لأول مرة: جائزة نوبل في الكيمياء تذهب إلى مطوري الذكاء الاصطناعي AlphaFold الذي يتنبأ ببنية البروتينات.

فاز كل من ديفيد بيكر وديميس هاسابيس وجون جامبر بجائزة نوبل في الكيمياء لتطوير أدوات حسابية يمكنها التنبؤ ببنية البروتين وتصميمها.

الصورة : Christine Olsson/TT News Agency, via Associated Press

في خطوةٍ تاريخية لهذا العام، أعلنت الأكاديمية السويدية الملكية للعلوم اليوم عن فوز ثلاثة علماء بجائزة نوبل في الكيمياء لعام 2024. وقد مُنحت الجائزة لديفيد بيكر، وديميس هسّابيس، وجون جامبر، تقديرًا لإسهاماتهم الجوهرية في تطوير أدواتٍ ذات أهمية بالغة لتحديد وتصميم البروتينات.

جون جامبر وديميس هاسابيس من Google DeepMind، قاما بتطوير أداة ذكاء اصطناعي غيرت قواعد اللعبة للتنبؤ بهياكل البروتين تسمى AlphaFold، وديفيد بيكر، من جامعة واشنطن في سياتل، لعمله في تصميم البروتين الحاسوبي، والذي تم تعزيزه بواسطة الذكاء الاصطناعي في السنوات الأخيرة.

قال هاسابيس في مؤتمر صحفي في DeepMind في 9 أكتوبر: "آمل عندما ننظر إلى AlphaFold، أن تكون أول نقطة إثبات لإمكانات الذكاء الاصطناعي المذهلة لتسريع الاكتشافات العلمية". "كان الأمر غير واقعي للغاية في تلك اللحظة".

البروتينات: اللبنات الأساسية للحياة

البروتينات هي جزيئات معقدة تُشكل اللبنات الأساسية للحياة. فهي تؤدي مجموعةً واسعةً من الوظائف في الجسم، من نقل الأكسجين إلى تحفيز التفاعلات الكيميائية. ومع ذلك، فإن فهم البروتينات كان تحديًا كبيرًا للعلماء، وذلك بسبب صعوبة تحديد بنيتها ثلاثية الأبعاد.

لقد غيرت أعمال بيكر، وهسابيس، وجامبر هذه الصورة بشكل جذري. فقد طوروا أدواتٍ تعتمد على الذكاء الاصطناعي، مثل AlphaFold، والتي يمكنها التنبؤ ببنية البروتينات بدقةٍ عالية. وقد أحدثت هذه الأدوات ثورةً في مجال تحديد البروتينات، مما سمح للعلماء بفهم وظائفها بشكل أفضل وتطوير علاجات جديدة للأمراض.

جائزة تلوَ الأخرى

في عام 2018، أطلقت شركة DeepMind برنامج AlphaFold، الذي فاز بمسابقة التنبؤ ببنية البروتين التي تُعقد كل سنتين،

والمعروفة باسم Critical Assessment of Protein Structure Prediction (CASP). ولكن النسخة الثانية من شبكة التعلم العميق 1. 2، التي كُشف عنها في أواخر عام 2020، هي التي أحدثت فارق حقيقي في علوم الحياة.

تميزت العديد من تنبؤات AlphaFold2 في CASP بدقةٍ عاليةٍ لدرجة يصعب التمييز بينها وبين هياكل البروتين التي تمّ حلها تجريبيًا.

قاد ديميس هسّابيس، المؤسس المشارك والرئيس التنفيذي لشركة DeepMind، وجون جامبر، رئيس فريق AlphaFold، تطوير AlphaFold2. وللتنبؤ بهياكل البروتين، تُدمج الشبكة العصبية بياناتٍ من مكتباتٍ تحتوي على مئات الآلاف من الهياكل وملايين التسلسلات من البروتينات ذات الصلة، والتي تحمل معلوماتٍ عن أشكالها.

يعود نجاح AlphaFold بشكلٍ كبير إلى بنك بيانات البروتين، وهو مستودعٌ متاحٌ مجانًا يحتوي على أكثر من 200,000 هيكل بروتيني تمّ تحديدها باستخدام طرقٍ مثل دراسة البلورات بالأشعة السينية والمجهر الإلكتروني البارد.

وفي هذا السياق، يقول جون جامبر في مؤتمر صحفي لشركة DeepMind: "نشعر بالتواضع في كل مرة نقوم فيها بتدريب AlphaFold على سنواتٍ من الجهد. فكل نقطة بيانات تُمثل سنواتٍ من جهد شخصٍ ما".

في عام 2021، أتاحت DeepMind شفرة AlphaFold2 الأساسية مجانًا، إلى جانب البيانات اللازمة لتدريب النموذج. ويحتوي قاعدة بيانات AlphaFold، التي تمّ إنشاؤها بالتعاون مع المعهد الأوروبي للمعلوماتية الحيوية التابع للمختبر الأوروبي للبيولوجيا الجزيئية في هينكستون بالمملكة المتحدة، على هياكل جميع البروتينات تقريبًا من كل كائن حي مُمثل في قواعد البيانات الجينية، ما يُقدّر بحوالي 214 مليون تنبؤ إجمالًا.

وفي هذا العام، كشفت الشركة النقاب عن الإصدار الثالث من AlphaFold، والذي يُمكنه نمذجة جزيئاتٍ أخرى تتفاعل مع البروتينات، مثل الأدوية 3.

انطلقت رحلة الاكتشافات العلمية لـ AlphaFold مع فريقٌ رائدٌ من الباحثين استخدم هذه الأداة، جنبًا إلى جنب مع البيانات التجريبية، لرسم خريطةٍ مُفصلةٍ للمُعقّد المسامي النووي، تلك الآلة الخلوية العملاقة التي تنقل الجزيئات داخل وخارج نواة الخلية 4.

وفي العام الماضي، غاص فريقان بحثيان في أعماق قاعدة بيانات AlphaFold لدخول عالم البروتينات واكتشاف عائلاتٍ جديدةٍ من البروتينات وطيّاتٍ لم تكن معروفةً من قبل، وكشف صلاتٍ معقدة بين البروتينات ودورها في العمليات الحيوية 5.

أطلق جامبر وهسّابيس وزملاؤهما شرارة ثورةٍ علميةٍ هائلة، ما زالت في بداياتها، ولعلّ آثارها الكاملة على العلوم لن تتضح إلا بعد سنوات. لكن AlphaFold يُساهم بالفعل في تحقيق اكتشافاتٍ علميةٍ جديدة، ويُفتح آفاقًا واسعةً للبحث والتطوير.

تصميم بروتينات جديدة كليًا

قبل أن يُبهر AlphaFold العالم بقدراته، كان هناك Rosetta، أداةٌ برمجيةٌ طوّرها ديفيد بيكر وزملاؤه قبل حوالي عشرين عامًا. لم يعتمد Rosetta على التعلم العميق مثل AlphaFold، بل استند إلى المبادئ الفيزيائية لنمذجة هياكل البروتين.

تخيّل Rosetta كفنانٍ نحات، يقارن قطعًا صغيرة من تماثيل موجودة ليقوم بنحت تمثالٍ جديد بتفاصيل دقيقة. يقوم Rosetta بمقارنة شظايا من هياكل وتسلسلات بروتينية معروفة ليتنبأ بشكل بروتينٍ مُحدد.

ولكن Rosetta لم يقتصر على التنبؤ بهياكل البروتينات فحسب، بل تخطى ذلك إلى تصميم بروتيناتٍ جديدةٍ كليًا، مما يُفتح آفاقًا واسعةً في مجالات مثل هندسة البروتينات وتطوير العلاجات الطبية.

لم يكتفِ Rosetta بالظهور كأداةٍ رائدةٍ في نمذجة البروتينات، بل حقق نجاحًا مُبكرًا في تصميم بروتيناتٍ جديدة 6، منها أنواعٌ جديدةٌ من الإنزيمات، وبروتيناتٌ تتمتع بقدرةٍ عاليةٍ على الارتباط بجزيئاتٍ أخرى، وجسيماتٌ نانويةٌ بروتينيةٌ تُشبه الفيروسات (شكّلت إحداها أساسًا لقاحٍ مُعتمد ضد كوفيد-19).

ومع الإعلان عن AlphaFold2، قبل إصداره، شرع بيكر وفريقه، بما في ذلك الكيميائية الحاسوبية مينكيونغ بايك، التي تعمل الآن في جامعة سيول الوطنية، في فهم البرنامج وتطبيق بعض حيله على إصدارٍ سابقٍ من Rosetta يعتمد على الذكاء الاصطناعي. وقد أظهر الإصدار الأول من شبكة RoseTTAFoldالناتجة أداءً مُقاربًا لـ AlphaFold2.

ومنذ عام 2021، شهدت كلتا الشبكتين تحسيناتٍ مُستمرة من قبل مُطوريها وغيرهم من العلماء لمواجهة تحدياتٍ جديدة، مثل التنبؤ بهيكل مُعقدات من عدة بروتيناتٍ مُتفاعلةٍ مُختلفة 7.

لم يكتفِ فريق بيكر بتطوير RoseTTAFold، بل ذهبوا إلى أبعد من ذلك، مستخدمين قوة التعلم الآلي لابتكار بروتينات جديدة لم يشهدها العالم من قبل!

بتوظيف شبكات التعلم العميق التي تُولد الصور، نجحوا في دمجها مع RoseTTAFold لابتكار أداةٍ عبقرية تُسهّل تصميم بروتيناتٍ جديدةٍ بتنوعٍ وإمكانياتٍ غير مسبوقة.

تخيّلوا أن لديكم فرشاةً سحريةً ترسم بروتيناتٍ جديدةً بمُجرد تخيّلها! هذه هي القوة التي تُوفرها هذه الأداة الجديدة، مما يُبشّر بثورةٍ في مجالات مثل هندسة البروتينات وتطوير العلاجات الطبية.

الجميع يمكنه تصميم البروتينات!

يُشيد سيرجي أوفشينيكوف، عالم الأحياء التطوري في معهد ماساتشوستس للتكنولوجيا في كامبريدج، والذي حصل على درجة الدكتوراه في مختبر بيكر، بالتقدم الهائل الذي تُمثله هذه الأدوات في مجال تصميم البروتين.

فقد كانت Rosetta تستغرق أسابيعًا من العمل على مئات المعالجات لتصميم بروتين واحد، بينما تُنجز أدوات الذكاء الاصطناعي الجديدة هذه المهمة في ثوانٍ معدودة. ويقول أوفشينيكوف: "الآن يمكن لأي شخص في العالم تصميم البروتينات".

وفي كلمته عبر الهاتف خلال إعلان جائزة نوبل، قال بيكر: "لقد ألهمني الآخرون في هذا المجال والأشخاص الذين عملت معهم بشكلٍ عميق. لقد وقفت على أكتاف العمالقة".

يشبّه مارتن شتاينغر، عالم الأحياء الحاسوبية في جامعة سيول الوطنية، تأثير AlphaFold و RoseTTAFold وأدوات الذكاء الاصطناعي البيولوجية الأخرى بمهمات أبولو للقمر، لأنها تُظهر ما يمكن أن تُحققه الهندسة. ويقول: "إنها لحظةٌ مماثلةٌ في مجال التنبؤ بالبنية وعلم الأحياء البنيوي، مجرد رؤية ما هو ممكن".

لقد فوجئ الجميع بقرار لجنة نوبل. يقول جونز: "لقد اعتقد معظم الناس أن الأمر يتعلق بمسألة متى وليس ما إذا كان سيفوز بالجائزة"، وذلك بسبب حجم العمل الذي قام به في هذا المجال. أما جامبر، الذي يدرك أنه وهاسابيس كانا ضمن قائمة المرشحين النهائيين لكثير من الناس، فقد قال في المؤتمر الصحفي إنه لم يتمكن من النوم في الليلة التي سبقت إعلان اليوم.

يؤمن جون جامبر بأنّ هياكل البروتين التي يتنبأ بها AlphaFold تُمثل بذورًا لاكتشافاتٍ علميةٍ مُذهلة. لقد استخدم ملايين العلماء هذه الأدوات بالفعل، ويأمل جامبر ألا يمر وقت طويل قبل أن يتلقى أحدهم مكالمةً من السويد تُبشّره بنيل جائزة نوبل.

يقول جامبر: "اللحظة التي سأكون فيها مُتحمسًا تقريبًا مثل هذه اللحظة هي عندما تُمنح جائزة نوبل للعمل المنجز باستخدام AlphaFold".

---

المراجع

1. Jumper, J. et al. Nature 596, 583–589 (2021). PubMed

   
   

2. Tunyasuvunakool, K. et al. Nature 596, 590–596 (2021). PubMed

   
   

3. Abramson, J. et al. Nature 630, 493–500 (2024). Pubmed

   
   

4. Mosalaganti, S. et al. Science 376, eabm9506 (2022). PubMed

   
   

5. Durairaj, J. et al. Nature 622, 646–653 (2023). PubMed

   
   

6. Watson, J. L. et al. Nature 620, 1089–1100 (2023). PubMed

   
   

7. Baek, M. et al. Science 373, 871–876 (2021). PubMed