تستخدم شركة Profluent، التي حفزتها أبحاث Salesforce وبدعم من Jeff Dean، الذكاء الاصطناعي لاكتشاف الأدوية

في العام الماضي، قادت شركة Salesforce، الشركة المعروفة ببرامج دعم المبيعات السحابية (وSlack)، مشروعًا يسمى ProGen لتصميم البروتينات باستخدام الذكاء الاصطناعي التوليدي. يمكن لـ ProGen، وهو مشروع بحثي رائد، أن يساعد – إذا تم طرحه في السوق – في الكشف عن العلاجات الطبية بشكل أكثر فعالية من حيث التكلفة من الطرق التقليدية، كما ادعى الباحثون الذين يقفون وراءها في منشور على مدونة في يناير 2023.

توج ProGen بالبحث المنشور في مجلة Nature Biotech والذي أظهر أن الذكاء الاصطناعي يمكنه بنجاح إنشاء الهياكل ثلاثية الأبعاد للبروتينات الاصطناعية. ولكن، بعيدًا عن الورقة البحثية، لم يكن المشروع ذا قيمة كبيرة في Salesforce أو في أي مكان آخر – على الأقل ليس بالمعنى التجاري.

أي حتى وقت قريب.

أطلق علي مدني، أحد الباحثين المسؤولين عن ProGen، شركة Profluent، ويأمل أن تجلب تكنولوجيا مماثلة لتوليد البروتين من المختبر إلى أيدي شركات الأدوية. في مقابلة مع TechCrunch، يصف مدني مهمة Profluent بأنها “عكس نموذج تطوير الأدوية”، بدءاً باحتياجات المريض والعلاجية والعمل إلى الوراء لإنشاء حلول علاجية “مناسبة حسب الطلب”.

وقال مدني: “تتكون العديد من الأدوية – الإنزيمات والأجسام المضادة، على سبيل المثال – من البروتينات”. “لذا فإن هذا في النهاية مخصص للمرضى الذين سيحصلون على بروتين مصمم بواسطة الذكاء الاصطناعي كدواء.”

أثناء وجودك في قسم الأبحاث في Salesforce، وجد مدني نفسه منجذباً إلى أوجه التشابه بين اللغة الطبيعية (مثل اللغة الإنجليزية) و”لغة” البروتينات. اكتشف مدني أن البروتينات – سلاسل من الأحماض الأمينية المترابطة التي يستخدمها الجسم لأغراض مختلفة، بدءًا من صنع الهرمونات وحتى إصلاح الأنسجة العظمية والعضلية – يمكن معاملتها مثل الكلمات في فقرة. ويمكن استخدام البيانات المتعلقة بالبروتينات، التي يتم إدخالها في نموذج الذكاء الاصطناعي التوليدي، للتنبؤ ببروتينات جديدة تمامًا ذات وظائف جديدة.

مع Profluent، يهدف مدني والمؤسس المشارك ألكسندر ميسكي، الأستاذ المساعد في علم الأحياء الدقيقة بجامعة واشنطن، إلى الارتقاء بالمفهوم خطوة أخرى إلى الأمام من خلال تطبيقه على تحرير الجينات.

“العديد من الأمراض الوراثية لا يمكن علاجها عن طريق [proteins or enzymes] قال مدني: “لقد تم رفعه مباشرة من الطبيعة”. “علاوة على ذلك، فإن أنظمة تحرير الجينات المختلطة والمتوافقة مع القدرات الجديدة تعاني من المفاضلات الوظيفية التي تحد بشكل كبير من وصولها. في المقابل، يمكن لـ Profluent تحسين سمات متعددة في وقت واحد لتحقيق تصميم مخصص [gene] محرر مناسب تمامًا لكل مريض.

انها ليست خارج المجال الأيسر. وقد أظهرت شركات ومجموعات بحثية أخرى طرقًا قابلة للتطبيق يمكن من خلالها استخدام الذكاء الاصطناعي التوليدي للتنبؤ بالبروتينات.

أصدرت Nvidia في عام 2022 نموذجًا توليديًا للذكاء الاصطناعي، MegaMolBART، تم تدريبه على مجموعة بيانات مكونة من ملايين الجزيئات للبحث عن أهداف دوائية محتملة والتنبؤ بالتفاعلات الكيميائية. قامت شركة ميتا بتدريب نموذج يسمى ESM-2 على تسلسل البروتينات، وهو النهج الذي ادعت الشركة أنه سمح لها بالتنبؤ بتسلسلات أكثر من 600 مليون بروتين في أسبوعين فقط. ولدى DeepMind، وهو مختبر أبحاث الذكاء الاصطناعي التابع لشركة Google، نظام يسمى AlphaFold الذي يتنبأ بهياكل البروتين الكاملة، ويحقق السرعة والدقة التي تفوق بكثير الطرق الخوارزمية القديمة والأقل تعقيدًا.

تقوم Profluent بتدريب نماذج الذكاء الاصطناعي على مجموعات بيانات ضخمة – مجموعات بيانات تحتوي على أكثر من 40 مليار تسلسل بروتيني – لإنشاء أنظمة جديدة وضبط أنظمة تحرير الجينات وإنتاج البروتين الحالية. وبدلاً من تطوير العلاجات نفسها، تخطط الشركة الناشئة للتعاون مع شركاء خارجيين لإنتاج “أدوية وراثية” ذات المسارات الواعدة للحصول على الموافقة.

ويؤكد مدني أن هذا النهج يمكن أن يقلل بشكل كبير مقدار الوقت – ورأس المال – المطلوب عادة لتطوير العلاج. وفقًا لمجموعة PhRMA الصناعية، يستغرق تطوير دواء جديد ما بين 10 إلى 15 عامًا في المتوسط، بدءًا من الاكتشاف الأولي وحتى الموافقة التنظيمية. وفي الوقت نفسه، تشير التقديرات الأخيرة إلى أن تكلفة تطوير دواء جديد تتراوح بين عدة مئات من الملايين إلى 2.8 مليار دولار.

وقال مدني: “العديد من الأدوية المؤثرة تم اكتشافها عن طريق الصدفة، ولم يتم تصميمها عمداً”. “[Profluent’s] توفر القدرة للبشرية فرصة للانتقال من الاكتشاف العرضي إلى التصميم المتعمد للحلول الأكثر حاجة لدينا في علم الأحياء.

وتحظى شركة Profluent، التي يقع مقرها في بيركلي، ويعمل بها 20 موظفًا، بدعم من شركات رأس المال الاستثماري الكبيرة بما في ذلك Spark Capital (التي قادت جولة التمويل الأخيرة للشركة البالغة 35 مليون دولار)، وInsight Partners، وAir Street Capital، وAIX Ventures، وConvergent Ventures. كما ساهم كبير العلماء في Google، جيف دين، في إضفاء مصداقية إضافية على النظام الأساسي.

يقول مدني إن تركيز Profluent في الأشهر القليلة المقبلة سينصب على تحديث نماذج الذكاء الاصطناعي الخاصة بها، وذلك جزئيًا من خلال توسيع مجموعات بيانات التدريب، واكتساب العملاء والشركاء. سيتعين عليها التحرك بقوة. يقوم المنافسون، بما في ذلك EvolutionaryScale وBascamp Research، بتدريب نماذجهم الخاصة لتوليد البروتين بسرعة وجمع مبالغ هائلة من أموال رأس المال الاستثماري.

وقال مدني: “لقد قمنا بتطوير منصتنا الأولية وأظهرنا اختراقات علمية في تحرير الجينات”. “لقد حان الوقت لتوسيع نطاق الحلول والبدء في تمكينها مع الشركاء الذين يتناسبون مع طموحاتنا للمستقبل.”