قام باحثون من معهد شنغهاي للكيمياء العضوية في الأكاديمية الصينية للعلوم بتطوير نموذج ذكاء اصطناعي توليدي يتنبأ بتفاعلات البروتين البروتين بدقة ذرية، وفقًا لدراسة نُشرت في Proceedings of the National Academy of Sciences (PNAS) في 9 يونيو 2026. النموذج، المسمى Void-X، يتخذ نهجًا مختلفًا تمامًا لتصميم البروتين من خلال بناء واجهات من الذرات الفردية إلى الأعلى بدلاً من نحت شكل البروتين العام أولاً.

العمل بقيادة د. تم تسليط الضوء على يانغ جينغ، ويوان جونيينغ، وجيمس جيه تشو، من قبل الأكاديمية الصينية للعلوم ونشرها موقع Phys.org. فهو يضيف أداة جديدة إلى مجال سريع الحركة حيث يستخدم الذكاء الاصطناعي على نحو متزايد لتصميم الآلات الجزيئية التي تدعم الأدوية والمواد والبيولوجيا الاصطناعية. لمزيد من السياق حول هذه القصة، راجع أحدث تطورات الذكاء الاصطناعي.

ما أهمية التفاعلات بين البروتين والبروتين

البروتينات هي العمود الفقري الجزيئي لجسم الإنسان. إنهم يبنون الأنسجة، وينقلون الجزيئات، وينظمون الاتصال الخلوي، ويدافعون ضد العدوى. تعمل العديد من الأدوية الأكثر أهمية - بما في ذلك علاجات السرطان بالأجسام المضادة والأنسولين لمرض السكري - من خلال التفاعل مع بروتينات معينة أو عن طريق استبدال البروتينات المفقودة أو المعطوبة.

ونظرًا لأن العديد من العمليات البيولوجية تعتمد على كيفية ارتباط البروتينات ببعضها البعض، فإن القدرة على التنبؤ بدقة وهندسة التفاعلات بين البروتين والبروتين يمكن أن تسرع اكتشاف الأدوية وتلبية الاحتياجات الطبية غير الملباة. ويكمل التقدم هنا أيضًا التقدم السريع في تقنيات التوصيل مثل نواقل الفيروسات المرتبطة بالغدة والجسيمات الدهنية النانوية mRNA، التي تنقل الجزيئات العلاجية إلى الخلايا.

نهج من أسفل إلى أعلى بدلاً من من أعلى إلى أسفل

تتبع معظم أطر الذكاء الاصطناعي الحالية لتصميم البروتين استراتيجية من أعلى إلى أسفل: فهي تقوم أولاً بإنشاء سقالة بروتينية شاملة تناسب الموقع المستهدف، ثم تصمم تسلسلًا لتحسين الارتباط. Void-X يعكس هذا المنطق.

النموذج عبارة عن نظام تعبئة ذري. ويتم تدريبه على التعرف على أنماط التفاعل على النطاق الذري وملء "الفراغات" - الفجوات - داخل واجهات البروتين. الافتراض التوجيهي لها هو أن المجمعات الجزيئية الكبيرة المستقرة يتم تجميعها معًا عن طريق التعبئة الذرية المثالية، والتي تنبثق من التفاعلات المحلية بين الذرات المجاورة بالإضافة إلى عمليات الاقتران ذات الترتيب الأعلى مع الذرات الأبعد. بدلاً من تصميم شكل بروتين كامل، يقوم Void-X مباشرة بإنشاء مجموعات ذرية مدمجة محسنة للتعبئة الضيقة داخل منطقة هيكلية محددة، مما يمنح التصميم أساسًا ماديًا.

تدرب على ثمانية ملايين مجموعة ذرية

لتدريب Void-X، قام الباحثون بتجميع مجموعة بيانات تضم أكثر من ثمانية ملايين مجموعة ذرية كروية مستمدة من الهياكل المحددة تجريبيًا والمودعة في بنك بيانات البروتين. بالنسبة لكل مجموعة، تم إخفاء ما يقرب من 30% من الذرات المحيطية المتجاورة مكانيًا، في حين كانت الذرات المتبقية بمثابة "السياق" - وهو محفز فعال - الذي استخدمه النموذج للتنبؤ بالذرات المفقودة.

تحتوي الشبكة الناتجة على 172 مليون معلمة وحققت دقة تنبؤية قوية: 78.3% للمجموعات الذرية داخل السلسلة و68.2% للمجموعات بين السلاسل، حسبما أفاد الباحثون.

ماذا يعني اكتشاف الأدوية وما بعده

وفقًا للمؤلفين، تتيح هذه القدرات إمكانية توليد تفاعلات بروتينية ذات دقة ذرية جديدة، مما يوفر ما وصفوه بأنه طريق تكميلي وبديهي لتصميم البروتين. من خلال الجمع بين التفاصيل على المستوى الذري والنمذجة التوليدية، يعمل Void-X على توسيع مجموعة الأدوات للهندسة العقلانية للواجهات الجزيئية الحيوية.

وهذا مهم لأن تصميم الواجهة يقع في قلب تطوير الأدوية الحديثة. إن الأدوات الحسابية الأفضل للتنبؤ بكيفية ارتباط الجزيء المرشح بالبروتين المستهدف يمكن أن تقصر الطريق من الفكرة إلى العلاج، وتقلل من الاعتماد على تجارب التجربة والخطأ المكلفة، وتسهل تصميم البروتينات لوظائف جديدة تمامًا في البيولوجيا التخليقية.

مجال متنامٍ

يصل Void-X وسط موجة من عمل البروتين المعتمد على الذكاء الاصطناعي. من التنبؤ بالبنية إلى التصميم التوليدي للذرة بالكامل، يدفع الباحثون بثبات نحو القدرة على نمذجة التفاعلات الجزيئية الحيوية بدقة ذرية كاملة. لقد أثبتت الأنظمة التوليدية السابقة للذرات بالكامل جدوى تصميم التفاعلات والتنبؤ بها على هذا النطاق، ويساهم Void-X في استراتيجية التعبئة الأولى المتميزة لنفس الجهد.

خدعة الإخفاء التي تجعلها ناجحة

تستعير طريقة تدريب Void-X صفحة من قواعد اللعب الخاصة بنموذج اللغة. ومن خلال إخفاء ما يقرب من 30% من الذرات في كل مجموعة تدريب ومطالبة النموذج باستنتاجها من السياق المحيط، قام الباحثون بتحويل البيولوجيا البنيوية إلى مهمة ملء الفراغات - وهو نفس المبدأ الذي يسمح لنماذج اللغة الكبيرة بالتنبؤ بالكلمات المفقودة في الجملة. الفرق هو أن "مفردات" Void-X تتكون من ذرات مرتبة في فضاء ثلاثي الأبعاد، والقواعد التي يتعلمها تعكس قواعد التعبئة الفيزيائية التي تحكم كيفية طي البروتينات الحقيقية وارتباطها.

هذا التدريب المدرك للبنية هو ما يفصل Void-X عن الأساليب التي تتعامل مع البروتينات كتسلسلات مسطحة من الأحماض الأمينية. ونظرًا لأن النموذج يعتمد على الاقترانات الذرية المحلية وطويلة المدى في وقت واحد، فيمكنه اقتراح أشكال هندسية للواجهة تحترم القيود الفيزيائية للمعقد المستقر، بدلاً من إنتاج تصميمات ذات مظهر معقول ولكنها غير مستقرة بيولوجيًا.

##حدود وأسئلة مفتوحة

النتائج واعدة، لكن الباحثين صريحون في أن التحديات لا تزال قائمة. إن الدقة بين السلاسل البالغة 68.2% - ذات الصلة بالمجمعات المتعددة البروتينات التي تحدد معظم أهداف الأدوية في العالم الحقيقي - أقل بكثير من الرقم داخل السلسلة، مما يعكس الصعوبة الأكبر في نمذجة كيفية اجتماع جزيئين منفصلين معًا. إن تصميم واجهة ترتبط بإحكام في نموذج حسابي هو أيضًا الخطوة الأولى فقط؛ لا يزال يتعين تصنيع المرشحين والتحقق من صحتهم تجريبيًا، ويمكن أن تتعثر التفاعلات المتوقعة في البيئة الأكثر فوضوية للخلية الحية.

من المحتمل أن تكون الخطوات التالية هي توسيع نطاق بيانات التدريب، وتحسين معالجة النموذج لمناطق البروتين المرنة أو المضطربة، ودمج Void-X مع الأنظمة التكميلية من أعلى إلى أسفل. يضع المؤلفون مساهمتهم في إطار تكنولوجيا تكميلية، وليست بديلة، وهو خيار قائم على أسس مادية، يمكن دمجه مع السقالات الموجودة، بينما يتجه المجال نحو تصميم جزيئي موثوق وشامل.

اتجاه أوسع

تشير الدراسة، التي نُشرت تحت DOI 10.1073/pnas.2607035123، إلى أن المنافسة لبناء أدوات تصميم جزيئي أكثر دقة أصبحت الآن جارية على قدم وساق - وأن الذكاء الاصطناعي التوليدي أصبح جزءًا لا غنى عنه من طاولة عمل علماء الكيمياء الحيوية. وبما أن نماذج مثل Void-X تعمل على تضييق الفجوة بين الحساب والمختبر، فإن الأمل هو أن يتمكن الباحثون من تصميم علاجات وإنزيمات ومواد جديدة بشكل أسرع وأكثر عقلانية من أي وقت مضى.

---

ابق على اطلاع بأخبار الذكاء الاصطناعي

آخر أخبار وتحليلات وإنجازات الذكاء الاصطناعي — في مكان واحد.

اقرأ المزيد من أخبار الذكاء الاصطناعي →