→ العودة إلى الصفحة الرئيسية

هل تنجح الجزيئات المضادة للفيروسات التي ينتقيها الذكاء الاصطناعي؟ مراجعة تدعو إلى اختبارات خاصة بالبوليميرازات الفيروسية

الدرجات المرتفعة على مجموعات بيانات البروتينات العامة لا تتنبأ بالضرورة بالفعالية المضادة للفيروسات. تدعو مراجعة جديدة إلى إدراج الحمض النووي الريبي والبروتينات المساعدة والأيونات المعدنية اللازمة لتكاثر الفيروس ضمن التقييم، ثم اختبار قدرة الذكاء الاصطناعي على انتقاء المركبات الدوائية بتجارب إنزيمية وخلوية.

By SURL BioNews

قد يبدو جزيء ما في المحاكاة الحاسوبية قادرًا على الارتباط بإحكام ببروتين فيروسي، لكنه قد لا يمنع تكاثر الفيروس بعد دخوله خلية مصابة. وبالنسبة إلى العلماء الذين يأملون في تسريع تطوير الأدوية المضادة للفيروسات باستخدام الذكاء الاصطناعي، تحدد هذه الفجوة أي التنبؤات تستحق تخصيص موارد لاختبارها تجريبيًا. وتشير مراجعة نُشرت في 15 أكتوبر في مجلة «Frontiers in Pharmacology» إلى أن الاختبارات الشائعة لتقييم الذكاء الاصطناعي قد لا تغطي بعدُ الخصائص البيولوجية لبوليميرازات فيروسات الجهاز التنفسي على نحو كافٍ.

تركز المقالة، التي أعدها باحثون من المعهد المكسيكي للضمان الاجتماعي وعدة جامعات، على بوليميراز الحمض النووي الريبي المعتمد على الحمض النووي الريبي (RdRp) والمُعقّدات المرتبطة به. تتولى هذه الإنزيمات تصنيع الحمض النووي الريبي الفيروسي، وهي أيضًا أهداف مهمة للأدوية المضادة للفيروسات. ويرى المؤلفون أن بيانات التقييم الحالية لارتباط البروتينات العامة بالجزيئات الصغيرة تتكون أساسًا من أهداف غير فيروسية؛ أما إمكان تعميم الأداء المتفوق للنماذج على هذه البيانات ليشمل البوليميرازات الفيروسية، فلا يزال يحتاج إلى اختبارات مخصصة.

تكمن الصعوبة في أن البوليميراز آلة جزيئية دائمة التغير. وتتأثر حالة ارتباطه بالدواء بقالب الحمض النووي الريبي والبروتينات المساعدة والأيونات المعدنية ثنائية التكافؤ والتغيرات في التشكيل الفراغي. وإذا اعتمد النموذج على بنية ثابتة واحدة فقط، فقد يغفل بيئة الارتباط الفعلية أثناء تكاثر الفيروس، فتبتعد نتائج الإرساء الجزيئي التي تبدو معقولة عن التأثير الفعلي.

لذلك، يدعو المؤلفون إلى بدء التقييم بتجميع حالات بنيوية متعددة للبوليميراز، مع منع تسرب المعلومات بين بيانات التدريب وبيانات الاختبار. ويتعلق ذلك بما إذا كان النموذج قد تعلم بالفعل استنتاج تأثير جزيئات غير مألوفة، أم أنه أحرز درجات مرتفعة بسبب تعرضه لبيانات مشابهة. وينبغي أيضًا للاختبارات المصممة خصيصًا لتطوير مضادات الفيروسات أن تتحقق من قدرة النموذج على إعطاء الأولوية للمركبات التي تثبت فعاليتها تجريبيًا.

بعد ذلك، يجب أن تترابط الأدلة عبر مراحل متتابعة: هل يؤثر المركب في الهدف المقصود، وهل يستطيع تثبيط البوليميراز، وهل يستطيع خفض النشاط الفيروسي في تجارب العدوى الخلوية؟ ويجب قياس السمية الخلوية بالتوازي، لتجنب تفسير التغيرات الناجمة عن إلحاق الضرر بالخلايا المضيفة خطأً على أنها تأثير مضاد للفيروسات؛ أما تحليل مقاومة الأدوية وتقييم الامتصاص والتوزيع والاستقلاب والإطراح والسمية، فتُستخدم للحكم على ما إذا كانت الجزيئات المرشحة تستحق مواصلة التطوير.

تكمن أهمية هذا المقترح في جعل نتائج الذكاء الاصطناعي أقرب إلى قرارات المختبر: هل يستطيع النموذج، بالموارد نفسها المخصصة للتحقق التجريبي، زيادة فرص العثور على جزيئات فعالة؟ لا يمكن لدرجات الإرساء الجزيئي أو قوة الارتباط المتوقعة أو الخطأ الإحصائي وحدها أن تجيب عن هذا السؤال. وإعادة تغذية النموذج بالنتائج التجريبية هي ما قد يتيح تقليص الفجوة تدريجيًا بين التنبؤات الحاسوبية وبيولوجيا الفيروسات.

لكن هذه المقالة مراجعة للأدبيات تطرح مسارًا للتقييم والتطوير، ولم تثبت بتجارب مقارنة استباقية جديدة أن هذا المسار قادر على رفع معدل نجاح الأدوية، كما أنها لا تقدم أدلة على فعالية أدوية مرشحة جديدة لدى البشر. وهي تقترح معايير قبول أكثر تحديدًا لتطوير مضادات الفيروسات بالذكاء الاصطناعي؛ أما قدرة هذه الاختبارات على تحسين انتقاء المركبات الدوائية، فلا تزال تنتظر إجابة من التجارب اللاحقة.

References

  1. Bioengineer.org
  2. Frontiers in Pharmacology
  3. PubMed — National Library of Medicine