أزمة تتطلب نهجا جديدة
العالم ينفد من المضادات الحيوية الفعالة، والعواقب تُقاس بالفعل بالأرواح البشرية. مقاومة مضادات الميكروبات، قدرة البكتيريا والعوامل الممرضة الأخرى على تطوير دفاعات ضد الأدوية المصممة لقتلها، تزعم ما يقدر بـ 1.27 مليون حياة سنويا وتساهم في ما يقرب من خمسة ملايين وفيات عالميا. لقد تباطأ خط أنابيب أدوية المضادات الحيوية الجديدة إلى جزء صغير مما كان قبل عقود، حيث حولت شركات الأدوية استثماراتها البحثية نحو مجالات علاجية أكثر ربحية. إلى هذه الأزمة المتنامية دخل سيزار دي لا فويينتي، عالم في جامعة بنسلفانيا الذي يعيد تخيل بشكل أساسي من أين تأتي المضادات الحيوية وكيف يتم اكتشافها.
يمثل نهج دي لا فويينتي تحولا نموذجيا في اكتشاف الأدوية. بدلاً من اتباع المسار التقليدي للفحص عينات التربة والثقافات الميكروبية للنشاط المضاد للميكروبات، وهي طريقة أسفرت عن عائدات متناقصة منذ عصرها الذهبي في منتصف القرن العشرين، التفت إلى AI لاستكشاف قواعد بيانات بيولوجية ضخمة لا يمكن لأي باحث بشري أن يحللها يدويا. كانت النتائج مذهلة، تكشف عن مركبات المضادات الحيوية المحتملة المخفية في أماكن لم يفكر أحد حتى في البحث فيها.
التعدين في أجنة الانقراض
يتضمن أحد أكثر اتجاهات البحث بروزا لدي لا فويينتي البحث عن ببتيدات مضادة للميكروبات في أجنة الكائنات المنقرضة. باستخدام خوارزميات التعلم الآلي المدربة على التعرف على الميزات الهيكلية المرتبطة بالنشاط المضاد للبكتيريا، حللت فريقه التسلسلات الجينية المعاد بناؤها من النياندرتال والدينيسوفان والبشر الأوائل الآخرين. حددت AI الببتيدات التي، عند تركيبها في المختبر، أظهرت نشاطا مضادا للميكروبات حقيقيا ضد البكتيريا الحديثة المقاومة للأدوية.
المفهوم أنيق وإثارة في آن واحد. طورت هذه الكائنات القديمة دفاعات مضادة للميكروبات على مدى مئات الآلاف من السنين من الانتقاء الطبيعي، لكن الببتيدات المحددة المعنية فقدت للعلم عندما انقرض النوع. باستخدام AI لتحديد هذه المركبات في الأجنات المعاد بناؤها، يقوم دي لا فويينتي فعليا بإحياء صيدلية كان يعتقد أنها فقدت بشكل دائم. إنها شكل من أشكال علم الآثار الجزيئية، باستخدام الأدوات الحسابية لاستخلاص القيمة الطبية من الماضي البعيد.
لا يقتصر النهج على البشر. توسعت فريق دي لا فويينتي بحثهم ليشمل أجنة الماموث الصوفي والكائنات البحرية القديمة والأنواع المنقرضة الأخرى، كل منها يمثل سلالة تطورية فريدة قد تكون طورت مركبات مضادة للميكروبات بآليات عمل جديدة. التنوع في المصادر ميزة إستراتيجية، لأن البكتيريا أقل عرضة للمقاومة المسبقة للمركبات التي لم تواجهها من قبل.
جسم الإنسان كصيدلية
في خط بحث متوازي، وجه دي لا فويينتي انتباه AI إلى الداخل، ليفحص البروتينات والببتيدات التي ينتجها جسم الإنسان نفسه. يحتوي البروتيوم البشري على آلاف البروتينات التي تخدم مجموعة واسعة من الوظائف البيولوجية، من الدعم الهيكلي إلى الدفاع المناعي. من خلال تحليل هذه البروتينات بنماذج التعلم الآلي، حدد فريقه أجزاء تظهر خصائص مضادة للميكروبات لكن لم يتم التعرف عليها أبدا كمرشحين محتملين للعقاقير.
لهذا الاكتشاف آثار عميقة. إذا كان يمكن استخلاص المضادات الحيوية الفعالة من بروتينات الإنسان، فقد تقدم مزايا من حيث التوافق الحيوي والآثار الجانبية المخفضة. يستخدم الجهاز المناعي بالفعل الببتيدات المضادة للميكروبات كجزء من دفاعه الأول ضد العدوى؛ يشير عمل دي لا فويينتي إلى أن الجسم قد يحتوي على ترسانة أكبر بكثير من المركبات المضادة للميكروبات مما كان مقدرا سابقا، في انتظار تحديده وتطويره إلى عوامل علاجية.
كيف يعمل AI
تعمل أنظمة التعلم الآلي في قلب بحث دي لا فويينتي على تعلم العلاقة بين تسلسل الحمض الأميني للببتيد ونشاطه المضاد للميكروبات. المدربة على قواعد البيانات الخاصة بالببتيدات المضادة للميكروبات المعروفة وخصائصها، تطور النماذج فهما للميزات الهيكلية التي تتنبأ بالنشاط ضد أنواع مختلفة من مسببات الأمراض. يمكنهم بعد ذلك مسح تسلسلات جديدة، سواء من الأجنة القديمة أو البروتينات البشرية أو DNA البيئي، وتخصيص احتمالية امتلاك كل مرشح خصائص مضادة للميكروبات مفيدة.
حجم هذا النهج الحسابي هو ما يجعله تحويليا. قد يقيم الفحص التقليدي للمضادات الحيوية بضعة آلاف من المركبات في سنة واحدة. يمكن لأنظمة AI الخاصة بـ دي لا فويينتي تحليل ملايين التسلسلات المرشحة في أيام، وتحديد مئات المؤشرات الواعدة للاختبار في المختبر. هذا التسريع الدراماتيكي لعملية الاكتشاف حاسم بالنظر إلى حالة الطوارئ الخاصة بأزمة مقاومة مضادات الميكروبات.
بمجرد تحديد المرشحين الواعدين حسابيا، يقوم الفريق بتركيبهم في المختبر واختبارهم ضد لوحات من البكتيريا المقاومة للأدوية. كان معدل الضربة مرتفعا بشكل ملحوظ مقارنة بطرق الفحص التقليدية، مما يتحقق من قدرة AI على تحديد مركبات مضادة للميكروبات حقيقية من مجموعات بيانات ضخمة. يمتد الذين يظهرون نشاطا في المختبر إلى اختبارات إضافية لتقييم سلامتهم وفعاليتهم في نماذج الحيوان.
من الاكتشاف إلى التأثير
يظل تحدي ترجمة الاكتشافات الحسابية إلى العلاجات السريرية كبيرا. تطوير الأدوية عملية طويلة ومكلفة، والحوافز الاقتصادية التي دفعت شركات الأدوية بعيدا عن المضادات الحيوية تبقى في الغالب دون تغيير. كان دي لا فويينتي صريحا حول الحاجة إلى نماذج تمويل جديدة، بما في ذلك حوافز سحب مدعومة من الحكومة التي تضمن سوقا للمضادات الحيوية الجديدة، لضمان عدم موت الاكتشافات الواعدة في المختبر.
على الرغم من هذه التحديات، يمثل العمل سبب حقيقي للتفاؤل في مجال عُرّف بالتشاؤم لعقود. من خلال إثبات أن AI يمكن أن توسع بشكل كبير الكون من مركبات مضادة للميكروبات المحتملة، فتح دي لا فويينتي بابا يمشي الباحثون الآخرون الآن. تتبنى الفرق حول العالم نهجا حسابيا متشابهة، مما يخلق جهدا عالميا متناميا قد يبدأ أخيرا في سد الفجوة بين ظهور العدوى المقاومة وتطوير أدوية جديدة لعلاجها.
الرؤية طموحة لكنها متجذرة في نتائج حقيقية. قد تأتي المضادات الحيوية في المستقبل من أجنة الأنواع التي اختفت قبل آلاف السنين، من بروتينات أجسامنا الخاصة، أو من قواعد البيانات الضخمة للجينات الفوقية التي تفهرس التنوع الميكروبي لكل نظام بيئي على الأرض. بفضل الذكاء الاصطناعي، لدينا الآن الأدوات للعثور عليها.
تستند هذه المقالة إلى تقارير MIT Technology Review. اقرأ المقالة الأصلية.
