إشارة قابلة للتتبع للبروتينات المصممة بالذكاء الاصطناعي
أصبح الذكاء الاصطناعي أداة قوية لتصميم البروتينات؛ إذ يمكنه مساعدة الباحثين في إنشاء بروتينات لم تكن موجودة سابقًا في الطبيعة، ما يفتح طرقًا أمام أدوية جديدة وأدوات بيولوجية مفيدة أخرى. لكن هذه القدرة نفسها تثير سؤالًا أصعب: كيف يمكن للمختبر أو مسؤول قاعدة البيانات أو مراجع السلامة معرفة مصدر بروتين مصمم وما إذا كان يستحق تدقيقًا إضافيًا؟
طور باحثون في Google DeepMind تقنية تهدف إلى معالجة جزء من هذه المشكلة عبر وضع علامة مائية في البروتينات التي يولدها الذكاء الاصطناعي. وصُممت العلامة لتكون غير مرئية بمعنى أنها مشفرة في بنية البروتين بدل عرضها كوسم تقليدي. والهدف هو جعل تتبع المصدر أكثر سهولة مع الحفاظ على وظيفة البروتين.
يقع هذا المقترح عند تقاطع مجال تقني سريع الحركة وقلق مستمر بشأن الأمن الحيوي. فالبروتينات تتكون من أحماض أمينية، والطريقة التي تطوي بها البروتينات نفسها في شكل ثلاثي الأبعاد تحدد ما يمكنها فعله. ويمكن لأنظمة الذكاء الاصطناعي الآن المساعدة في فهم هذه البنى وتصميم تسلسلات جديدة. وهذا يخلق فرصًا للبحث النافع، لكنه يعني أيضًا أن الأنظمة القادرة على إنتاج تصاميم جديدة قد تكون ذات صلة بمحاولات إنشاء مواد بيولوجية ضارة.
لماذا يهم تحديد المصدر
قد تمنح العلامة المائية المستخدمين اللاحقين إشارة عملية إلى أن بروتينًا ما صُمم باستخدام الذكاء الاصطناعي. وقال Roy Sleator، أستاذ علم الأحياء في Munster Technological University في أيرلندا، ولم يشارك في العمل، إن نظامًا كهذا قد يساعد في تتبع أصل التصميم، ووضع علامات على البروتينات المهندسة لإخضاعها لفحوص أمن حيوي إضافية، والحد من الادعاءات المضللة بشأن كيفية تصنيع البروتين.
وقد يكون ذلك مفيدًا في أماكن عدة. فقد يرغب مسؤولو قواعد البيانات في التمييز بين التصاميم الاصطناعية والتسلسلات الموجودة طبيعيًا حتى لا تسبب المواد المهندسة ارتباكًا في المجموعات المرجعية. وقد تحتاج الجهات التي تقيم تصميمًا بروتينيًا إلى تنبيه لإجراء مراجعة إضافية. كما يمكن للباحثين المتعاونين الحصول على طريقة أكثر دوامًا للإشارة إلى أن مرشحًا ما نشأ من عملية تصميم محددة.
لا تهدف الفكرة الأساسية إلى وقف العمل العلمي، بل إلى إضافة طبقة من المساءلة إلى سير عمل أصبح قادرًا بدرجة متزايدة على توليد تصاميم بيولوجية جديدة. وقد تجعل إشارة المصدر طرح الأسئلة المناسبة أسهل قبل مشاركة التصميم أو تصنيعه أو إدماجه في أبحاث لاحقة.
تقدم تقني بحدود واضحة
التقنية المبلغ عنها ليست ضمانة أمنية كاملة. وحذر خبراء من أن أنواع تقنيات الذكاء الاصطناعي نفسها المستخدمة حاليًا لإضافة العلامات المائية يمكنها أيضًا إزالتها. وهذه المحدودية أساسية: تكون منظومة العلامات أكثر قيمة عندما تظل موثوقة حتى إذا كان لدى شخص ما حافز للتحايل عليها.
وبناءً على ذلك، ينبغي فهم العمل بوصفه أداة لتتبع المصدر لا ضمانًا بإمكان تحديد التصاميم الخطرة أو منعها. فقد تحسن العلامة المائية التعامل مع الأبحاث التعاونية أو الروتينية أو الخاضعة للتنظيم، لكنها توفر حماية أقل عندما يحاول مستخدم تغيير تصميم عمدًا أو إخفاءه. ويهم هذا التمييز في الأمن الحيوي، حيث لا تحل الردع والكشف والمساءلة بالضرورة مشكلة سوء الاستخدام المتعمد كل منها بمفردها.
ويعني ذلك أيضًا أن أداء النهج سيعتمد على طريقة استخدامه. فعملية واضحة لفحص العلامات، وقواعد محددة لما يحدث عند اكتشافها، وضمانات مناسبة للعمل مرتفع المخاطر، ستحدد ما إذا أصبحت الإشارة التقنية مفيدة عمليًا. ومن دون هذه العناصر، قد تكون العلامة المائية مفيدة معلوماتيًا لكنها لا تؤثر كثيرًا في القرارات الواقعية.
غيّر الذكاء الاصطناعي للبروتينات السياق
يفسر التطور السريع للذكاء الاصطناعي الخاص بالبروتينات سبب جذب هذه المقترحات للاهتمام. فقد أظهر AlphaFold، الذي كُشف عنه في 2020، كيف يمكن للتعلم الآلي التنبؤ بالبنية الثلاثية الأبعاد للبروتين من تسلسله من الأحماض الأمينية. وغالبًا ما يُقارن طي البروتينات بفن طي الورق لأن الشكل النهائي مهم جدًا لوظيفة البروتين. وساعدت التقنية في ترسيخ الذكاء الاصطناعي أداة رئيسية في علم الأحياء البنيوي وهندسة البروتينات.
وسّع ذلك التقدم النقاش من التنبؤ بالبروتينات الموجودة إلى إنشاء بروتينات جديدة. والوعد كبير؛ إذ قد تدعم البروتينات المصممة تطبيقات علمية وطبية. لكن التصاميم الجديدة تعقد أيضًا مسائل تحديد المصدر وجودة قواعد البيانات ومراجعة السلامة. وقد تساعد طريقة تحافظ على قابلية التعرف على التصميم بعد إنشائه المؤسسات في إدارة بعض هذه التعقيدات.
ومع ذلك، يظل التحدي التقني المتمثل في جعل العلامات المائية متينة مرتبطًا ارتباطًا وثيقًا بالتحدي السياسي المتمثل في تحديد كيفية استخدام المعلومات التي تكشفها. وتقدم الطريقة الجديدة وسيلة لتشفير المصدر من دون التضحية بالوظيفة، وفق هدف الباحثين. وسيكون اختبارها الحقيقي هو ما إذا كانت العلامة ستظل ذات معنى في عالم تنتشر فيه أنظمة التصميم وقد يحاول المستخدمون تجاوز الضوابط.
ما الخطوة التالية
في الوقت الحالي، من الأفضل النظر إلى العلامات المائية للبروتينات التي يصممها الذكاء الاصطناعي بوصفها مكونًا من نهج أوسع للسلامة. فقد تساعد في تنظيم البيانات وتوفير تنبيه مبكر للمراجعة، بينما تجادل قابليتها المعروفة للإزالة ضد اعتبارها دفاعًا مستقلًا. ويسلط العمل الضوء على اتجاه عملي للتصميم المسؤول للبروتينات: بناء قابلية التتبع في المخرجات ثم دمجها مع عمليات قادرة على التصرف بناءً عليها.
مع توسع الذكاء الاصطناعي في نطاق البروتينات التي يستطيع الباحثون إنشاءها، ستصبح القدرة على تمييز هذه التصاميم وتتبعها وتقييمها على نحو مناسب أكثر أهمية. لا تلغي العلامات المائية تحدي الاستخدام المزدوج، لكنها تقدم محاولة ملموسة لجعل أصول البروتينات المصممة بالذكاء الاصطناعي أقل غموضًا.
يستند هذا المقال إلى تقرير من Live Science. اقرأ المقال الأصلي.
Originally published on livescience.com