هل يبدأ عصر عالم الأحياء بالذكاء الاصطناعي؟ وعود XunZi وحدوده
يتناول هذا المقال أمرًا مختلفًا عن أخبار «دواء جديد» أو «تجربة سريرية جديدة» المعتادة: ذكاء اصطناعي يحاول تسريع عملية اكتشاف الجين الكامن وراء المرض نفسها لدى العلماء. ويسميه الباحثون «عالم أحياء بالذكاء الاصطناعي»، واختاروا له اسم الفيلسوف الكونفوشيوسي الذي عاش في القرن 3 قبل الميلاد، شونزي (Xún Zǐ)، وهو مفكر رأى أن المعرفة تنبع من معالجة الملاحظات المتراكمة بالاستدلال المنهجي، لا من الحدس.
هذه دراسة أحدثت صدى واسعًا. وسنتناول في هذا المقال، دون مبالغة، بنيتها ونتيجتين ملموستين لها في سرطان الرئة ومرض باركنسون.
للبحث الطبي الحيوي مشكلة مزمنة: تُنتج عالميًا ملايين المنشورات وكميات هائلة من بيانات «الأوميكس المتعددة» (الجينوم والبروتين والمسارات الخلوية)، لكن عقل إنسان واحد لا يستطيع توليفها كلها معًا وإعطاء جواب موثوق عن سؤال «أي جين مهم فعلًا في أي مرض؟». ويحاول XunZi سد هذه الفجوة بدمج وحدتين مختلفتين :
XunZi-R: انطلاقًا من نموذج اللغة مفتوح المصدر Mistral 7B، أُعيد تدريبه على 24,4 مليون منشور علمي وعلى 336.108 أمثلة «للاستدلال الآلي» المعتمدة من خبراء (نصوص تشرح خطوة بخطوة كيفية عمل جين في مرض). والهدف تقديم جواب لسؤال مثل «هل للجين X وظيفة في المرض Y؟» لا يقتصر على «نعم/لا»، بل يشرح أي الجينات وأي المسارات الخلوية تتأثر .
XunZi-M: وحدة تستند إلى البيانات العددية، وتدمج 2,8 مليون تفاعل بين البروتينات و47.922 مصطلحًا من أنطولوجيا الجينات و613 تيرابايت من بيانات الأوميكس المتعددة (طبقات مختلفة كالجينوم والترانسكريبتوم والبروتيوم)، باستخدام شبكة عصبية بيانية (GCN) لجمع هذه البيانات معًا.
قارن الباحثون XunZi مباشرة بـGPT-4o في مهام التصنيف العامة للجينات والأمراض. والفارق أكبر من أن يُتجاهل:
في سرطان الرئة غير صغير الخلايا (NSCLC)،اختُبرت مخبريًا الجينات المرشحة الـ20 من أصل 20 التي اقترحها XunZi، وتحقق تأكيد 5 منها. ومنها واحد لافت خصوصًا: MYO1B ؛ وهو جين ينظم مسارات إشارات معروفة جيدًا في السرطان مثل PI3K/AKT وMAPK/ERK، لكنه لم يُربط سابقًا بسرطان الرئة. وبحسب المؤلفين، عند طرح السؤال نفسه، لم يقترح GPT-4o هذا الجين.
أصعب جزء في العثور على هدف دوائي جديد هو تحديد جين «لم ينظر إليه أحد سابقًا لكنه فعال وظيفيًا حقًا». ويُظهر مثال MYO1B أن XunZi لا يكرر الجينات المعروفة فحسب، بل يجمع قرائن موجودة بصورة غير مباشرة في الأدبيات لم تُجمع من قبل، ليولد فرضية جديدة حقًا ؛ مع دعمها بالتحقق المخبري.
يأتي المثال الأوضح لقوة XunZi الفعلية من مرض مختلف تمامًا: باركنسون. بعد أن رتب النظام أكثر 20 كينازًا (إنزيمًا) مرشحًا احتمالًا، اختُبرت في عصبونات أتلفها MPP+ (سم يؤذي العصبونات الدوبامينية)؛ وأظهر 3 منها (CHK2 وIRAK4 وSTK33) تأثيرًا واقيًا.
ثبت فرط تنشيط CHK2 وIRAK4 في منطقة المادة السوداء في نموذجين مستقلين لفئران باركنسون (MPTP ونماذج «اللييفات سابقة التشكّل» لألفا سينوكلين). وأدى تثبيط CHK2 بطريقة AAV إلى تقليل فقدان العصبونات الدوبامينية واضطرابات الحركة.
وهذا الجزء الأكثر لفتًا: بدل تطوير دواء جديد من الصفر، أجرى الباحثون هذا التحقق بجزيء موجود أصلًا ؛ هو CCT241533، الذي طُوّر أصلًا في 2011 لتعزيز تأثير مثبطات PARP في أبحاث السرطان، وهو مثبط انتقائي لـCHK2. أظهر الجزيء تأثيرًا واقيًا في نموذجي باركنسون؛ وفوق ذلك، وبصورة غير متوقعة، ثبط أيضًا تنشيط LRRK2، وهو من أهم الجينات المعروفة في مرض باركنسون، ؛ وكانت هذه الصلة توقعًا أنتجه XunZi بنفسه، لم يوجد سابقًا في أي منشور أو نظام ذكاء اصطناعي آخر.
يتوافق ذلك تمامًا مع نمط نفضله في تطوير الأدوية: يمكن إعادة توظيف جزيء طُوّر لمرض ما في مرض مختلف تمامًا ؛ وطبعًا تظل هذه نتيجة على مستوى نموذج الفأر، لم تُختبر بعد لدى البشر.
- مشكلة الوسم «السلبي» في بيانات التدريب: أثناء تدريب النموذج، تُفترض أزواج الجينات والأمراض التي لم تُوصّف بعد «سلبية» (غير مرتبطة)؛ وقد يكون بعضها مرتبطًا بالفعل لكن لم يُكتشف بعد. وهذا مصدر لا مفر منه لعدم اليقين.
- التحقق محصور بمرضين فقط (NSCLC وباركنسون). ولا يُعرف أداؤه في الأمراض النادرة أو ذات البيانات الضعيفة.
- لم تُدرج في النموذج البيانات الزمنية على مستوى الخلية المفردة أو بُنى البروتينات أو السجلات السريرية.
- لا يوجد تحقق دوائي في نموذج حيواني حي إلا لـCHK2. لم يُجر بعد التحقق في نموذج حيواني لـIRAK4 وSTK33.
- والنقطة الأساسية: هذه أداة لاكتشاف الأهداف وتوليد الفرضيات ؛ ولا تعني أي من نتائجها علاجًا اختُبر لدى البشر.
- «الذكاء الاصطناعي يجد علاج باركنسون وسرطان الرئة!»
- «عالم الأحياء بالذكاء الاصطناعي يحل محل العلماء البشر»
- «دواء جديد في الطريق: اكتشفه الذكاء الاصطناعي بالفعل»
- هذه أداة لتوليد الفرضيات وتحديد أولوياتها ؛ تقترح، بسرعة ودقة أكبر من الباحثين البشر، أي الجينات/الجزيئات تستحق الاختبار المخبري
- النتائج على مستوى مزارع الخلايا ونماذج الفئران؛ ولم يُجر أي اختبار سريري لدى البشر
- من الكينازات المرشحة الـ3، لم يُؤكد دوائيًا في حيوان حي سوى 1 (CHK2)
- لا تحل هذه الأداة محل العالم البشري؛ بل تشير بسرعة أكبر إلى «أين ينبغي أن يبحث»
- هذا ليس علاجًا، بل أداة بحث لم تصل إلى البشر مطلقًا بعد ؛ ولا يمكن تطبيق أي نتيجة في المقال مباشرة على مريض اليوم في تركيا أو أي مكان بالعالم.
- السؤال المهم فعلًا هو كيف ستغيّر أدوات كهذه سرعة البحث. ويُظهر ذلك توسع الذكاء الاصطناعي في طب الأورام من دعم التشخيص والتصوير إلى أبكر مراحل البحث وأبطئها، مثل اكتشاف الأهداف.
- مثال CCT241533 يذكّر بقيمة استراتيجية «إعادة توظيف الدواء» (drug repurposing) ؛ فتطوير جزيء جديد من الصفر يتطلب سنوات ومليارات الدولارات، بينما قد يكون اختبار جزيء موجود ذي ملف أمان معروف جزئيًا في مرض جديد طريقًا أسرع بكثير.
- إتاحة أدوات الذكاء الاصطناعي هذه للمراكز الأكاديمية والبحثية السريرية في تركيا قد تعزز مستقبلًا القدرة المحلية على اكتشاف الأهداف؛ لكنه موضوع طويل الأمد يحتاج إلى بنية تحتية وإتاحة للبيانات.
إذا قرأت هذا الخبر وتساءلت «هل ظهر دواء جديد لباركنسون أو سرطان الرئة؟»، فالإجابة: لا، ليس بعد. تقدم هذه الدراسة أداة ذكاء اصطناعي تشير إلى الجينات والجزيئات التي قد تصبح أهدافًا دوائية مستقبلًا بسرعة أكبر . وسيكون اختبار مثبط CHK2 لدى البشر لعلاج باركنسون، إن تحقق، عملية تستغرق سنوات.
أكثر الأسئلة سلامة عند متابعة أخبار كهذه: «في أي مرحلة تقع هذه النتيجة؛ مزرعة خلايا أم نموذج حيواني أم دراسة بشرية؟» في هذا المثال، الإجابة حتى في أكثر السيناريوهات تفاؤلًا هي مرحلة «النموذج الحيواني».
من أكبر اختناقات البحث الطبي الحيوي تقديم جواب سريع وموثوق عن سؤال «أي جين نستهدف في أي مرض؟». يجمع XunZi الاستدلال القائم على الأدبيات ببيانات الأوميكس المتعددة العددية، فيضيف لهذه العملية سرعة ونطاقًا لا يستطيع الباحثون البشر بلوغهما منفردين؛ مع نتائج ملموسة مؤكدة مخبريًا في السرطان وفي مرض غير سرطاني.
XunZi نظام دُرّب على 24,4 مليون منشور و613 TB من بيانات الأوميكس المتعددة، ويضم 7,3 مليارات معلمة؛ ويتفوق بوضوح على GPT-4o في مهمة التصنيف العامة (%90,2 مقابل %54,1 للإيجابيات الصحيحة). وفي NSCLC، من الجينات الـ20 التي اقترحها تأكدت 5 (منها MYO1B الذي لم يقترحه GPT-4o). وفي باركنسون، من الكينازات الواقية الـ3 المقترحة تأكد CHK2 في نموذجين مستقلين للفئران وبجزيء موجود لأبحاث السرطان (CCT241533)؛ وأظهر هذا الجزيء أيضًا تأثيرًا غير معروف سابقًا في LRRK2.
تُفترض أزواج الجينات والأمراض غير الموصّفة في بيانات التدريب «سلبية»؛ وهو عدم يقين قد يؤثر اصطناعيًا في أداء النموذج. والتحقق محصور بمرضين؛ ولا تُعرف الموثوقية في الأمراض النادرة. ولم تُدرج بيانات الخلية المفردة وبنى البروتينات والسجلات السريرية. ولم يُتحقق دوائيًا في حيوان حي إلا من هدف واحد (CHK2)؛ وتظل هذه النتائج بعيدة جدًا عن الدراسات البشرية.
لا توجد اليوم ترجمة مباشرة إلى الممارسة السريرية؛ فهذه أداة بحث/اكتشاف أهداف. لكن كيفية دمج أنظمة الذكاء الاصطناعي هذه في عملية توليد الفرضيات تصبح سؤالًا أكثر واقعية للباحثين والمراكز الأكاديمية.
ماذا سيُظهر التحقق من IRAK4 وSTK33 في النماذج الحيوانية؟ هل سيُطرح اختبار CCT241533 لدى البشر لعلاج باركنسون؟ ما موثوقية XunZi في الأمراض النادرة أو ضعيفة البيانات؟ وسؤال أعم: هل تستطيع أنظمة «علماء الأحياء بالذكاء الاصطناعي» هذه اختصار اكتشاف الأهداف، وهو من أغلى مراحل تطوير الأدوية وأبطئها، أم سينتقل الاختناق إلى مرحلة التحقق السريري؟
- Huang X، Qin J، Tang F، وزملاؤهم. XunZi، عالم أحياء بالذكاء الاصطناعي، يكشف أهدافًا معدِّلة للمرض. Nat Biomed Eng. 2026.
- Caldwell JJ، وزملاؤه. CCT241533 مثبط قوي وانتقائي لـCHK2 يعزز السمية الخلوية لمثبطات PARP. Cancer Res. 2011;71(2):463-472.
ملاحظة المحرر: هذا المحتوى تكييف باللغة التركية لدراسة في الأحياء الحاسوبية/اكتشاف الأهداف منشورة في Nature Biomedical Engineering؛ وهو للتثقيف العام وليس نصيحة طبية. نظام الذكاء الاصطناعي المقدم هنا ليس علاجًا؛ ونتائجه على مستوى مزارع الخلايا ونماذج الفئران، ولم يُجر أي اختبار سريري لدى البشر. وفي تاريخ كتابة المقال، لا يتعدى الاستخدام المحتمل لمثبط CHK2 المسمى CCT241533 في باركنسون كونه نتيجة قبل سريرية (نموذج حيواني). ومن غير الواضح متى وكيف ستصبح نتائج الأبحاث المبكرة كهذه قابلة للتطبيق على المرضى البشر. استشر طبيبك في كل قرار يتعلق بصحتك.
هل كان هذا المقال مفيدًا لك؟
تساعدنا ملاحظاتك على تحسين المحتوى.
تعليقات القراء
شارك تعليقك
لا يُنشر اسمك وتعليقك إلا بعد موافقة المسؤول. لا يُعرض بريدك الإلكتروني للزوار مطلقًا.
كن أول من يعلّق.