التكنولوجيا الحيوية · global
إصدار مسودة OpenDDE يطرح نموذجاً مفتوح المصدر على مستوى الذرات كافة، ويدفع ذكاء الأدوية الاصطناعي نحو قاعدة بنيوية قابلة للاختبار
أتاحت Aureka AI علناً كود نموذج الطيّ المشترك وأوزانه وسير عمل تقييمه معاً، بما يجعل الاستدلال البنيوي للجزيئات في اكتشاف الأدوية يتجاوز حدود الأنظمة المغلقة؛ لكن هذه لا تزال نتيجة مبكرة في مسودة بحثية، وما زال أمامها مسار تحقق قبل أن تصبح قادرة فعلاً على فحص الأدوية أو تقدير الألفة أو تصميم العلاجات.
أحد أكثر الأخطاء كلفة في تطوير الأدوية هو إساءة تقدير الطريقة التي سيقترب بها جزيء ما من هدف بيولوجي، أو سيتداخل معه، أو سيعمل على تثبيته، قبل أن يدخل الجزيء المختبر أصلاً. ومسودة OpenDDE التي نشرتها Aureka AI على arXiv تستهدف تحديداً هذه المرحلة المبكرة من اتخاذ القرار: استخدام نموذج أساس مفتوح المصدر للجزيئات الحيوية على مستوى الذرات كافة، للمساعدة في استنتاج العلاقات الثلاثية الأبعاد بين البروتينات والأجسام المضادة والأحماض النووية وجزيئات أخرى داخل المعقّدات.
الاسم الكامل لـ OpenDDE هو Open Drug Discovery Engine. ويضعه فريق البحث بوصفه طبقة للاستدلال البنيوي تتمحور حول «الطيّ المشترك»، أي أنه لا يتنبأ بشكل بروتين واحد فحسب، بل يحاول معالجة هيئة عدة جزيئات عند ارتباطها ببعضها في الوقت نفسه. وتقول الورقة إن النظام يركز حالياً أساساً على التنبؤ ببنية المعقّدات، على أن يمتد لاحقاً إلى تصميم جزيئات جديدة، وتقدير الألفة، وتحسين مرشحات الأدوية المشروطة بالبنية.
لا تكمن إشارة هذا الإصدار في النموذج نفسه فقط، بل أيضاً في درجة الانفتاح. فالمسودة تذكر أن OpenDDE يتيح كود التدريب، وسير عمل الاستدلال، ونقاط تحقق النموذج، والاختبارات المرجعية، بموجب ترخيص Apache-2.0. وبالنسبة إلى الذكاء الاصطناعي في الطب الحيوي، يعني ذلك أن الباحثين الخارجيين قد تتاح لهم فرصة إعادة تشغيل المسار، وفحص معالجة البيانات وإعدادات التقييم، بدلاً من الاكتفاء بقراءة ملخصات نتائج النماذج المغلقة.
على مستوى المسار التقني، يعتمد OpenDDE بنية توليد بنيوي تنتقل من الخشن إلى الدقيق: يبدأ بإنشاء تمثيل للعلاقات على مستوى البقايا، ثم يوسعه إلى رموز بنيوية أدق، مثل العمود الفقري للبروتين، والسلاسل الجانبية، والعمود الفقري للأحماض النووية، والقواعد، والربيطات أو الوحدات الذرية، وأخيراً يولّد مولد إحداثيات قائم على الانتشار المواقع على مستوى الذرات كافة. كما أضاف الفريق هدف تدريب يتعلق بتكامل شكل الواجهة، أملاً في أن لا يكتفي النموذج بوضع الذرات في مواقع متقاربة، بل أن يعكس بصورة أفضل اتجاه أسطح الارتباط وتباعدها وتراصها المحلي.
تركزت عمليات التحقق الرئيسية المطروحة في المسودة على التنبؤ ببنية الجسم المضاد-المستضد. ويقول فريق البحث إن معدلات نجاح DockQ التي حققها OpenDDE على مجموعات بيانات PXMeter-AB وFoldBench-AB و2026ARK-AB بلغت على التوالي 51.0% و70.0% و66.4%، وإنه تفوق في عدة مقارنات على نماذج مثل AlphaFold3 وChai-1 وBoltz-1 وOpenFold3 وProtenix-v1 وESMFold2. ولهذا النوع من المهام أهمية عملية، لأن التصميم المبكر لعلاجات الأجسام المضادة غالباً ما يحتاج إلى الحكم على ما إذا كان الجسم المضاد يلتصق بحاتمة المستضد بالوضعية الصحيحة؛ لكن هذه الأرقام لا تزال صادرة عن تقييمات أبلغ عنها الفريق في المسودة، وتحتاج إلى مزيد من إعادة الإنتاج المستقلة.
خلفية السياق
في السنوات الأخيرة، انتقل الذكاء الاصطناعي للجزيئات الحيوية تدريجياً من طيّ البروتين الواحد إلى مهام المعقّدات والأجسام المضادة والربيطات والتصميم. وقد جعل AlphaFold3 النمذجة على المستوى الذري لتفاعلات أنواع متعددة من الجزيئات محور الاهتمام، بينما حاولت الأنظمة اللاحقة المفتوحة المصدر والتجارية دفع التنبؤ البنيوي نحو مسارات اكتشاف الأدوية. ويكمن اختلاف OpenDDE في أنه يضع «قاعدة مفتوحة المصدر قابلة للوصول» في مركز السرد، استجابة لمشكلة صعوبة مراجعة النماذج المغلقة عالية الأداء ومقارنتها وتعديلها.
والقيود واضحة أيضاً. يقر مؤلفو الورقة بأن OpenDDE يركز حالياً أساساً على واجهات البروتين-البروتين والجسم المضاد-المستضد، ولا يمكن الادعاء مباشرة بأنه بات مناسباً لإرساء ربيطات الجزيئات الصغيرة، أو الفحص الافتراضي، أو ترتيب الألفة؛ فهذه المهام قد تحتاج إلى تنظيم بيانات أكثر ميلاً إلى الكيمياء، وتدريب لاحق، وتقييمات متخصصة. كما يشير الفريق إلى أن المقارنة مع أنظمة مغلقة مثل IsoDDE محدودة بسبب نقص المعلومات العامة، ما يجعل من الصعب تحديد ما إذا كانت الفروق تعود إلى البنية المعمارية، أو البيانات، أو استراتيجية التدريب، أو هندسة الاستدلال.
لذلك يبدو OpenDDE أقرب إلى بنية تحتية بنيوية مفتوحة منه إلى آلة ناضجة لاكتشاف الأدوية آلياً. فقد يخفّض حاجز دخول الفرق الأكاديمية والصغيرة إلى النمذجة المتقدمة للجزيئات الحيوية، وقد يتيح أيضاً لمختبرات مختلفة استخدام الأداة نفسها لاختبار واجهات الأجسام المضادة، أو البروتينات المرشحة للارتباط، أو فرضيات تصميم جديدة؛ أما ما إذا كان سيتمكن فعلاً من تقصير دورة تطوير الأدوية، فسيظل رهناً بالاختبارات المرجعية المستقلة اللاحقة، وتغذية التجارب الرطبة الراجعة، وقدرة قرارات ما قبل السريرية على الاتصال بالاستدلال البنيوي الذي يوفره هذا النموذج.