Google Antigravity يجد مرشحًا لببتيدات مضادة للميكروبات بطول 97 حمضًا أمينيًا

نشرت Google DeepMind تحليلًا لكيفية استخدام علماء الأحياء منصة Antigravity الوكيلية للعثور على مرشح لببتيدات جديدة مضادة للميكروبات. والنتيجة بكتيريوسين من 97 حمضًا أمينيًا يُتوقع أن يكون نشطًا ضد مسببات العدوى التنفسية. ويخضع الآن للتحقق في المختبر، ولذلك فهو حتى الآن فرضية حسابية لا دواءً جاهزًا. غير أن العملية نفسها لافتة: فالعمل الذي كان يتوزع سابقًا على عدة قواعد بيانات وأدوات اتسع له الآن جلسة تفاعلية واحدة.

لماذا البحث في «المادة المظلمة»

لا تزال مقاومة مضادات الميكروبات من أبرز تحديات الصحة العامة. ويقدّر المؤلفون أنها قد تتسبب بحلول عام 2050 في 10 ملايين وفاة سنويًا. وتُعد الببتيدات المضادة للميكروبات، وبخاصة البكتيريوسينات، بديلًا واعدًا للمضادات الحيوية التقليدية. فقد تشكّلت تطوريًا لاستهداف نقاط الضعف الأساسية لدى البكتيريا المنافسة، من غشاء الخلية إلى الآليات داخل الخلوية، ما يجعل تطوير المقاومة أصعب على مسببات الأمراض.

وهناك سوابق في هذا المجال: فمركّب Nisin يُستخدم في أنحاء العالم، أما Darobactin وDynobactin وLariocidin فهي اكتشافات حديثة استُخرجت من الجينومات. لكن المشكلة أن معظم التسلسلات في قواعد البيانات العامة غير موسومة. ففي UniProt ملايين البروتينات مجهولة الوظيفة، جاءت مباشرة من مشاريع الجينوم ولا تشبه البروتينات المدروسة، ولذلك لا يلتقطها البحث التقليدي القائم على التشابه.

كيف يعمل الجمع بين Antigravity وProtNLM

هنا يأتي دور ProtNLM، وهو نموذج لغوي للبروتينات. وقد دُرّب على قراءة «القواعد» التطورية لتسلسلات الأحماض الأمينية، ليتنبأ منها بأسماء البروتينات وتعليقات الوظيفة والموقع داخل الخلية ومصطلحات GO والكلمات المفتاحية. وقد أثرى النموذج بالفعل ملايين السجلات غير الموسومة في UniProt.

وتضيف Antigravity طبقة تنسيق (orchestration). يحدد الباحث الهدف: العثور على ببتيدات جديدة مضادة للميكروبات (AMP) لدى Streptococcus pseudopneumoniae والتحقق منها حسابيًا. بعد ذلك يدير حوارًا متعدد الخطوات، فيقرر ما الأسئلة التي يطرحها وما الأدلة التي يجمعها. ويتولى الوكيل العمل الروتيني: التنقل بين قواعد البيانات، وتحليل البنى، وتلخيص الأدبيات العلمية.

وفي المثال المعروض تسير السلسلة على النحو التالي:

• يفرز الوكيل ملايين السجلات إلى بضعة مرشحين، ويحدد البكتيريوسين A0A0U0D591 بطول 97 حمضًا أمينيًا من عائلة Lactococcin 972؛
• يُتحقق من الجِدّة عبر خدمة EMBL-EBI NCBI-BLAST على قاعدة Swiss-Prot: فلا توجد متماثلات ذات دلالة بين البروتينات التي روجعت يدويًا؛
• يؤخذ النموذج ثلاثي الأبعاد للمرشح من AlphaFold Protein Structure Database، ويُبحث عن متماثلات بعيدة بين البنى المحددة تجريبيًا، ثم تُراكب النماذج بعضها فوق بعض؛
• تبيّن أن الطيّة البنيوية (fold) قريبة من بكتيريوسين مدروس تجريبيًا، ما يؤيد تنبؤ ProtNLM؛
• الخلاصة: نشاط متوقع ضد مسببات العدوى التنفسية، وتسليم المرشح الواعد (lead) إلى التحقق المخبري (wet-lab).

ما الذي لم يثبت بعد

التحفظ الرئيسي وارد في النص نفسه: التحقق المخبري جارٍ. فالتشابه البنيوي وغياب المتماثلات في Swiss-Prot يرفعان أولوية المرشح، لكنهما لا يضمنان أن الببتيد سيقتل البكتيريا في أنبوب الاختبار، فضلًا عن أن يكون آمنًا ومستقرًا داخل الجسم. كما أن غياب المتماثلات في قاعدة خاضعة للتنقيح لا يعني جِدّة مطلقة. وتعرض المادة المنشورة المنهج ومثالًا واحدًا، ولا تتضمن في الجزء المتاح منها إحصاءات عن نسبة النجاح عبر عدد كبير من المرشحين.

ومع ذلك فالمنطق سليم. يبقى الإنسان في دور من يصوغ الفرضيات، ويخفض الوكيل كلفة كل عملية تحقق، وتأتي مصادر التحقق مستقلة: التسلسل والبنية والأدبيات العلمية.

الخلاصة العملية

الإشارة واضحة للمختبرات وفرق التقنية الحيوية: بدأت المنصات الوكيلية تتولى مرحلة «العثور والترتيب» قبل أن تُستهلك الكواشف ووقت الموظفين. وإذا كنتم تعملون على بيانات الجينوم، فقد يكون من المجدي بناء خط معالجة (pipeline) مماثل من مكونات مفتوحة: UniProt وBLAST وAlphaFold DB وأدوات عرض البنى. ولن تحدد القيمة عدد المرشحين الذين يُعثر عليهم، بل نسبة من يتأكد منهم في المختبر (wet-lab). وهذه هي الأرقام التي ينبغي انتظارها من Google لاحقًا.