سوف يقوم الذكاء الاصطناعي التوليدي بتصميم أدوية جديدة من تلقاء نفسه في المستقبل القريب
شارك ديوغو راو، كبير مسؤولي المعلومات والمسؤول الرقمي في شركة Eli Lilly، مؤخرًا في بعض التجارب في المكتب، ولكن ليس العمل البحثي النموذجي للأدوية الذي قد تتوقعه ضمن أعمال الترقيع المعملية داخل شركة أدوية كبرى.
تستخدم شركة ليلي الذكاء الاصطناعي التوليدي للبحث في ملايين الجزيئات. مع قدرة الذكاء الاصطناعي على التحرك بسرعة الاكتشاف التي يمكنها في خمس دقائق توليد عدد من الجزيئات بقدر ما تستطيع شركة ليلي تصنيعه خلال عام كامل في المختبرات الرطبة التقليدية، فمن المنطقي اختبار حدود الذكاء الاصطناعي في الطب. ولكن لا توجد طريقة لمعرفة ما إذا كانت وفرة التصاميم المولدة بواسطة الذكاء الاصطناعي ستعمل في العالم الحقيقي، وهذا شيء أراد المسؤولون التنفيذيون في الشركة المتشككون معرفة المزيد عنه.
تم نقل أفضل التصميمات البيولوجية التي تم إنشاؤها بواسطة الذكاء الاصطناعي، وهي الجزيئات التي وصفها راو بأنها تحتوي على “هياكل غريبة المظهر” لا يمكن مطابقتها للكثير في قاعدة البيانات الجزيئية الحالية للشركة، ولكنها تبدو وكأنها مرشحات قوية للأدوية، إلى علماء أبحاث شركة ليلي. توقع المسؤولون التنفيذيون، بما في ذلك راو، أن يرفض العلماء نتائج الذكاء الاصطناعي.
 “لا يمكن أن يكونوا بهذه الجودة؟” لقد تذكر تفكيره قبل تقديم نتائج الذكاء الاصطناعي.
كان من المتوقع من العلماء أن يشيروا إلى كل الأخطاء في التصميمات التي تم إنشاؤها باستخدام الذكاء الاصطناعي، لكن ما قدموه ردًا على ذلك كان مفاجأة للمسؤولين التنفيذيين في شركة ليلي: “إنه أمر مثير للاهتمام؛ لم نفكر في تصميم جزيء بهذه الطريقة،” كما يتذكر راو. قالوا وهو يروي القصة، التي لم يتم الإبلاغ عنها سابقًا، للحاضرين في قمة المجلس التنفيذي للتكنولوجيا في CNBC في نوفمبر الماضي.
قال راو: “كان ذلك بمثابة عيد الغطاس بالنسبة لي”. “نحن نتحدث دائمًا عن تدريب الآلات، ولكن هناك فنًا آخر هو أن تنتج الآلات أفكارًا بناءً على مجموعة بيانات لم يكن البشر قادرين على رؤيتها أو تصورها. وهذا يحفز المزيد من الإبداع من خلال فتح مسارات في تطوير الطب يمكن للبشر أن لم يتم استكشافها بطريقة أخرى.”
وفقًا للمديرين التنفيذيين العاملين في مجال التقاطع بين الذكاء الاصطناعي والرعاية الصحية، فإن هذا المجال يسير على مسار سيشهد إنتاج الأدوية بالكامل بواسطة الذكاء الاصطناعي في المستقبل القريب؛ ووفقا للبعض، فإنه في غضون سنوات قليلة على الأكثر سوف يصبح معيارا في اكتشاف الأدوية. يعمل الذكاء الاصطناعي التوليدي على تسريع وتيرة تطبيقه على التطورات واكتشاف الأدوية الجديدة، في خطوة من شأنها أن تعيد تشكيل ليس فقط صناعة الأدوية ولكن الأفكار على مستوى الأرض التي تم بناؤها في المنهج العلمي لعدة قرون.
عندما كسر DeepMind من Google قالب البروتين
اللحظة التي أصبح فيها هذا المسار واضحًا لأول مرة كانت قبل سنوات من اختراق ChatGPT للوعي العام. لقد كانت “لحظة AlphaFold” في عام 2021، وفقًا لكيمبرلي باول، نائب رئيس الرعاية الصحية في Nvidia، عندما قامت وحدة DeepMind للذكاء الاصطناعي في Google – والتي اشتهرت بإظهار مدى اختلاف التفكير الإبداعي للذكاء الاصطناعي عن البشر في الاستراتيجية الصينية game of Go – كانت رائدة في تطبيق نماذج اللغة الكبيرة للذكاء الاصطناعي على علم الأحياء. قال باول: “كان AlphaFold بمثابة لحظة محورية عندما تمكنا من تدريب نماذج المحولات هذه باستخدام مجموعات بيانات كبيرة جدًا والانتقال من تسلسل الأحماض الأمينية إلى بنية البروتين، وهو ما يعد جوهر تطوير الأدوية وتصميمها”.
إن التطورات المتعلقة بالذكاء الاصطناعي تحدث في مجال علم الأحياء الذي تمت رقمنته بشكل متزايد بما وصفه باول بـ “مقاييس وقرارات غير مسبوقة”.
إنها ثورة طبية تتضمن مسح الجينوم المكاني لملايين الخلايا داخل الأنسجة، بشكل ثلاثي الأبعاد، وبناء نماذج الذكاء الاصطناعي التي تستفيد بشكل خاص من كتالوج المواد الكيميائية الموجودة بالفعل في شكل رقمي والذي يسمح لنماذج محولات الذكاء الاصطناعي التوليدية بالعمل الآن هم. وقال باول: “يمكن إجراء هذا التدريب باستخدام التعلم غير الخاضع للإشراف والإشراف الذاتي، ويمكن القيام به ليس فقط بسرعة ولكن بشكل خيالي: يمكن للذكاء الاصطناعي أن يفكر في نماذج دوائية لا يفكر فيها الإنسان”.
يمكن العثور على تشبيه لفهم تطور أدوية الذكاء الاصطناعي في آليات ChatGPT. وقال باول: “لقد تم تدريبه بشكل أساسي على كل كتاب، وكل صفحة ويب، وكل مستند PDF، كما تم تشفير معرفة العالم بطريقة يمكنك من خلالها طرح الأسئلة عليه ويمكن أن تولد لك إجابات”.
نسخة GPT لاكتشاف المخدرات
إن اكتشاف الأدوية هو عملية مشاهدة التفاعلات والتغيرات في السلوك البيولوجي، ولكن ما قد يستغرق شهورًا أو سنوات في المختبر، يمكن تمثيله في نماذج حاسوبية تحاكي السلوك البيولوجي التقليدي. وقالت: “وعندما تتمكن من محاكاة سلوكهم، يمكنك التنبؤ بكيفية عمل الأشياء معًا وتفاعلها”. “لدينا الآن هذه القدرة على تمثيل عالم الأدوية – علم الأحياء والكيمياء – لأن لدينا أجهزة كمبيوتر عملاقة تعمل بالذكاء الاصطناعي تستخدم الذكاء الاصطناعي وطريقة تشبه GPT، ومع كل بيانات البيولوجيا الرقمية، يمكننا تمثيل عالم المخدرات في الكمبيوتر لأول مرة.”
إنه خروج جذري عن الطريقة التجريبية الكلاسيكية التي هيمنت على اكتشاف الأدوية في القرن الماضي: إجراء تجارب واسعة النطاق، وجمع البيانات لاحقًا، وتحليل البيانات على المستوى البشري، تليها عملية تصميم أخرى تعتمد على تلك النتائج. التجريب داخل جدران الشركة يتبعه العديد من نقاط القرار التي يأمل العلماء والمديرون التنفيذيون أن تؤدي إلى تجارب سريرية ناجحة. وقال باول “إنها عملية حرفية للغاية”. ونتيجة لذلك، فهي عملية اكتشاف دواء تبلغ نسبة فشلها 90%.
يعتقد مؤيدو الذكاء الاصطناعي أنه سيوفر الوقت ويحسن معدلات النجاح، ويحول العملية الكلاسيكية إلى هندسة أكثر منهجية وقابلة للتكرار، مما يسمح للباحثين في مجال الأدوية بتحقيق معدل نجاح أعلى. نقلا عن نتائج الدراسات الحديثة المنشورة في الطبيعة, وأشار باول إلى أن شركة أمجين وجدت أن عملية اكتشاف الأدوية التي كان من الممكن أن تستغرق سنوات يمكن اختصارها إلى أشهر بمساعدة الذكاء الاصطناعي. والأهم من ذلك – نظرا لتكلفة تطوير الأدوية، والتي يمكن أن تتراوح من 30 مليون دولار إلى 300 مليون دولار لكل تجربة – قفز معدل النجاح عندما تم إدخال الذكاء الاصطناعي في العملية في وقت مبكر. وبعد عملية تطوير تقليدية استمرت عامين، كان احتمال النجاح 50/50. وقال باول إنه في نهاية العملية الأسرع المعززة بالذكاء الاصطناعي، ارتفع معدل النجاح إلى 90%.
وقال باول: “نتوقع أن التقدم في اكتشاف الأدوية يجب أن يرتفع بشكل كبير”. بعض العيوب الملحوظة في الذكاء الاصطناعي التوليدي، مثل ميله إلى “الهلوسة” على سبيل المثال، يمكن أن تكون فعالة في اكتشاف الأدوية. “على مدى العقود العديدة الماضية، كنا ننظر إلى نفس الأهداف، ولكن ماذا لو تمكنا من استخدام النهج التوليدي لفتح أهداف جديدة؟” هي اضافت.
أدوية جديدة “مهلوسة”.
اكتشاف البروتين هو مثال. يعمل التطور البيولوجي من خلال تحديد البروتين الذي يعمل بشكل جيد، ومن ثم تتحرك الطبيعة. إنه لا يختبر جميع البروتينات الأخرى التي قد تعمل أيضًا أو تعمل بشكل أفضل. من ناحية أخرى، يمكن للذكاء الاصطناعي أن يبدأ عمله ببروتينات غير موجودة داخل النماذج، وهو النهج الذي لا يمكن الدفاع عنه في النموذج التجريبي الكلاسيكي. بالأرقام، لدى الذكاء الاصطناعي اكتشاف أكبر بكثير من المقرر استكشافه. مع وجود عدد محتمل من البروتينات التي يمكن أن تكون بمثابة علاج لا نهائي بشكل أساسي، قال باول – 10 أس 160، أو عشرة مع مائة وستين صفرًا – الحد الحالي للعمل مع البروتينات التي أعطتها الطبيعة لقد انفجرت الإنسانية. وقال باول: “يمكنك استخدام هذه النماذج لهلوسة البروتينات التي قد تحتوي على جميع الوظائف والميزات التي نحتاجها. ويمكنها الذهاب إلى حيث لا يمكن للعقل البشري أن يفعل ذلك، ولكن الكمبيوتر يستطيع ذلك”.
اشترت جامعة تكساس في أوستن مؤخرًا واحدة من أكبر مجموعات الحوسبة NVIDIA لمركزها الجديد للذكاء الاصطناعي التوليدي.
وقال آندي إلينجتون، أستاذ العلوم البيولوجية الجزيئية: “تمامًا كما أن ChatGPT قادر على التعلم من سلاسل من الحروف، يمكن تمثيل المواد الكيميائية كسلاسل، ويمكننا أن نتعلم منها”. وقال إلينغتون إن الذكاء الاصطناعي يتعلم كيفية التمييز بين الأدوية وغير المخدرات، وإنشاء أدوية جديدة، بنفس الطريقة التي يمكن بها لـ ChatGPT إنشاء الجمل. وقال: “بما أن هذه التطورات تقترن بالجهود المستمرة في التنبؤ بهياكل البروتين، فمن المفترض أن يكون من الممكن قريبًا تحديد المركبات الشبيهة بالأدوية التي يمكن أن تكون مناسبة للأهداف الرئيسية”.
قال دانييل دياز، زميل ما بعد الدكتوراه في علوم الكمبيوتر والذي يقود مجموعة البروتينات العميقة في معهد أسس التعلم الآلي بجامعة تكساس، إن معظم أعمال الذكاء الاصطناعي الحالية في مجال الأدوية تتمحور حول اكتشاف الجزيئات الصغيرة، لكنه يعتقد أن التأثير الأكبر سيكون في تطوير بيولوجيا جديدة (أدوية تعتمد على البروتين)، حيث يرى بالفعل كيف يمكن للذكاء الاصطناعي تسريع عملية العثور على أفضل التصاميم.
تجري مجموعته حاليًا تجارب على الحيوانات على علاج لسرطان الثدي، وهو عبارة عن نسخة هندسية من بروتين بشري يحلل المستقلب الرئيسي الذي يعتمد عليه سرطان الثدي، مما يؤدي بشكل أساسي إلى تجويع السرطان. تقليديا، عندما يحتاج العلماء إلى بروتين علاجي، فإنهم يبحثون عن العديد من الميزات، بما في ذلك البروتينات المستقرة التي لا تتفكك بسهولة. ويتطلب ذلك من العلماء إدخال الهندسة الوراثية لتعديل البروتين، وهي عملية مرهقة في العمل المختبري – رسم خرائط للبنية وتحديد أفضل الخيارات، من بين جميع التعديلات الجينية الممكنة.
والآن، تساعد نماذج الذكاء الاصطناعي في تضييق الاحتمالات، حتى يتمكن العلماء من معرفة التعديلات المثالية التي يجب تجربتها بسرعة أكبر. في التجربة التي استشهد بها دياز، أدى استخدام نسخة معززة بالذكاء الاصطناعي وأكثر استقرارًا إلى تحسين إنتاج البروتين بمقدار سبعة أضعاف تقريبًا، لذلك انتهى الباحثون إلى الحصول على المزيد من البروتين لاختباره واستخدامه وما إلى ذلك. ،” هو قال. وبما أنه بروتين بشري، فإن فرص إصابة المرضى بحساسية تجاه الدواء – الاستجابات التحسسية للأدوية المعتمدة على البروتين تمثل مشكلة كبيرة – تقل إلى الحد الأدنى.
إن إصدار Nvidia الأخير لما تسميه “الخدمات المصغرة” للرعاية الصحية للذكاء الاصطناعي، بما في ذلك اكتشاف الأدوية – وهو عنصر في طموحاتها القوية لاعتماد الذكاء الاصطناعي في قطاع الصحة – يسمح للباحثين بفحص تريليونات من مركبات الأدوية والتنبؤ بهياكل البروتين. تقوم شركة تصميم البرامج الحاسوبية Cadence بدمج Nvidia AI في منصة التصميم الجزيئي التي تسمح للباحثين بإنشاء مكتبات بيانات والبحث فيها ونمذجةها بمئات المليارات من المركبات. كما أنها تقدم أيضًا إمكانات بحثية تتعلق بنموذج البروتين AlphaFold-2 الخاص بـ DeepMind.
وقال باول: “يصعب على عالم الأحياء استخدام AlphaFold، لذلك قمنا بتبسيطه”. “يمكنك الذهاب إلى صفحة ويب وإدخال تسلسل الأحماض الأمينية وسيظهر الهيكل الفعلي. إذا كنت ستفعل ذلك باستخدام أداة، فستكلفك الأداة 5 ملايين دولار، وستحتاج إلى ثلاثة [full-time equivalent workers] FTE قيد التشغيل، وقد تحصل على الهيكل خلال عام. وقال باول: “لقد جعلنا ذلك فوريًا في صفحة ويب”.
في نهاية المطاف، سوف ترتفع أو تفشل الأدوية المصممة بواسطة الذكاء الاصطناعي استنادا إلى الخطوة النهائية التقليدية في تطوير الأدوية: الأداء في التجارب البشرية.
وقال باول: “لا يزال يتعين عليك إنشاء دليل أرضي”.
وقارنت مستوى التقدم الحالي بتدريب السيارات ذاتية القيادة، حيث يتم جمع البيانات باستمرار لتعزيز النماذج وإعادة تعزيزها. وقالت: “الشيء نفسه بالضبط يحدث في اكتشاف الأدوية”. “يمكنك استخدام هذه الأساليب لاستكشاف مساحة جديدة… صقلها، صقلها… إجراء المزيد من التجارب الذكية، وأخذ بيانات التجربة وإدخالها مرة أخرى في النماذج، وتدور الحلقة.”
لكن المساحة البيولوجية ضمن مجال نموذج الذكاء الاصطناعي الأوسع لا تزال صغيرة بالمقارنة. تقع صناعة الذكاء الاصطناعي في نطاق تريليون نموذج أو أكثر في مجالات معالجة اللغات الطبيعية ومتعددة الوسائط. وبالمقارنة، يبلغ عدد النماذج البيولوجية عشرات المليارات.
وقال باول: “نحن في الأدوار الأولى”. “يبلغ متوسط طول الكلمة أقل من عشرة أحرف. ويبلغ طول الجينوم 3 مليارات حرف.”
