→ العودة إلى الصفحة الرئيسية

يمكن للذكاء الاصطناعي تصميم أجسام مضادة قوية الارتباط، فلماذا يظل اختيار أفضل التسلسلات أقل نجاحًا من الاختيار العشوائي؟

خضعت 511 مشاركة لتصميم أجسام مضادة من 29 منظمة لاختبار معمى، فأظهرت قدرة الذكاء الاصطناعي على تحسين الأجسام المضادة، وكشفت أيضًا ضعفًا في ترتيب المرشحين بدقة: فإنتاج جزيئات مرشحة متميزة واختيار أجسام مضادة أفضل بصورة موثوقة اختباران مختلفان.

By SURL BioNews

يمثل جعل الأجسام المضادة ترتبط بإحكام بأهدافها نقطة انطلاق مهمة في تطوير الأدوية؛ وقد يتيح انتقاء المرشحين الجيدين مسبقًا من بين أعداد كبيرة من التسلسلات خفض تكاليف التخليق والاختبار. لكن تحدي AIntibody الدولي أظهر أن الذكاء الاصطناعي يستطيع تقديم أجسام مضادة ذات قدرة ارتباط ممتازة، من دون أن يتمكن بالضرورة من التمييز بدقة بين مستويات أداء التسلسلات المتشابهة. وقد وضع هذا الاختبار التجريبي المرجعي الفجوة بين «القدرة على التصميم» و«القدرة على الاختيار» على لوحة نتائج واحدة.

عرضت GENEWIZ، المسؤولة عن تحضير الأجسام المضادة، إجراءات الاختبار في 11 نوفمبر؛ وكانت الدراسة الكاملة قد نُشرت في 19 أغسطس في مجلة Nature Biotechnology. اختبر التحدي ما مجموعه 511 مشاركة لتصميم أجسام مضادة قدمتها 29 منظمة. وكان على المشاركين تثبيت التسلسلات قبل إجراء التجارب، ثم خضعت الأجسام المضادة للتحضير وفق إجراءات موحدة وللتقييم على أيدي باحثين لا يعرفون هويات المشاركين. وأكد الموقع الرسمي أيضًا أن النجاح في مهمة معينة لم ينتقل بصورة متسقة إلى المهام الأخرى.

كان هدف الاختبار هو نطاق الارتباط بالمستقبل في SARS-CoV-2. ووفقًا لشركة Cradle المشاركة، حصلت الفرق على بيانات تسلسل ناتجة عن الفرز بتقنية العرض على الخميرة، إلى جانب قياسات ألفة الارتباط لـ142 جسمًا مضادًا. وتطلبت المهام الثلاث، على التوالي، تحسين أجسام مضادة موجودة، واختيار الأجسام المضادة الأقوى ارتباطًا من مجموعات تسلسلات، وتصميم مناطق ارتباط جديدة للأجسام المضادة غير موجودة في قاعدة البيانات. وظلت المهمة الأخيرة تنطلق من بيانات موجودة، مع تثبيت الهيكل الأساسي للجسم المضاد، ولذلك لا يمكن اعتبارها تصميمًا من الصفر من دون أي معطيات استرشادية.

تضمنت النتائج بالفعل جوانب بارزة. فقد أشارت GENEWIZ إلى أن فرقًا متعددة أنتجت أجسامًا مضادة بقيم ألفة ارتباط أقل من 100 بيكومولار (pM)، واستوفت شروط قابلية التطوير المحددة في هذا الاختبار؛ وتُقاس ألفة الارتباط هنا بثابت التفكك، وكلما انخفضت قيمته دلّ ذلك عادةً على ارتباط أشد إحكامًا. وأفادت Cradle بأن أفضل تصميم لها بلغ 8.69 pM، واجتاز العتبات ذات الصلة. لكن الشركة أقرت أيضًا بأن درجات التنبؤ التي منحها النموذج للمرشحين داخل مجموعة التسلسلات نفسها كانت متقاربة جدًا، ما صعّب التمييز بين الفروق التي أظهرتها التجارب فعليًا.

وهذه تحديدًا هي المشكلة التي كشفتها مهمة الترتيب. فقد طلبت الدراسة من الفرق تحديد مرشحين أفضل ضمن ثلاث مجموعات تسلسلات صُنفت بحسب المنطقة الثالثة المحددة للتكامل في السلسلة الثقيلة للجسم المضاد (HCDR3). وفي المقارنة الإجمالية، تفوقت طريقة فريق واحد فقط على خط الأساس القائم على الاختيار العشوائي، ولم يشمل هذا التفوق جميع مجموعات التسلسلات. ولا يعني ذلك أن النماذج الأخرى عاجزة تمامًا عن العثور على أجسام مضادة ترتبط بالهدف، بل يعني أنه عندما تتضمن البيانات الأولية بالفعل كثيرًا من التسلسلات القادرة على الارتباط، لم تتمكن النماذج من انتقاء الأفضل بينها بصورة موثوقة.

تؤثر طريقة احتساب الدرجات أيضًا في كيفية فهم النتائج. وترى Cradle ضرورة تحديد مقاييس الترتيب بوضوح أكبر وتحسين تقييم قابلية التطوير، لتجنب أن يحجب أداء أفضل جزيء منفرد الفروق بين مجمل التصاميم. فإلى جانب الارتباط المحكم، يجب مراعاة خصائص مثل الثبات والتجمع والارتباط غير النوعي. واجتياز مجموعة من شروط الفرز المبكر لا يعادل إثبات الملاءمة للتصنيع كدواء، ولا يمكن الاستناد إليه لاستنتاج الفعالية والسلامة لدى البشر.

تتمثل الرسالة الأوضح التي يقدمها هذا التحدي في أن الذكاء الاصطناعي بات يمتلك إمكانات عملية في مهام هندسة الأجسام المضادة التي تتوافر لها بيانات كافية ويكون نطاقها محددًا بوضوح، لكن تصميم تسلسلات جديدة والتنبؤ بالفروق الدقيقة ومراعاة خصائص متعددة تظل قدرات مختلفة. وبما أن الاختبار ركز على مستضد واحد وفي ظل شروط بيانات ثابتة، فإن نتائجه لا تكفي أيضًا للتعميم على أهداف أمراض أخرى أو على مسارات تطوير تُضاف إليها بيانات تجريبية جديدة بصورة متكررة. وبالنسبة إلى الفرق التي تستعد لاعتماد هذه الأدوات، يظل المعيار الأساسي هو قدرتها على التفوق باستمرار، في المهام الفعلية، على معايير تجريبية مرجعية بسيطة وموثوقة.

References

  1. GENEWIZ
  2. Nature Biotechnology
  3. Cradle
  4. AIntibody / Specifica