التكنولوجيا الحيوية · global
بعد حصول Chai مجدداً على 400 مليون دولار، يدخل تصميم الأجسام المضادة بالذكاء الاصطناعي مرحلة التحقق الصارم داخل شركات الأدوية
يتحوّل محور رهان رأس المال من سؤال ما إذا كانت النماذج قادرة على توليد جزيئات جميلة، إلى ما إذا كانت تلك الجزيئات قادرة على ترك أدلة متينة في التجارب الرطبة، وعمليات التصنيع، والملفات التنظيمية.
لم يفتقر اكتشاف الأدوية بالذكاء الاصطناعي إلى الزخم في السنوات الأخيرة، لكن الأجسام المضادة تمثل محكاً واقعياً على نحو خاص: فهي لا يجب أن تبدو قادرة على الارتباط بالبروتين المستهدف على الحاسوب فحسب، بل يجب أيضاً أن تثبت نفسها تدريجياً في الخلايا، والحيوانات، والتصنيع، وتقييمات السلامة البشرية. ووفقاً للتقارير، أكملت Chai Discovery جولة تمويل Series C بقيمة 400 مليون دولار، وما يجعل ذلك لافتاً ليس ضخامة المبلغ فقط، بل توقيته أيضاً، إذ يأتي في وقت بدأت فيه شركات الأدوية الكبرى تقييم الأجسام المضادة المصممة بالذكاء الاصطناعي بجدية أكبر.
بحسب تقرير SiliconANGLE، سيدعم هذا التمويل تقدّم Chai في منصتها لتصميم الأدوية بالذكاء الاصطناعي، ولا سيما تصميم الأجسام المضادة والجزيئات المرتبطة بالبروتينات. ونظراً إلى محدودية المعلومات المتاحة علناً حالياً، لا ينبغي التوسع في الاستنتاجات بشأن قائمة المستثمرين، أو التقييم، أو شروط التعاون المحددة، أو تقدّم الأدوية المرشحة؛ أما الأمر المؤكد فهو أن السوق ينقل السؤال من «هل النموذج مبتكر؟» إلى «هل يمكن استيعاب مخرجات النموذج ضمن إجراءات شركات الأدوية؟».
غالباً ما تكمن صعوبات تطوير أدوية الأجسام المضادة بعد مرحلة الفرز المبكر. تحتاج الأجسام المضادة المرشحة إلى ألفة وانتقائية كافيتين، وألا تثير استجابات مناعية غير مقبولة، وأن تتمتع أيضاً بقابلية التصنيع، والاستقرار، وخصائص حركية دوائية مناسبة. وإذا أراد الذكاء الاصطناعي خلق قيمة في هذا المجال، فلا يكفي أن يقترح سلسلة من التسلسلات المحتملة، بل يجب أن يقلّص زمن التكرار من التصميم، إلى التعبير، إلى التنقية، إلى التحقق الوظيفي، وأن يسمح لكل فشل أيضاً بالعودة كبيانات يمكن للنموذج التعلم منها.
ينبع اهتمام شركات الأدوية الكبرى بهذه المنصات جزئياً من الضغط الواقع على خطوط البحث والتطوير. يعتمد اكتشاف الأجسام المضادة التقليدي على التحصين، وتقنيات العرض، والفرز واسع النطاق، ومع أنه أصبح ناضجاً إلى حد كبير، فإنه قد يظل يواجه اختناقات في الأهداف صعبة التحويل إلى أدوية، أو البنى المعقدة، أو تصميم الأجسام المضادة متعددة النوعية. وإذا استطاع الذكاء الاصطناعي اقتراح جزيئات مرشحة قابلة للاختبار بسرعة أكبر، فسيكون لدى شركات الأدوية سبب لإدخاله في صندوق أدوات الاكتشاف المبكر، بدلاً من اعتباره مجرد عرض برمجي.
لكن هذا أيضاً هو الموضع الذي يسهل فيه المبالغة في تقدير تصنيع الأدوية بالذكاء الاصطناعي. فارتفاع معدل الإصابات المبكرة لا يعني ارتفاع معدل النجاح السريري؛ كما أن تحسّن دقة التنبؤ بارتباط البروتين لا يعني القدرة على التنبؤ بالفعالية في البشر والسلامة طويلة الأمد. وبالنسبة إلى الجهات التنظيمية وفرق التطوير السريري، فإن الأهم حقاً هو ما إذا كانت مصادر البيانات قابلة للتتبع، وما إذا كانت التجارب قابلة للتكرار، وما إذا كانت أسباب اختيار النموذج للمرشحات قابلة للمراجعة، وما إذا كانت تغييرات التصنيع اللاحقة ستؤثر في خصائص الجودة.
لذلك يبدو هذا التمويل أشبه بإمداد رأسمالي لتوسيع التحقق، لا بإعلان انتصار. وإذا أرادت Chai نقل تقنيتها من منافسات النماذج إلى المسار الرئيسي داخل شركات الأدوية، فما ستحتاج إلى إظهاره لاحقاً ليس نماذج أكبر أو سرعة تصميم أعلى فحسب، بل سلسلة أدلة تتكون معاً من بيانات تجريبية، وحالات تعاون، وتقدّم في الأدوية المرشحة.
وفي الوقت الذي تواصل فيه شركات التكنولوجيا الحيوية العاملة بالذكاء الاصطناعي الحصول على تمويلات كبيرة وتعاونات مع شركات الأدوية، يصبح تصميم الأجسام المضادة نقطة فاصلة واضحة: هل يمكن تحويل خيال النماذج التوليدية إلى جزيئات علاجية قابلة للتصنيع، وقابلة للتحقق، وقابلة للتقديم تنظيمياً؟ يمنح التمويل الجديد Chai مزيداً من الوقت والموارد للإجابة عن هذا السؤال، لكن الإجابة لا تزال يجب أن تُكتب بنداً بنداً في المختبرات ونماذج التطوير السريري.