شارك
الرئيسية
8 دقيقة
في عام 2017، بعد أن حصل جون جامبر على درجة الدكتوراة في الكيمياء النظرية، تناهت إلى مسامعه إشاعات مفادها أن شركة جوجل قد انتقلت من بناء ذكاء اصطناعي قادر على ممارسة الألعاب بمهارة فائقة إلى العمل على مشروع سري للتنبؤ ببنية البروتينات. فتقدم بطلب للحصول على وظيفة فيها.
وبعد مرور ثلاث سنوات فقط، حقق جامبر فوزاً مذهلاً لم يتوقعه الكثيرون. فقد شارك مع الرئيس التنفيذي ديميس هاسابيس في قيادة تطوير نظام ذكاء اصطناعي يسمى "ألفا فولد 2" (AlphaFold 2) قادر على التنبؤ ببنية البروتينات بدقة تصل إلى رتبة أبعاد الذرة، وهو ما يضاهي دقة التقنيات المعقدة المستخدمة في المختبر، كما أنه يعمل بسرعة تفوقها بأضعاف مضاعفة، حيث يقدم النتائج في غضون ساعات بدلاً من أشهر.
ألفا فولد 2: نجاح باهر في علم الأحياء
نجح ألفا فولد 2 في اجتياز تحد كبير في علم الأحياء استمر خمسين عاماً. قال لي هاسابيس قبل بضع سنوات: "هذا ما دفعني إلى تأسيس ديب مايند. في الواقع، هذا ما دفعني إلى التخصص في مجال الذكاء الاصطناعي طوال مسيرتي المهنية". وفي عام 2024، تقاسم جامبر وهاسابيس جائزة نوبل في الكيمياء.
في أواخر شهر نوفمبر/تشرين الثاني قبل خمس سنوات، فاجأ إطلاق ألفا فولد 2 العلماء. والآن، بعد أن خفت الضجة الإعلامية، ما هو الأثر الحقيقي الذي أحدثه ألفا فولد؟ كيف يستخدمه العلماء؟ وماذا بعد؟ تحدثت إلى جامبر (وإلى عدد من العلماء الآخرين) لمعرفة ذلك.
يقول جامبر: "لقد كانت خمس سنوات استثنائية"، ويضيف ضاحكاً: "من الصعب أن أتذكر كيف كانت حياتي قبل أن أتعرف بعدد هائل من الصحفيين".
أعقب النموذج ألفا فولد 2 ظهور النموذج ألفا فولد مولتيمر (AlphaFold Multimer)، الذي استطاع التنبؤ بالبنى التي تحتوي على أكثر من بروتين واحد، ثم ألفا فولد 3، وهو الإصدار الأسرع حتى الآن. كما أتاحت جوجل ديب مايند لألفا فولد العمل على "يوني بروت" (UniProt)، وهي قاعدة بيانات بروتينية ضخمة يستخدمها ملايين الباحثين حول العالم ويعملون على تحديثها باستمرار. وقد تنبأ حتى الآن ببنى 200 مليون بروتين تقريباً، أي ما يعادل تقريباً البروتينات المعروفة علمياً كلها.
على الرغم من النجاح الذي حققه جامبر، لا يزال يظهر تواضعه بشأن إنجازات ألفا فولد. حيث يقول: "هذا لا يعني أننا متأكدون من كل شيء فيها. إنها قاعدة بيانات تفيد التنبؤات، وهي محفوفة بجميع المحاذير التي ترافق التنبؤات".
اقرأ أيضاً: كيف يتعلم الذكاء الاصطناعي لغة الأحياء؟
مشكلة صعبة
البروتينات هي الآلات البيولوجية التي تشغّل الكائنات الحية. فهي تشكل العضلات والقرون والريش، وتحمل الأوكسجين في أنحاء الجسم كافة وتنقل الرسائل بين الخلايا، وتنشّط الخلايا العصبية، وتهضم الطعام، وتنشّط الجهاز المناعي، وغير ذلك الكثير. لكن فهم وظيفة البروتين بدقة (والدور الذي قد يؤديه في الأمراض أو العلاجات المختلفة) يتطلب تحديد بنيته، وهذه مهمة صعبة.
تتكون البروتينات من خيوط من الأحماض الأمينية، تتشابك بفعل القوى الكيميائية لتشكل عقداً معقدة. ولا تقدم الخيوط غير الملتوية سوى القليل من الأدلة حول البنية التي ستشكلها. نظرياً، يمكن لمعظم البروتينات أن تتخذ عدداً هائلاً من الأشكال المحتملة. وتتمثل المهمة في التنبؤ على النحو الصحيح.
بنى جامبر وفريقه ألفا فولد 2 باستخدام نوع من الشبكات العصبونية يسمى "المحول"، وهو التكنولوجيا نفسها التي تبنى عليها النماذج اللغوية الكبيرة. تتميز المحولات بقدرتها الفائقة على التركيز على أجزاء محددة من أحجية أكبر.
لكن جامبر يرجع جزءاً كبيراً من نجاحه إلى تصميم نموذج أولي يمكن اختباره بسرعة. يقول: "لقد حصلنا على نظام يقدم إجابات خاطئة بسرعة مذهلة، ما جعل خوض غمار التجارب والأفكار الجديدة سهلاً علينا".
لقد زودوا الشبكة العصبونية بأكبر قدر ممكن من المعلومات حول تراكيب البروتينات، مثل كيفية تطور البروتينات لدى أنواع معينة إلى أشكال متشابهة. وقد نجحت العملية بصورة أفضل مما توقعوا. يقول جامبر: "كنا متأكدين من أننا حققنا إنجازاً كبيراً. كنا على يقين من أن هذا يمثل تقدماً مذهلاً في الأفكار".
ما لم يتوقعه جامبر هو أن الباحثين سيعمدون إلى تنزيل برنامجه ويباشرون استخدامه على الفور في العديد من المجالات المختلفة. ويقول: "عادة ما يظهر التأثير الحقيقي للابتكارات الأكثر تطوراً بعد تصفية العيوب وإجراء التعديلات المتتالية. لقد صدمت من مدى مسؤولية العلماء في استخدامه، سواء في تفسير النتائج أو في التطبيق العملي، حيث تعاملوا معه بالمستوى المناسب من الثقة في رأيي، لا أكثر ولا أقل".
هل ثمة أي مشاريع بارزة على وجه الخصوص؟
اقرأ أيضاً: بفضل الذكاء الاصطناعي: ديب مايند تتيح بنية جميع البروتينات المعروفة للعلماء
علوم نحل العسل
يشير جامبر إلى مجموعة بحثية تستخدم ألفا فولد لدراسة مقاومة الأمراض عند نحل العسل. ويقول: "أرادوا فهم هذا البروتين تحديداً في أثناء دراستهم لظواهر مثل انهيار المستعمرات". مضيفاً: "لم يكن ليخطر ببالي قط أن ألفا فولد سيستخدم في أبحاث علوم نحل العسل".
كما يسلط الضوء على بعض الأمثلة لما يسميه الاستخدامات غير التقليدية لألفا فولد "بمعنى أن نجاحها غير مضمون"، حيث أتاحت القدرة على التنبؤ ببنية البروتين تقنيات بحثية جديدة. يقول: "أولها، هو التقدم في تصميم البروتينات. لقد استخدم ديفيد بيكر وآخرون هذه التكنولوجيا على نطاق واسع حقاً".
كان بيكر، وهو عالم أحياء حاسوبي في جامعة واشنطن، أحد الفائزين بجائزة نوبل في الكيمياء العام الماضي، إلى جانب جامبر وهاسابيس، لعمله على ابتكار بروتينات اصطناعية لأداء مهام محددة -مثل علاج الأمراض أو تحليل المواد البلاستيكية- بأداء يتفوق على قدرات البروتينات الطبيعية.
طور بيكر وزملاؤه أداة خاصة بهم تعتمد على ألفا فولد، تسمى "روزيتا فولد" (RoseTTAFold). كما أجروا تجارب على ألفا فولد مولتيمر للتنبؤ بالتصميم المحتمل للبروتينات الاصطناعية الذي سيكون فعالاً.
يقول جامبر: "ببساطة، إذا وافق ألفا فولد بثقة على البنية التي كنت تحاول تصميمها، فإنك تباشر بإنشائها، وإذا قال ألفا فولد ’لا أعرف‘، فلن تباشر بإنشائها. هذا وحده يمثل تحسناً هائلاً". معقباً أنه يمكن أن يسرع عملية التصميم عشر مرات.
كما يشير جامبر إلى استخدام آخر غير تقليدي؛ هو تحويل ألفا فولد إلى ما يشبه محرك البحث. إذ يذكر مجموعتين بحثيتين منفصلتين كانتا تحاولان فهم كيفية ارتباط الحيوانات المنوية البشرية بالبويضات في أثناء الإخصاب. يقول إنهم كانوا يعرفون أحد البروتينات المعنية، لكنهم لم يعرفوا الآخر، ويقول: "لذا، أخذوا بروتيناً معروفاً للبويضة، وفحصوا جميع البروتينات السطحية للحيوانات المنوية البشرية البالغ عددها 2,000 بروتين، ووجدوا بروتيناً واحداً هو ألفا فولد من المؤكد جداً التصاقه بالبويضة". ما مكنهم لاحقاً من تأكيد هذه النتيجة في المختبر.
يقول جامبر: "إن إمكانية استخدام ألفا فولد لإنجاز عمل لم يكن بالإمكان إنجازه سابقاً -إذ لم يكن أحد ليحاول بناء 2,000 بنية بحثاً عن إجابة واحدة- تمثل فكرة استثنائية حقاً في اعتقادي".
اقرأ أيضاً: دال-إي يلهم مختبرات التكنولوجيا الحيوية لابتكار عقاقير جديدة بمساعدة الذكاء الاصطناعي
بعد مرور خمس سنوات
عندما ظهر ألفا فولد 2، سألت عدداً من المستخدمين الأوائل عن رأيهم فيه. كانت التقييمات جيدة، لكن التكنولوجيا كانت حديثة جداً لدرجة يصعب معها الجزم بتأثيرها على المدى الطويل. ثم التقيت بأحد هؤلاء الأشخاص لأسمع رأيه بعد مرور خمس سنوات.
كليمنت فيربا، هو عالم أحياء جزيئية يدير مختبراً في جامعة كاليفورنيا بولاية سان فرانسيسكو. قال لي: "إنها تكنولوجيا مفيدة للغاية، لا شك في ذلك. ونحن نستخدمها يومياً، طوال الوقت".
لكنها بعيدة كل البعد عن الكمال. إذ يستخدم العديد من العلماء ألفا فولد لدراسة مسببات الأمراض أو لتطوير الأدوية. ويتضمن ذلك دراسة التفاعلات بين بروتينات متعددة، أو بين البروتينات وحتى الجزيئات الأصغر في الجسم. لكن من المعروف أن ألفا فولد أقل دقة في التنبؤ ببروتينات متعددة أو تفاعلاتها مع مرور الوقت.
يقول فيربا إنه وزملاؤه يستخدمون ألفا فولد منذ فترة كافية للتأقلم مع قيوده. ويضيف: "ثمة حالات كثيرة تحصل فيها على تنبؤ ما، وتضطر إلى التفكير ملياً. هل هذا حقيقي أم لا؟ الأمر ليس واضحاً تماماً، فهو يقع في المنطقة الرمادية".
يقول فيربا: "يشبه الأمر ما يحدث مع تشات جي بي تي إلى حد ما"، ويضيف: " فقد يقدم لك إجابات واهية بالقدر نفسه من الثقة التي يقدم بها إجابة صحيحة".
مع ذلك، يستخدم فريق فيربا برنامج ألفا فولد (كلا الإصدارين 2 و3، نظراً لاختلاف نقاط قوتهما، على حد قوله) لإجراء نسخ افتراضية من تجاربهم قبل إجرائها في المختبر. باستخدام نتائج ألفا فولد، يمكنهم تضييق نطاق التجربة، أو تحديد أنها لا تستحق العناء.
يقول فيربا إنه يمكن أن يوفر الوقت حقاً، ويضيف: "لم يحل محل أي تجارب في الواقع، لكنه عززها إلى حد كبير".
اقرأ أيضاً: هل تحقق شركة ديب مايند الأهداف الطبية التي أنشئت لأجلها؟
موجة جديدة
صُمم ألفا فولد للاستخدام في مجموعة متنوعة من الأغراض. والآن، يعمل العديد من الشركات الناشئة والمختبرات الجامعية على الاستفادة من نجاحه لتطوير موجة جديدة من الأدوات المصممة خصيصاً لاكتشاف الأدوية. هذا العام، أسفر التعاون بين باحثي معهد ماساتشوستس للتكنولوجيا وشركة ريكورجن للأدوية القائمة على الذكاء الاصطناعي عن إنتاج نموذج يسمى "بولتز-2" (Boltz-2)، الذي لا يتنبأ فقط ببنية البروتينات، بل أيضاً بمدى قدرة جزيئات الدواء المحتملة على الارتباط بهدفها.
في أكتوبر/تشرين الأول الماضي، أطلقت شركة جينيسيس مولكيولار أيه آي الناشئة نموذجاً آخر للتنبؤ بالبنى البروتينية يسمى "بيرل" (Pearl)، الذي تزعم الشركة أنه أدق من ألفا فولد 3 في بعض الاستفسارات المهمة لتطوير الأدوية. يتميز بيرل بأنه نموذج تفاعلي، ما يسمح لمطوري الأدوية بتزويد النموذج بأي بيانات إضافية قد يحتاجون إليها لتوجيه تنبؤاته.
يقول الرئيس التنفيذي لشركة جينيسيس مولكيولار أيه آي، إيفان فينبيرغ، إن ألفا فولد كان بمثابة قفزة كبيرة، ولكن لا يزال هناك المزيد مما يتعين فعله، ويضيف: "ما زلنا في طور الابتكار في الواقع، ولكن بنقطة انطلاق أفضل من ذي قبل".
تعمل شركة جينيسيس مولكيولار أيه آي على خفض هوامش الخطأ لتصبح أقل من أنغستروم واحد، بعد أن كانت أقل من 2 أنغستروم، وهو المعيار الصناعي الفعلي الذي حدده النموذج ألفا فولد، ما يعادل واحداً من عشرة ملايين من المليمتر، أو عرض ذرة هيدروجين واحدة.
يقول نائب رئيس قسم النمذجة والمحاكاة في الشركة، مايكل ليفين: "قد تكون الأخطاء الصغيرة كارثية في التنبؤ بمدى ارتباط الدواء بهدفه". وذلك لأن القوى الكيميائية التي تتفاعل عند أنغستروم واحد قد تتوقف عن التفاعل عند أنغسترومين. ويضيف: "يمكن أن يتحول الأمر من ’استحالة التفاعل‘ إلى ’إمكانية التفاعل‘".
مع وجود الكثير من النشاط في هذا المجال، متى يجب أن نتوقع طرح أنواع جديدة من الأدوية في السوق؟ يتسم جامبر بالواقعية. يقول إن التنبؤ ببنية البروتين هو مجرد خطوة واحدة من خطوات عديدة: "لم تكن هذه هي المشكلة الوحيدة في علم الأحياء. فليس الأمر كما لو كنا على بعد خطوة واحدة من التنبؤ ببنية البروتين لعلاج أي أمراض".
فكر في الأمر بهذه الطريقة، على حد قول جامبر. ربما كان اكتشاف بنية البروتين يكلف في المختبر سابقاً 100 ألف دولار: "لو كنا على بعد 100 ألف دولار فقط من إنجاز شيء ما، لكان أُنجز بالفعل".
وفي الوقت نفسه، يبحث العلماء عن سبل لاستخراج أقصى استفادة ممكنة من هذه التكنولوجيا، كما يقول جامبر: "نحاول معرفة كيفية جعل التنبؤ بالبنية جزءاً أكبر من المشكلة، لأن لدينا الآن مطرقة كبيرة لطيفة لضربه بها".
اقتراح آخر: بمعنى آخر، هل يحاولون إجبار المشاكل البحثية كلها لتصبح مشكلة تتعلق ببنية البروتين؟ قال: "أجل، هذا ما نحاول فعله. إذاً، كيف يمكننا استخدام هذه القوة الجديدة لدفع العلم إلى الأمام على نحو لم يكن ممكناً من قبل؟
اقرأ أيضاً: كيف يمكن أن يساعد ذكاء اصطناعي قادر على تركيب البروتينات على اكتشاف علاجات ومواد جديدة؟
ما التالي؟
ما هي الخطوة التالية لجامبر؟ إنه يريد دمج قوة ألفا فولد العميقة والضيقة في آن واحد مع القوة الواسعة التي تتمتع بها النماذج اللغوية الكبيرة.
لدينا آلات قادرة على فهم العلوم، وقادرة على التفكير العلمي، على حد قول جامبر، ويضيف: "ويمكننا بناء أنظمة مذهلة وخارقة للتنبؤ ببنية البروتينات. فكيف يمكننا دمج هاتين التقنيتين معاً؟"
هذا يذكرني بنظام يسمى "ألفا إيفولف" (AlphaEvolve)، الذي يطوره فريق آخر في جوجل ديب مايند. يستخدم ألفا إيفولف نموذجاً لغوياً كبيراً لتوليد حلول محتملة لمشكلة ما، ونموذجاً آخر للتحقق منها، مع استبعاد الحلول غير المفيدة. وقد استخدم الباحثون بالفعل ألفا إيفولف لتحقيق عدد من الاكتشافات العملية في الرياضيات وعلوم الكمبيوتر.
هل هذا ما يدور في ذهن جامبر؟ يقول: "لن أتحدث كثيراً عن الأساليب، لكنني سأصاب بالصدمة إذا لم نرَ تأثيراً متزايداً للنماذج اللغوية الكبيرة في العلوم. أعتقد أن هذا هو السؤال المفتوح المثير للاهتمام الذي لن أتحدث عنه تقريباً. هذه كلها تكهنات بالطبع".
كان جامبر في التاسعة والثلاثين من عمره عندما فاز بجائزة نوبل. ما هي خطوته التالية؟
يقول: "هذا يُقلقني. أعتقد أنني أصغر الأشخاص الذين حازوا جائزة في الكيمياء سناً منذ 75 عاماً".
ويضيف: "أنا في منتصف مسيرتي المهنية تقريباً. أعتقد أن نهجي في هذا الأمر هو محاولة إنجاز أشياء أصغر، أفكار صغيرة أستمر في تنفيذها. ما سأعلن عنه لاحقاً ليس بالضرورة أن يكون فرصة ثانية لي للفوز بجائزة نوبل. أعتقد أن هذا هو الفخ".
