لماذا تتسابق شركات الذكاء الاصطناعي لبناء خلية بشرية افتراضية؟

(SeaPRwire) –   الخلية البشرية هي آلة روب غولدبرغ لا مثيل لها، مليئة بالتفاعلات المتسلسلة البيولوجية التي تصنع الفارق بين الحياة والموت. فهم هذه العلاقات الدقيقة وكيف تسوء في المرض هو أحد الانبهارات المركزية في علم الأحياء. خطأ واحد في الجين يمكن أن يغير شكل البروتين الذي يصنعه إلى شكل خاطئ. البروتين المشوه لا يستطيع أداء وظيفته. وبسبب فقدان ذلك البروتين، قد يبدأ الكائن الحي – أنت – في الانهيار.

ومع ذلك، فإن الخلايا معقدة للغاية لدرجة أن فهم كيفية انتشار فشل بروتين واحد عبر النظام أمر صعب. يتذكر Graham Johnson، عالم الأحياء الحاسوبية والرسام العلمي في Allen Institute for Cell Science، تخيله على طاولة غداء، قبل أكثر من 15 عامًا، لنموذج حاسوبي للخلية مفصل وكامل للغاية، بحيث يمكن للعلماء مشاهدة هذه العمليات وهي تحدث. في ذلك الوقت، يقول: “كان الجميع يتهكمون فقط”. “كان الأمر غير واقعي للغاية”.

لكن الآن، يستخدم بعض الباحثين الذكاء الاصطناعي لاتخاذ خطوات جديدة نحو هدف “الخلية الافتراضية”. Google’s DeepMind تعمل على ذلك، وقد جعلت Chan Zuckerberg Initiative (CZI) الخلايا الافتراضية محورًا رئيسيًا في شبكة أبحاث Biohub الخاصة بها، كما يقول Theo Karaletsos، المدير الأول للذكاء الاصطناعي في CZI. بل هناك أيضًا مبادرة جديدة، أقامتها Arc Institute، لنماذج الخلايا الافتراضية. الهدف من كل هذه المساعي هو التنبؤ بكيفية عمل الخلايا السليمة والمريضة، بتفاصيل دقيقة للغاية بحيث يصبح من الممكن تسريع تطوير الأدوية وتسريع الاكتشافات العلمية. قد تعمل الخلايا الافتراضية أيضًا على تبسيط البحث الأساسي، كما يعتقد البعض، بنقل علماء الأحياء من مختبر الأبحاث إلى لوحة المفاتيح.

ما هي الخلية الافتراضية، على أي حال؟

يختلف التعريف الدقيق للخلية الافتراضية باختلاف من تتحدث إليه. يأمل بعض العلماء، مثل Johnson، أن تتضمن الخلية الافتراضية تمثيلاً بصريًا يمكنك النقر عليه واستكشافه. بينما يرى آخرون أنها في المقام الأول مجموعة من برامج الكمبيوتر التي يمكنها الإجابة عن الأسئلة وتقديم تنبؤات حول ما هو مرجح أن يحدث. لكن المفهوم ليس فكرة جديدة. لعقود، كان علماء الأحياء يبنون نماذج رياضية للعمليات الخلوية. لبنائها، يعتمد الباحثون على بيانات من تجارب على خلايا حقيقية، ويضعون معادلات تصف ما يجري.

يتوفر الآن بيانات عن الخلية البشرية أكثر من أي وقت مضى، ويرجع الفضل في ذلك جزئيًا إلى التكنولوجيا التي تسمح للعلماء بالتجسس على أنشطة الخلايا الفردية. لكن استنتاج المعادلات لكل عملية وجمعها كلها معًا مهمة ضخمة. يقول Stephen Quake، الأستاذ في Stanford University والرئيس السابق للعلوم في CZI: “الطريقة القديمة لفعل ذلك” – يدويًا، أي – “كانت، كما أقول، ذات نجاح محدود للغاية”. في العام الماضي، نشر هو وباحثون آخرون ورقة بحثية تحدد رؤية لنهج آخر، يغذي البيانات حول الخلايا مباشرة إلى أنظمة ذكاء اصطناعي متخصصة. يقول: “أنت تبني نماذج تتعلم مباشرة من البيانات، بدلاً من محاولة كتابة المعادلات”.

حقق Quake وزملاؤه بعض النجاحات الملحوظة. لقد استخدموا بيانات عن خلايا من 12 نوعًا مختلفًا لتدريب الذكاء الاصطناعي. بعد ذلك، تمكن الذكاء الاصطناعي من إجراء تنبؤات دقيقة حول خلايا الأنواع التي لم يرها من قبل، كما يقول Quake. كما كان قادرًا على استنتاج العلاقات بين أنواع مختلفة من الخلايا في نوع واحد، على الرغم من عدم تزويده بأي معلومات حول تلك الروابط. يقول Quake: “هذا ما جعلني، شخصيًا، متحمسًا للغاية لهذا النهج”.

فريق آخر من الباحثين، بمن فيهم بعض من Google DeepMind، يتبع منهجًا مختلفًا. لقد قاموا بتدريب أنظمة الذكاء الاصطناعي على مجموعات بيانات كبيرة من المعلومات حول الخلايا، مما يسمح للمستخدمين بطرح أسئلة مثل: “كيف ستستجيب هذه الخلية لهذا الدواء؟” ثم تلقي إجابات حول الأجزاء التي من المحتمل أن تتأثر في الخلية.

هذه ليست سوى بعض الأساليب التي يتبعها العلماء نحو إنشاء الخلايا الافتراضية. من المرجح أنه سيكون هناك في النهاية أنواع عديدة ومختلفة من الخلايا الافتراضية، مصممة ليستفيد منها أنواع مختلفة من الباحثين. على سبيل المثال، قد تختلف الخلية الافتراضية التي يستخدمها عالم بيولوجيا السرطان عن تلك التي يستخدمها عالم بيولوجيا الخلية الذي يسعى للإجابة عن أسئلة حول كيفية تطور بنية معينة. ومن الممكن أن يستخدموا كلاً من أساليب النمذجة التقليدية والذكاء الاصطناعي.

ماذا قد تسمح لنا الخلايا الافتراضية بفعله

يمكن للخلايا الافتراضية أن تجعل اكتشاف الأدوية الجديدة أسرع وأسهل. كما يمكنها أن توفر نظرة ثاقبة حول كيفية تهرب الخلايا السرطانية من الجهاز المناعي، أو كيف قد يستجيب مريض فردي لعلاج معين. وقد تساعد حتى العلماء الأساسيين في وضع فرضيات حول كيفية عمل الخلايا التي يمكن أن توجههم نحو التجارب التي يجب إجراؤها على الخلايا الحقيقية. يقول Quake: “الهدف العام هنا هو محاولة تحويل علم بيولوجيا الخلية من مجال تجريبي بنسبة 90% وحسابي بنسبة 10% إلى العكس”.

يشكك بعض العلماء في مدى فائدة التنبؤات التي يقدمها الذكاء الاصطناعي، إذا لم يستطع الذكاء الاصطناعي تقديم تفسير لها. يقول Erick Armingol، عالم أحياء الأنظمة وباحث ما بعد الدكتوراه في Wellcome Sanger Institute في المملكة المتحدة: “نماذج الذكاء الاصطناعي، عادة، تكون صندوقًا أسود”. بمعنى آخر، إنها تعطيك إجابة، لكنها لا تستطيع أن تخبرك لماذا أعطتك تلك الإجابة.

يقول: “شخصيًا، السبب الذي جعلني أصل إلى هذا المجال هو أنني أردت محاكاة الجسم البشري بأكمله وكيف تتصل الخلايا ببعضها البعض وتتفاعل. هذا هو الحلم”. قد تكون إجابات الصندوق الأسود مفيدة لتوجيه تطوير الأدوية، لكنها قد لا تكون مفيدة بنفس القدر للعلماء الأساسيين – على الأقل ليس بالطريقة التي تم بها إعداد العديد من أنظمة الذكاء الاصطناعي حاليًا. (يقول Karaletsos، من CZI، إن بعض أنظمة الذكاء الاصطناعي لديهم مجهزة لتقديم تفسيرات لمنطقها. يقول: “نريد أن نفهم، لا مجرد التنبؤ”).

يأمل Johnson، الذي ألف ورقة بحثية حول أهمية بناء الخلايا الافتراضية، أن يكون ما يبنيه العلماء في النهاية قابلاً للتصور. يقول إن مثاله هو “نسخة مرئية وتفاعلية وبديهية لشيء معقد”. يقول: “أعتقد أن الذكاء الاصطناعي حاسم للغاية لتمكين كل هذا. أنا لا أهتم بالتنبؤات الصندوق الأسود كنتيجة أساسية”.

بغض النظر عن كيفية بنائها، قد يستغرق الأمر بعض الوقت قبل أن تكون الخلايا الافتراضية من أي نوع جاهزة للعمل. يقول Quake: “هذا ليس شيئًا سيتم إنجازه العام المقبل”. “أعتقد أن الأمر سيستغرق عقدًا كاملاً لتحقيق الإمكانات الكامنة”.

لكن منذ ذلك الحديث القديم على الغداء، يقول Johnson، إن التقدم في بيولوجيا الخلية وعلوم الكمبيوتر قد غير بشكل جذري آفاق امتلاك خلية افتراضية يومًا ما. يقول: “لم أعد أشعر وكأنني مجنون يهذي بهذا الأمر”. “يبدو الأمر معقولًا الآن”.