BGI تفتح مصدر OneGenome: تمكين الذكاء الاصطناعي من تتبّع المسار من طفرات DNA إلى مؤشرات الأمراض النادرة

غالبًا لا تكمن صعوبة الأمراض النادرة في القدرة على قراءة DNA، بل في كيفية تحديد الطفرة المرتبطة فعليًا بالأعراض من بين عشرات الآلاف من الطفرات. ويحاول OneGenome، الذي طوّره معهد BGI لعلوم الحياة ومختبر Zhijiang بصورة مشتركة، ربط هذه المهمة التفسيرية المستغرقة للوقت ضمن مسار عمل واحد للذكاء الاصطناعي: يبدأ بفهم التسلسل الجيني، ثم يربطه بالسمات الظاهرية للمريض والمعرفة بالأمراض والأدبيات السريرية، ليقترح مؤشرات تشخيصية يمكن للمتخصصين مراجعتها.

يعتمد OneGenome في جوهره على Genos، وهو نموذج تأسيسي للجينوم البشري، مع إضافة قدرات فهم النصوص والاستدلال التي توفرها النماذج اللغوية الكبيرة. يتولى الأول تحديد الوظائف البيولوجية المحتملة لتسلسلات DNA وطفراته، بينما ينظم الثاني الأوصاف السريرية غير المهيكلة، ويقارنها بأدبيات الأمراض، ويشرح العلاقة بين الطفرات المرشحة والأعراض. ويمكن توسيع النظام ليشمل معلومات العلاج والأدوية، لكن الأنسب التعامل مع هذا النوع من المخرجات بوصفه دليلًا إلى الأدبيات، لا توصيات مباشرة لوصف الأدوية.

سبق أن أتاح Genos نموذجه وموارده البرمجية للعامة. وذكر مختبر Zhijiang أن أحدث إصدار من النموذج بُنيت بيانات تدريبه باستخدام 636 جينومًا بشريًا عالي الجودة ومكتملًا من التيلومير إلى التيلومير، ويمكنه معالجة تسلسلات يصل طولها إلى نحو مليون قاعدة بدقة القاعدة الواحدة. وتكمن أهمية هذه القدرة على معالجة التسلسلات الطويلة في أن النموذج لا يضطر إلى النظر إلى مقطع صغير من DNA حول الطفرة فحسب، بل قد يتمكن أيضًا من التقاط علاقات تنظيمية أبعد؛ غير أن الارتباطات التي يتعلمها النموذج من التسلسل لا تعادل آليات إمراضية مثبتة.

قال فريق التطوير إن أداء OneGenome في اختبارات تشخيص الأمراض النادرة وإرشادات استخدام الأدوية تفوق على عدد من النماذج اللغوية العامة والنماذج الجينية التقليدية. لكن المعلومات المتاحة حاليًا للعامة لا توضح بالكامل عدد حالات الاختبار، وطريقة تقسيم البيانات، والمعايير المرجعية للمقارنة، ومعدلات الخطأ لدى المجموعات السكانية المختلفة، كما لا يوجد تحقق سريري مستقل خضع لمراجعة الأقران. وفي غياب هذه البيانات، يصعب تحديد ما إذا كان النموذج قد حفظ الحالات القائمة، أو ما إذا كان يستطيع التعامل مع مرضى العيادات الفعلية الذين يعانون من سمات ظاهرية غير مكتملة، وتفاوت في جودة الفحوص، ووجود طفرات متعددة في الوقت نفسه.

يتيح فتح المصدر لفرق البحث فحص الشفرة، وإعادة إنتاج الاختبارات، وتعديل النموذج وفقًا للبيانات المحلية، كما يساعد مراكز الأمراض النادرة الأقل امتلاكًا للموارد على الحصول على أدوات التحليل. وفي يوليو 2026، حصل OneGenome على جائزة حالة استخدام ضمن فئة «Open-Source AI for Global Impact» من الاتحاد الدولي للاتصالات؛ كما عرضت BGI أدوات وكيلة لاحقة لفحص الأمراض النادرة وعلم الأورام الدقيق. غير أن الجوائز التقنية تثبت مفهوم التطبيق وقيمته العامة، ولا يمكنها أن تحل محل مراجعة الأجهزة الطبية أو أدلة الأداء التشخيصي.

تتمثل العقبة التالية في نقل النتائج الجذابة للاختبارات المعيارية إلى الممارسة السريرية: إجراء مقارنات استباقية في مستشفيات مختلفة، ونشر معدلات الحالات الفائتة والتقديرات الخاطئة والانحيازات السكانية، والتأكد من إمكانية تتبع الأدبيات التي يستشهد بها النموذج ومن حماية البيانات الجينية للمرضى على نحو ملائم. وحتى إذا تمكن النظام من تضييق نطاق المرشحين بسرعة، فلا بد أن يجمع التفسير النهائي بين التاريخ العائلي، ونمط الوراثة، والتجارب الوظيفية، ومراجعة الخبراء السريريين. ويتوقف ما إذا كان OneGenome قادرًا فعليًا على اختصار «رحلة التشخيص» التي يقضي فيها المرضى سنوات في مراجعة الأطباء على هذه الظروف الواقعية.