MoleculeMind تعلن نجاح 94.7% من مشاريعها في تصميم البروتينات بالذكاء الاصطناعي
أصدرت شركة MoleculeMind الصينية تقريرًا تقنيًا عن منصة MMDesign لتصميم الأدوية الحيوية من الصفر بالذكاء الاصطناعي. وتقول الشركة إن المنصة تعمل على 18 هدفًا وتنتج أجسامًا نانوية VHH ومركبات حلقية كبيرة (macrocycles). الرقم الأبرز هو 94.7% من المشاريع الناجحة. وقد أعطت أهداف GPCR الستة جميعها نتيجة إيجابية، وهي أصعب فئات البروتينات الغشائية. ولا تراهن الشركة على عدد التسلسلات المولَّدة، بل على عدد الجزيئات التي يجب إرسالها إلى المختبر. • نمطان: الأجسام النانوية (VHH) والمركبات الحلقية الكبيرة • GPCR فئة من الأهداف تخفق فيها الأجسام المضادة عادةً • نُشر التقرير في 27 أكتوبر 2026
معالج بواسطة الذكاء الاصطناعي من Jiqizhixin (机器之心)؛ بتحرير Hamidun News
كثيرون باتوا قادرين على توليد آلاف التسلسلات البروتينية. أما MoleculeMind (分子之心 بالصينية) فتقترح قياس أمر آخر: كم جزيئًا يجب إرساله إلى التحقق التجريبي، وكم مرة ينتهي المشروع بمرشح صالح للعمل. وفي تقريرها التقني الجديد عن منصة MMDesign للتصميم بالذكاء الاصطناعي، تورد الشركة نسبة 94.7% من المشاريع الناجحة على 18 هدفًا. وأعطت جميع أهداف GPCR الستة في المجموعة نتيجة إيجابية.
لماذا أصبح الفرز، لا التوليد، هو المؤشر الرئيسي
انتقلت نقطة الاختناق في تطوير الأدوية الحيوية بالذكاء الاصطناعي منذ زمن. فالنموذج يقدّم عددًا غير محدود من الخيارات، لكن كل دورة تجريبية تكلّف مالًا وأسابيع من العمل: التخليق، والتعبير، وقياس الألفة. وإذا لم يصلح للعمل سوى عدد قليل من ألف جزيء أُرسلت، انهارت اقتصاديات المشروع مهما بدا التوليد متقنًا.
لذلك تنقل MoleculeMind التركيز إلى «الدخول إلى المختبر»: كلما قلّ عدد المرشحين الذين يجب فحصهم للوصول إلى النجاح، قلّت تكلفة كل مشروع. ونسبة 94.7% محسوبة على المشاريع لا على الجزيئات المنفردة، وهذا يعكس المنطق نفسه. فالمنصة تُقيَّم كخط إنتاج متكامل، لا كمولِّد.
ستة أهداف GPCR كاختبار إجهاد
يتعلق أبرز ما في التقرير بمستقبلات GPCR، أي المستقبلات المقترنة ببروتينات G، وتستهدفها حصة كبيرة من الأدوية المعتمدة. لكنها تظل هدفًا صعبًا للأدوية الحيوية. فالمستقبل مغروس في الغشاء، ومناطقه الخارجية عن الخلية صغيرة ومتحركة، والبروتين المنقّى كثيرًا ما يكون غير مستقر. ولا تتولد الأجسام المضادة ضد هذه الأهداف بانتظام.
ولهذا تبدو مجموعة الأهداف الستة من GPCR، التي حصلت المنصة على نتيجة إيجابية في كل منها، أكثر إقناعًا من النجاح على بروتينات قابلة للذوبان «مريحة». وهي انتقال من العروض المنفردة إلى اختبار منهجي، كما يقول عنوان التقرير نفسه.
ما الذي جرى اختباره بالضبط
أبرز معلمات التقرير:
- المنصة: MMDesign، نظام ذكاء اصطناعي لتصميم الجزيئات من الصفر (de novo)؛
- الجهة المطوِّرة: MoleculeMind (分子之心)؛
- النطاق: 18 هدفًا؛
- النمطان: الأجسام النانوية (VHH) والمركبات الحلقية الكبيرة؛
- نسبة المشاريع الناجحة: 94.7%؛
- أهداف GPCR: جميعها الستة أعطت نتيجة إيجابية؛
- تاريخ نشر التقرير: 27 أكتوبر 2026.
والجمع بين النمطين دالّ أيضًا. فأجسام VHH أجسام مضادة أحادية المجال، أصغر من الغلوبولينات المناعية التقليدية، وتصل جيدًا إلى المناطق التي يصعب بلوغها في الأهداف. أما المركبات الحلقية الكبيرة فتحتل موقعًا وسطًا بين الجزيئات الصغيرة والأدوية الحيوية. ومنصة واحدة تتعامل مع البنى البروتينية والحلقية معًا تقلّل الاعتماد على صيغة بعينها.
كيف نقرأ مثل هذه الادعاءات
نشرت الشركة التقرير بنفسها، ولا يوجد حتى الآن تحقق مستقل. لذلك تهمّ السوقَ التفاصيل التي تحدد قيمة نسبة 94.7%:
- كيف جرى تعريف «نجاح المشروع»: ارتباط على مستوى عدة مرشحين، أم نشاط وظيفي، أم ألفة ضمن النطاق المطلوب؛
- كم جزيئًا اضطُر الفريق إلى تخليقه وفحصه لكل هدف؛
- إلى أي مدى الأهداف جديدة قياسًا ببيانات التدريب والأجسام المضادة المعروفة؛
- هل توجد نتائج تتجاوز «الإصابات الإيجابية»: الانتقائية، والثبات، والملاءمة لمواصلة التطوير.
وهذه قائمة تحقق عملية لشركات الأدوية والمستثمرين. فإذا جاءت الإجابات عن هذه الأسئلة قوية، ستصبح MMDesign حجة تدعم القول إن تصميم الأدوية الحيوية بالذكاء الاصطناعي ينتقل من العروض التوضيحية إلى عملية يمكن التنبؤ بنتائجها. أما الفرق التي تبني منصات مماثلة بنفسها، فقد صار المعيار أمامها واضحًا: المقارنة تكون بنسبة المشاريع الناجحة وعدد الجزيئات التي انتقلت إلى التجربة، لا بحجم التوليد.
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول لماذا أصبح الفرز، لا التوليد، هو المؤشر الرئيسي؟
انتقلت نقطة الاختناق في تطوير الأدوية الحيوية بالذكاء الاصطناعي منذ زمن. فالنموذج يقدّم عددًا غير محدود من الخيارات، لكن كل دورة تجريبية تكلّف مالًا وأسابيع من العمل: التخليق، والتعبير، وقياس الألفة. وإذا لم يصلح للعمل سوى عدد قليل من ألف جزيء أُرسلت، انهارت اقتصاديات المشروع مهما بدا التوليد متقنًا. لذلك تنقل MoleculeMind التركيز إلى «الدخول إلى المختبر»: كلما قلّ عدد المرشحين الذين يجب فحصهم للوصول إلى النجاح، قلّت تكلفة كل مشروع. ونسبة 94.7% محسوبة على المشاريع لا على الجزيئات المنفردة، وهذا يعكس المنطق نفسه. فالمنصة تُقيَّم كخط إنتاج متكامل، لا كمولِّد.
ما أبرز التفاصيل حول ستة أهداف GPCR كاختبار إجهاد؟
يتعلق أبرز ما في التقرير بمستقبلات GPCR، أي المستقبلات المقترنة ببروتينات G، وتستهدفها حصة كبيرة من الأدوية المعتمدة. لكنها تظل هدفًا صعبًا للأدوية الحيوية. فالمستقبل مغروس في الغشاء، ومناطقه الخارجية عن الخلية صغيرة ومتحركة، والبروتين المنقّى كثيرًا ما يكون غير مستقر. ولا تتولد الأجسام المضادة ضد هذه الأهداف بانتظام. ولهذا تبدو مجموعة الأهداف الستة من GPCR، التي حصلت المنصة على نتيجة إيجابية في كل منها، أكثر إقناعًا من النجاح على بروتينات قابلة للذوبان «مريحة». وهي انتقال من العروض المنفردة إلى اختبار منهجي، كما يقول عنوان التقرير نفسه.
ما أبرز التفاصيل حول ما الذي جرى اختباره بالضبط؟
أبرز معلمات التقرير: المنصة: MMDesign، نظام ذكاء اصطناعي لتصميم الجزيئات من الصفر (de novo)؛ الجهة المطوِّرة: MoleculeMind (分子之心)؛ النطاق: 18 هدفًا؛ النمطان: الأجسام النانوية (VHH) والمركبات الحلقية الكبيرة؛ نسبة المشاريع الناجحة: 94.7%؛ أهداف GPCR: جميعها الستة أعطت نتيجة إيجابية؛ تاريخ نشر التقرير: 27 أكتوبر 2026. والجمع بين النمطين دالّ أيضًا. فأجسام VHH أجسام مضادة أحادية المجال، أصغر من الغلوبولينات المناعية التقليدية، وتصل جيدًا إلى المناطق التي يصعب بلوغها في الأهداف. أما المركبات الحلقية الكبيرة فتحتل موقعًا وسطًا بين الجزيئات الصغيرة والأدوية الحيوية. ومنصة واحدة ت
Access Frontier LLMs & Multimodal AI in One Workspace
Discover NomadNet AI (nomadnet.ai) — unified access to frontier language models, research synthesis, and multimodal workflows.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.