Biohub وشركاؤها يخصصون 1.8 مليار دولار لبيانات الخلايا الافتراضية

تكررت في علم الأحياء قصة مألوفة لأي فريق يعمل في تعلم الآلة. تبنون نموذجا معقدا، وتنفقون موارد حوسبة، وتعدون عرضا جميلا، ثم تحقق قاعدة بسيطة تقوم على «التنبؤ بالمتوسط» نتيجة لا تقل جودة. وهذا بالضبط ما واجهته مشروعات الخلايا الافتراضية: أنظمة يفترض أن تتنبأ بكيفية استجابة الخلية لدواء أو لتعديل جيني أو لتغير في البيئة.

بعد نتائج Arc Virtual Cell Challenge لعام 2025، ربما بدا أن النماذج الكبيرة لا تعمل ببساطة في هذا المجال. لكن المشكلة اتضح أنها أكثر إثارة للاهتمام. فقد صممت بعض الاختبارات بطريقة تمنح الإجابة الآمنة القائمة على المتوسط درجة مرتفعة: معظم الجينات لا يتغير تقريبا بعد التدخل، ولذلك كان بإمكان النموذج تجاهل التحولات النادرة، لكنها المهمة بيولوجيا.

يرى Fabian Theis من Helmholtz Munich أن الجدل حول تفوق الشبكة العصبية على المتوسط يبعد القطاع عن القضية الأساسية. فإذا كانت مجموعة البيانات تصف مهمة شديدة البساطة والضيق، فلن يجد النموذج المعقد مجالا حقيقيا لإظهار تفوقه. والخطوة التالية ليست إضافة طبقات لمجرد زيادة عدد الطبقات، بل جمع بيانات تشمل الزمن والمكان وبيئة الخلية والانتقالات بين مستويات الكائن الحي.

لماذا أصبح المتوسط فجأة منافسا قويا

لنتخيل مجموعة تضم 10 000 جين. بعد التدخل، لا يتغير بوضوح سوى بضع مئات منها، بينما تظل البقية في مكانها تقريبا. والنموذج الذي يعطي قيمة نمطية لكل جين سيقترب غالبا من الإجابة الصحيحة. وستكون قيمة الخطأ الإجمالية صغيرة، رغم أنه سيفوّت التغييرات المثيرة للاهتمام تحديدا.

بالنسبة إلى المطور، هذه مشكلة تقليدية للبيانات غير المتوازنة. فقد يحقق نظام لاكتشاف الاحتيال دقة مرتفعة إذا أجاب دائما بأن «المعاملة طبيعية» عندما تكون المدفوعات الاحتيالية قليلة. ولا تعني الدرجة النهائية المرتفعة بالضرورة أن المنتج يحل المهمة المطلوبة.

لذلك ينبغي تقييم نماذج الخلية الافتراضية بصورة منفصلة على الجينات التي تغيرت بدرجة كبيرة، وعلى أنواع جديدة من التدخلات، وعلى تركيبات غير معروفة من الظروف. ومن المفيد أيضا التحقق مما إذا كان التنبؤ يحافظ على الروابط البيولوجية، بدلا من الاكتفاء بخفض متوسط الخطأ العددي.

من لقطة للخلية إلى نموذج للعملية

يقترح Theis النظر إلى ما هو أبعد من القياس المنفرد. فحالة الخلية تعتمد على الخلايا المجاورة والنسيج والزمن وتاريخ التدخلات. وينبغي للنموذج ألا يجيب فقط عن سؤال «ما الذي سيتغير بعد إعطاء الدواء؟»، بل أن يتنبأ أيضا بتوزيع الحالات الممكنة، والتطور اللاحق للنظام، والطريقة التي يمكن بها نقله إلى الحالة المطلوبة.

هنا تظهر القيمة العملية لمبادرة Biohub وشركائها، التي تبلغ الالتزامات المعلنة فيها نحو 1.8 مليار دولار. ومن المخطط توجيه الأموال، ضمن أوجه أخرى، إلى أساليب جديدة للتصوير والقياس وإلى مختبرات مؤتمتة. ويمكن لهذه المنشآت إغلاق الحلقة: تختار الخوارزمية التجربة التالية، وينفذها المختبر، ثم تعاد النتائج إلى النموذج ليحسن الخطوة التالية.

هذا تحول مهم. ففي النموذج اللغوي، يكون المثال التدريبي الجديد رخيصا نسبيا. أما في علم الأحياء، فقد تتطلب كل نقطة بيانات زراعة خلايا ومعدات وكواشف ووقتا. ولذلك لا تصنع البنية وحدها القيمة، بل تصنعها أيضا القدرة على اختيار التجربة الأكثر إفادة.

ما الذي ينبغي للفرق فعله حيال ذلك

الخلاصة الأولى عامة: قبل تدريب نموذج باهظ التكلفة، حددوا خطوطا مرجعية بسيطة، مثل المتوسط وآخر قيمة معروفة والنموذج الخطي وأقرب جار. وإذا لم تتفوق عليها الشبكة العصبية، فتحققوا أولا من البيانات وتقسيم العينة ومقياس التقييم.

الخلاصة الثانية هي أن الاختبار يجب أن يعكس القرار الذي سيتخذ بناء على التنبؤ. فعند اختيار علاج، لا يكون متوسط الخطأ عبر آلاف السمات التي لم تتغير تقريبا أهم من القدرة على العثور على مجموعة صغيرة من التغييرات المؤثرة في النتيجة.

وأخيرا، يصبح التعقيد مبررا عندما يتوافق مع تعقيد العملية المرصودة. فنحن نحتاج إلى نماذج متعددة المقاييس إذا كانت البيانات تربط فعليا بين الجزيئات والخلايا والأنسجة والزمن. ومن دون هذه البيانات، تخاطر «الخلية الافتراضية» بأن تظل أداة استيفاء باهظة التكلفة. أما بوجودها، فيمكن أن تصبح أداة عملية لاختيار التجارب وتطوير علاجات دقيقة.