CheMeleon يسرّع البحث عن الجزيئات: النموذج دخل ضمن 9 من أفضل 20 حلاً

في تطوير الأدوية والمواد الجديدة، توجد مرحلة مكلفة تعرفها أي فِرقة منتجات: الخيارات كثيرة، لكن البيانات اللازمة لاتخاذ قرار واثق تكاد تكون معدومة. غير أن الفرضيات الموجودة في قائمة الأعمال المتراكمة تُستبدل هنا بجزيئات، يجب تصنيع كل واحد منها واختباره في المختبر.

قدّم فريق من MIT نموذج CheMeleon المفتوح، الذي يساعد على تقليص قائمة المرشحين تحديداً في ظروف نقص البيانات. وقد ظهرت بالفعل إشارة عملية إلى فعاليته: ففي مسابقة OpenADMET، حيث تنبأ المشاركون بخصائص جزيئات لم يسبق تصنيعها، استُخدم CheMeleon في 9 من أفضل 20 حلاً.

كيف يتعلم النموذج قبل ظهور مهمتك

يمكن تدريب نموذج تقليدي على أمثلة معروفة: نعرض عليه جزيئات ذات ذوبانية مقاسة ونطلب منه اكتشاف النمط. لكن إذا كان الأمر يتعلق ببروتين مستهدف جديد أو بخاصية نادرة لمادة، فقد يكون عدد الأمثلة المصنفة قليلاً للغاية. وعندها لا تجد الشبكة العصبية العميقة ببساطة بيانات كافية لتتعلم منها.

لا يبدأ CheMeleon بهدف محدد. يتلقى النموذج أولاً بُنى نحو مليون مركّب من قاعدة PubChem المفتوحة، ويتعلم التنبؤ بنحو 1600 خاصية كيميائية قابلة للحساب. وتشمل هذه الخصائص الكتلة الجزيئية، وعدد ذرات الأكسجين، وسمات الشكل، وغيرها من المؤشرات التي يستخدمها الكيميائيون منذ زمن طويل لوصف المواد.

تخيل أن المطلوب هو تقييم ذوبانية عشرة جزيئات جديدة، بينما لا تتوفر القياسات إلا لعدد قليل من المركّبات المشابهة. لن يرى النموذج المدرّب من الصفر سوى جدول ضئيل للغاية. أما CheMeleon فيعرف مسبقاً عناصر البنية التي ترتبط عادةً بحجم الجزيء وشكله وتركيبه. ولذلك، عند إجراء التدريب الإضافي، لا يتبقى له سوى ربط هذا التمثيل المتراكم بالخاصية المطلوبة، بدلاً من تعلم علم الكيمياء كله من جديد.

اختبر المؤلفون النهج على 58 مهمة، وقارنوه بنماذج أخرى مدرّبة مسبقاً وبأساليب تقليدية تعتمد على خصائص اختارها الخبراء. ووفقاً لتقييمهم، حقق CheMeleon أفضل نتيجة إجمالية. ويُوزع النموذج من خلال حزمة ChemProp مفتوحة المصدر، ما يتيح للفريق أخذ الأوزان الجاهزة وضبطها على بياناته الخاصة.

أين تتحقق الوفورات العملية

لا تكمن القيمة الأساسية في الحصول على تنبؤ جذاب، بل في ترتيب إجراء التجارب. فإذا ساعد النموذج على اختيار بضع عشرات من أكثر الخيارات الواعدة من بين ألف مرشح افتراضي، أنفق المختبر وقتاً وكواشف أقل على الخيارات الضعيفة بوضوح. وفي الصناعات الدوائية، قد يعني ذلك تسريع البحث عن مركّبات ترتبط بهدف بيولوجي جديد. أما في علم المواد، فيعني مساراً أقصر نحو مادة تتمتع باللزوجة أو الذوبانية أو القدرة التفاعلية المطلوبة.

ينبغي لمطوري الأنظمة المشابهة الانتباه إلى الوصفة نفسها: فالتدريب المسبق لا يتطلب بالضرورة corpus ضخماً من المقالات أو عملية تصنيف يدوية باهظة التكلفة. يمكن استخدام مجموعة كبيرة من العناصر المتاحة، وإجبار النموذج على إعادة بناء خصائص نطاقية قابلة للحساب. وبعد ذلك، يُنقل التمثيل الناتج إلى مهمة ضيقة النطاق تكون فيها المشاهدات الحقيقية قليلة.

ما الذي لا يَعِد به النموذج حتى الآن

لا يلغي CheMeleon التحقق المختبري، ولا يستطيع التنبؤ بسلوك أي مركّب من دون أخطاء. ويُعد مليون جزيء مجموعة تدريب كبيرة، لكنه لا يمثل سوى جزء ضئيل للغاية من البُنى الكيميائية الممكنة. كما أن النتائج نُشرت من جانب مؤلفي النموذج وشركائهم في BASF؛ ولذلك يكتسب التحقق المستقل باستخدام مجموعات بيانات صناعية مغلقة أهمية خاصة.

وهناك أيضاً خطر عدم تطابق البيانات. فإذا كانت المركّبات الجديدة تختلف بشدة عن جزيئات PubChem، أو إذا أُجريت القياسات وفق منهجية مختلفة، فقد يكون التنبؤ الواثق خاطئاً. لذلك يحتاج المنتج التشغيلي إلى تقدير لعدم اليقين، والتحقق من نطاق قابلية التطبيق، وحلقة تغذية راجعة مع التجارب.

الخلاصة العملية بسيطة: إذا كان لدى الفريق عدد قليل من الجزيئات المصنفة، فمن المنطقي مقارنة CheMeleon بنموذج ChemProp التقليدي، وبنموذج قائم على خبرة المختصين، وبخط أساس جدولي بسيط. وينبغي ألا يقتصر التحقق على متوسط الخطأ، بل أن يشمل أيضاً عدد المرشحين الناجحين فعلياً الذين يصلون إلى الجزء الأعلى من الترتيب. فهذا المؤشر تحديداً يجيب عن السؤال التجاري الأهم: كم تجربة مكلفة ساعد النموذج على تجنبها؟