جائزة نوبل في الكيمياء لمطوري AlphaFold AI للتنبؤ بهياكل البروتين

جائزة نوبل في الكيمياء لمطوري AlphaFold AI للتنبؤ بهياكل البروتين

للمرة الأولى ــ وبالتأكيد ليست الأخيرة ــ يحصل التقدم العلمي الذي أصبح ممكنا بفضل الذكاء الاصطناعي على جائزة نوبل. مُنحت جائزة نوبل في الكيمياء لعام 2024 إلى جون جامبر وديميس هاسابيس من Google DeepMind في لندن لتطويرهما تقنية رائدة. أدوات الذكاء الاصطناعي للتنبؤ ببنية البروتين تسمى AlphaFold وإلى ديفيد بيكر من جامعة واشنطن في سياتل لعمله في تصميم البروتين الحسابي على مدى السنوات القليلة الماضية لقد أحدث ثورة في الذكاء الاصطناعي.

آثار AlphaFold، ذلك تم الكشف عنها قبل بضع سنوات ، ليست أقل من التحويلية. وقد جعلت هذه الأداة التنبؤ بتركيبات البروتين ــ بدقة عالية في كثير من الأحيان، ولكن ليس دائما ــ في متناول الباحثين بلمسة زر واحدة، مما أتاح إجراء تجارب لم يكن من الممكن تصورها قبل عقد من الزمن. يتحدث علماء الأحياء الآن عن عصر "قبل AlphaFold" و"بعد AlphaFold".

وقال هاينر لينكه، رئيس لجنة جائزة نوبل وعالم النانو في جامعة لوند في السويد، خلال إعلان الجائزة: "لقد كان حلمًا طويلًا أن نكون قادرين على التنبؤ بالبنية ثلاثية الأبعاد للبروتينات بناءً على تسلسل الأحماض الأمينية الخاصة بها. وكان هذا يعتبر مستحيلاً لعقود من الزمن". وأضاف أن المكرمين هذا العام "تمكنوا من فك القواعد". وسيتقاسم الفائزون الثلاثة جائزة قدرها 11 مليون كرونة سويدية (مليون دولار أمريكي).

ذكاء اصطناعي ممتاز

قدمت DeepMind تطبيق AlphaFold في عام 2018 عندما فازت في مسابقة التنبؤ ببنية البروتين التي تُقام كل عامين، وهي التقييم النقدي للتنبؤ ببنية البروتين (CASP). لكنها كانت النسخة الثانية من الشبكة العصبية العميقة، والذي تم تقديمه في نهاية عام 2020 مما أحدث زلزالا في علوم الحياة.

كانت العديد من تنبؤات AlphaFold2 في CASP دقيقة جدًا لدرجة أنه لم يكن من الممكن تمييزها عن هياكل البروتين المحددة تجريبيًا. وهذا ما دفع جون مولت، المؤسس المشارك لـ CASP وعالم الأحياء الحسابي في جامعة ميريلاند في كوليدج بارك، إلى أن يقول: للإعلان في عام 2020 أن "المشكلة تم حلها بطريقة معينة".

قاد هاسابيس، المؤسس المشارك والرئيس التنفيذي لشركة DeepMind، وJumper، قائد فريق AlphaFold، عملية تطوير AlphaFold2. للتنبؤ بهياكل البروتين، تقوم الشبكة العصبية بدمج هياكل مماثلة من قواعد البيانات التي تحتوي على مئات الآلاف من الهياكل المحددة تجريبيًا وملايين التسلسلات من البروتينات ذات الصلة - والتي تحتوي على معلومات حول أشكالها.

في عام 2021، ديب مايند الكود الأساسي لـ AlphaFold2 متاح مجانًا بالإضافة إلى البيانات المطلوبة لتدريب النموذج. واحد قاعدة بيانات ألفا فولد تم إعداده بالتعاون مع المختبر الأوروبي للبيولوجيا الجزيئية والمعهد الأوروبي للمعلوماتية الحيوية في هينكستون بالمملكة المتحدة، يحتوي الآن على هياكل معظم البروتينات من جميع الكائنات الحية الممثلة في قواعد البيانات الجينية: ما مجموعه حوالي 214 مليون التنبؤات. هذا العام قدمت الشركة واحدة الإصدار الثالث من AlphaFold يمكنها أيضًا تصميم جزيئات أخرى تتفاعل مع البروتينات، مثل الأدوية.

إن الثورة التي أطلقها جامبر وهاسابيس وزملاؤهما لا تزال في مراحلها الأولى، وقد لا يُعرف التأثير الكامل لـ AlphaFold على العلوم قبل سنوات. لكن الأداة تساعد العلماء بالفعل على اكتساب رؤى جديدة.

استخدم فريق رائد هذه الأداة، جنبًا إلى جنب مع البيانات التجريبية، من أجل مجمع المسام النووي لرسم خريطة، واحدة من أكبر الآلات في خلايانا والتي تنقل الجزيئات داخل وخارج نواة الخلية. في العام الماضي، قام فريقان بتحليل قاعدة بيانات AlphaFold بأكملها لاكتشاف أعمق أركان عالم البروتين، وتحديد عائلات وطيات بروتينية جديدة وارتباطات مذهلة في آلية الحياة.

ويأمل العديد من الباحثين أن يؤدي AlphaFold وأدوات الذكاء الاصطناعي الأخرى التي ألهمتها إلى إحداث تحول في الطب. ومع ذلك، فهو كذلك لا يزال غير واضح أو كيف أو ما إذا كان AlphaFold سيعمل على تبسيط العملية المكلفة والمتعددة الخطوات لتطوير أدوية جديدة آمنة.

خلق بروتينات جديدة

قبل أكثر من عقد من بدء DeepMind العمل مع AlphaFold، قام عالم الفيزياء الحيوية الحاسوبية ديفيد بيكر من جامعة واشنطن في سياتل وزملاؤه بتطوير أدوات برمجية لنمذجة هياكل البروتين بناءً على مبادئ فيزيائية تسمى روزيتا. حققت الأداة نجاحًا مبكرًا في تصميم البروتينات الجديدة.

على مر السنين، استخدم فريق بيكر تطبيق Rosetta للتنبؤ بتركيبات البروتين - وكان من بين الأفضل أداءً في العديد من CASPs قبل هيمنة AlphaFold مؤخرًا - وكذلك لتصميم بروتينات جديدة مثل الإنزيمات والجسيمات النانوية البروتينية ذاتية التجميع.

عندما تم الإعلان عن AlphaFold2 - ولكن لم يتم إصداره بعد - شرع بيكر وفريقه، بما في ذلك الكيميائي الحسابي مينكيونج بايك، الذي يعمل حاليًا في جامعة سيول الوطنية في كوريا الجنوبية، في فهم البرنامج وتطبيق بعض حيله على نسخة سابقة من رشيد تعتمد على الذكاء الاصطناعي. كان أداء الإصدار الأول من شبكة RoseTTAFold الناتجة مماثلاً تقريبًا لأداء AlphaFold2. منذ عام 2021، تم تحسين كلتا الشبكتين باستمرار من قبل مطوريهما وعلماء آخرين لمواجهة التحديات الجديدة، مثل التنبؤ ببنية المجمعات المكونة من عدة بروتينات متفاعلة مختلفة.

في السنوات الأخيرة، كان فريق بيكر مثمرًا بشكل خاص في تطبيق التعلم الآلي على سبب وجود مختبره: لإنشاء بروتينات جديدة لم يسبق لها مثيل في الطبيعة. أدت الأداة التي تم تطويرها مؤخرًا بواسطة فريق بيكر والتي تجمع بين RoseTTAFold والشبكات العصبية المنتشرة المولدة للصور إلى قفزة نوعية في قدرة الباحثين على تصميم البروتينات.

على الرغم من أن الأدوات الحسابية مثل AlphaFold ليست بديلاً للدراسات التجريبية، إلا أنها تعمل كمسرّع، كما يقول العلماء. وقال أندريه لوباس، القاضي في CASP، وهو عالم الأحياء التطوري في معهد ماكس بلانك لعلم الأحياء التنموي في توبنغن بألمانيا: "سيمكن هذا جيلًا جديدًا من علماء الأحياء الجزيئية من طرح أسئلة أكثر تقدمًا". 2020 إلى الطبيعة.