعدّل وظيفة بروتينات SLC.

SLC هو اختصار لـ«solute carrier»، ويشمل مئات البروتينات الغشائية المسؤولة عن نقل المواد. وترتبط هذه البروتينات بمجالات مثل الأمراض الأيضية، واضطرابات الجهاز العصبي، والسرطان، واضطرابات وظيفة الميتوكوندريا؛ لكن البروتينات الغشائية تكون عادة أصعب في التنقية والتحليل البنيوي، كما أن مواقع ارتباط الدواء قد تتغير مع تبدّل تشكّل البروتين، ما يجعل تكلفة الفحص التقليدي عالي الإنتاجية والتصميم الموجّه بالبنية مرتفعة نسبياً.

يركز مسار تصميم الأدوية بالذكاء الاصطناعي الذي تمثله Boltz على استخدام النماذج للتنبؤ بالعلاقات بين البروتين والربيطة وتشكّل الارتباط، بما يساعد الباحثين على تضييق نطاق الجزيئات المرشحة قبل التجارب. وإذا استُخدمت هذه الأدوات على نحو ملائم، فقد تطرح في مرحلة الاستكشاف المبكرة فرضيات جزيئية أكثر قابلية للتخليق والاختبار والتحسين؛ لكنها لا تستطيع أن تحل محل التجارب الرطبة، ولا سيما أنها لا تستطيع أن تثبت مباشرة فعالية الدواء أو سلامته أو فائدته السريرية.

وهذه أيضاً هي النقطة التي تحتاج حالياً إلى أكبر قدر من الحذر في تفسير هذا المشروع. فالمعلومات العلنية لم تقدم بعد أهداف SLC محددة، أو استطبابات مرضية، أو مصادر مجموعات البيانات، أو نتائج التحقق من النماذج، أو عدد الجزيئات المرشحة، أو المعالم التجريبية؛ لذلك من الأنسب اعتباره تعاوناً بحثياً وتطويرياً في مرحلة مبكرة، لا تقدماً يؤكد تحديد مرشح دوائي. وبالنسبة إلى تطوير الأدوية الجاد، يظل العامل الحاسم الحقيقي هو ما إذا كان بالإمكان لاحقاً تقديم بيانات ارتباط قابلة للتكرار، واختبارات وظيفة خلوية، وأدلة سلامة في الحيوانات أو في المرحلة قبل السريرية.

شهد الذكاء الاصطناعي في الطب الحيوي مؤخراً توسعاً سريعاً في تصميم الأجسام المضادة، والأجسام المضادة النانوية، والجزيئات الصغيرة، لكن القطاع بدأ يدرك تدريجياً أن تنبؤات النماذج، إذا افتقرت إلى معايير مشتركة وتحقق تجريبي، يمكن أن تبقى بسهولة عند مستوى صور جزيئية جميلة. وتوفر الأهداف الصعبة مثل SLC محكاً أكثر صرامة: فالذكاء الاصطناعي لا يجب أن يولد مركبات تبدو معقولة فحسب، بل عليه أيضاً أن يواجه قيوداً متعددة تتعلق بتشكّل البروتينات الغشائية، ووظيفة النقل الخلوي، وقابلية الدواء للتطوير.

إذا استطاع تعاون MitoCareX Bio وBoltz دفع التصميم بالذكاء الاصطناعي نحو بيانات تجريبية قابلة للقياس والتكرار التتابعي، فسيضيف مساراً ممكناً لتطوير أدوية SLC؛ أما إذا غابت نتائج تحقق شفافة، فسيبقى مجرد إعلان مبكر بين العديد من شراكات اكتشاف الأدوية بالذكاء الاصطناعي. وتكمن أهمية اللحظة الراهنة في أن القطاع يوجّه قدرات النماذج إلى مسائل بيولوجية أقرب إلى الاحتياجات السريرية، وأصعب أيضاً في الإقناع عبر عرض بسيط.