ثورة الذكاء الاصطناعي التوليدي في تصميم مضادات حيوية جديدة تقضي على السيلان المقاوم

في سباق محموم ضد الزمن، يتحدى باحثو معهد ويس للهندسة المستوحاة من الطبيعة في جامعة هارفارد أحد أخطر التهديدات الصحية العالمية: بكتيريا النيسرية البنية (المسببة لمرض السيلان) المقاومة للمضادات الحيوية المتعددة. بدلاً من أساليب الاكتشاف التقليدية البطيئة، لجأ فريق بقيادة البروفيسور جيم كولينز إلى الذكاء الاصطناعي التوليدي لاختراع مضادات حيوية جديدة كلياً من الصفر. هذه ليست مجرد محاكاة حاسوبية، بل جزيئات حقيقية أثبتت فعاليتها في قتل "الجراثيم الخارقة" في المختبرات وعلى الحيوانات [8, 9, 52].

من الفحص إلى الاختراع: كيف يصمم الذكاء الاصطناعي جزيئات لم ترها الطبيعة

العمل المنشور في دورية Cell العلمية المرموقة ليس مجرد بحث، بل هو نقلة نوعية. استخدم الفريق، بالتعاون مع معهد ماساتشوستس للتكنولوجيا (MIT) ومعهد برود، إطاراً ثنائي المسار من الذكاء الاصطناعي التوليدي لاستهداف بكتيريا السيلان المقاومة وأيضاً بكتيريا المكورات العنقودية الذهبية المقاومة للميثيسيلين (MRSA) [7, 8].

في المرحلة الأولى، قامت شبكات عصبية بيانية (Graph Neural Networks) بفحص ملايين الشظايا الكيميائية افتراضياً لتحديد "السقالات" أو الهياكل الأساسية ذات النشاط الانتقائي المضاد للبكتيريا . بعد ذلك، تدخلت نماذج توليدية متقدمة، منها المشفرات الذاتية المتغيرة (Variational Autoencoders) والخوارزميات الجينية، لتوسيع هذه الشظايا الواعدة وتحويلها إلى جزيئات دوائية كاملة بخصائص مرغوبة [7, 8].

في المجمل، صممت النماذج أكثر من 36 مليون مركب محتمل، خضعت بعدها لعمليات تصفية حسابية صارمة لضمان الفعالية المتوقعة، وانخفاض السمية، وقابلية التصنيع [8, 16]. من بين هذا المحيط من الاحتمالات، اختار العلماء 24 مركباً واعداً لتصنيعها واختبارها في المختبر. كانت النتيجة مبهرة: أظهرت سبعة مركبات نشاطاً مضاداً للبكتيريا، وبرز مرشحان رئيسيان – NG1 (مصمم لاستهداف السيلان) و DN1 (لمكافحة MRSA) – بقدرة قاتلة فعالة ضد سلالات مقاومة للأدوية المتعددة في الاختبارات المعملية والحيوانية [8, 7, 55]. هذه المركبات تختلف هيكلياً عن أي مضاد حيوي معروف، ويبدو أنها تعمل بآليات جديدة تستهدف تمزيق الغشاء الخلوي للبكتيريا .

تقنية "العضو على شريحة": مختبر بشري مصغر لاختبار الأدوية

التفاصيل الأكثر إثارة هنا أن فريق كولينز لم يكتفِ بالاختبارات التقليدية. لقد تعاون مباشرة مع المدير المؤسس لمعهد ويس، الدكتور دونالد إنغبر، لاستخدام تقنية "العضو على شريحة" (Organ-on-a-Chip) الثورية، وهي أجهزة ميكروفلويديك تحاكي بيئة الأنسجة البشرية الحية. هذا يسمح للباحثين بدراسة سلوك الأدوية المصممة بالذكاء الاصطناعي داخل نسيج بشري حقيقي، مما يوفر صورة أدق وأكثر شمولية عن إمكاناتها العلاجية قبل الدخول في التجارب السريرية البشرية، ومكملاً للتجارب على الحيوانات .

ثورة الذكاء الاصطناعي في اكتشاف مضادات الميكروبات

عمل معهد ويس ومعهد ماساتشوستس للتكنولوجيا ليس حادثة منعزلة، بل يعكس تحولاً جذرياً في نهج المجتمع العلمي لمواجهة مقاومة مضادات الميكروبات. لم يعد الذكاء الاصطناعي مجرد أداة لتسريع فحص المكتبات الكيميائية الموجودة، بل أصبح يُستخدم لتصميم جزيئات "جديدة على الطبيعة" من العدم، وحتى التنقيب في بروتينات كائنات منقرضة للبحث عن ببتيدات مضادة للميكروبات [17, 18, 20, 26].

• التصميم التوليدي: الورقة البحثية المنشورة في Cell هي جزء من موجة تستخدم فيها مجموعات بحثية أخرى نماذج لغوية كبيرة (LLMs) لتوليد ببتيدات جديدة مضادة للميكروبات فعالة ضد الجراثيم الخارقة السريرية [7, 22].
• "البعث الجزيئي" (Molecular De-extinction): قام باحثون بتدريب نماذج تعلم عميق للتنقيب عن ببتيدات خفية في بروتينات كائنات منقرضة، ليكتشفوا جزيئات لم ترها البشرية من قبل .
• التنبؤ بالمقاومة: أظهرت دراسات منفصلة للتعلم الآلي أن نماذج مثل CatBoost يمكنها التنبؤ بمقاومة بكتيريا السيلان للمضادات الحيوية الرئيسية بدقة تصل إلى 0.97 (AUROC)، متجاوزة أفضل الطرق السابقة بـ 4-7 نقاط مئوية . هذا يعني أن الأطباء قد يحصلون قريباً على توقعات فورية بمقاومة الدواء بناءً على بيانات المريض الروتينية.
• نقلة نوعية: مراجعة شاملة للمعاهد الوطنية للصحة (NIH) تصف الذكاء الاصطناعي ليس فقط كأداة مساعدة، بل كـ "محفز" لاكتشاف مضادات الميكروبات، لمعالجته المشكلة الأساسية المتمثلة في أن خطوط الأنابيب التقليدية بطيئة ومكلفة للغاية لمواكبة تطور مسببات الأمراض المقاومة .

الدور التأسيسي لمعهد ويس في هذا التحول يصعب المبالغة فيه. مختبر كولينز هو نفسه من اكتشف عقار هاليسين (Halicin) في عام 2019 – أول فئة جديدة من المضادات الحيوية تُكتشف منذ عقود، والأولى التي يُعثر عليها باستخدام منصة مدعومة بالذكاء الاصطناعي [9, 47]. العمل الحالي هو تطور مباشر لنفس البرنامج البحثي، منتقلاً من "الذكاء الاصطناعي كأداة فحص" إلى "الذكاء الاصطناعي كمصمم" [7, 50].

إدارة الغذاء والدواء تواكب التطور: أدوية فموية جديدة للسيلان

بينما لا يزال مرشحو الذكاء الاصطناعي التوليدي (مثل NG1) في المرحلة ما قبل السريرية، تلقى مجال اكتشاف المضادات الحيوية دفعة قوية في ديسمبر 2025. في يومي 11 و12 ديسمبر، وافقت إدارة الغذاء والدواء الأمريكية (FDA) على عقارين فمويين جديدين لعلاج السيلان البولي التناسلي غير المصحوب بمضاعفات – وهي أول خيارات علاجية جديدة كلياً منذ عقود [33, 40, 35].

• زوليفلوداسين (الاسم التجاري Nuzolvence): هو أول دواء من فئته، يُعطى بجرعة فموية واحدة، وهو مثبط للتوبوأيزوميراز البكتيري من نوع سبيروبيريميدينيتريون. طوّرته شركة إنوفيفا بالتعاون مع الشراكة العالمية للبحث والتطوير في المضادات الحيوية (GARDP) والمعهد الوطني الأمريكي للحساسية والأمراض المعدية (NIAID). أظهرت تجربة المرحلة الثالثة على 930 مريضاً أن الدواء ليس أقل فعالية من النظام العلاجي القياسي القابل للحقن [31, 33, 39, 42].
• جيبوتيداسين (الاسم التجاري Blujepa): هو مضاد بكتيري فموي من فئة التريازا أسينافثيلين، طورته شركة GSK. حصل على موافقة أولية في مارس 2025 لعلاج التهابات المسالك البولية لدى النساء، ثم على موافقة تكميلية من FDA في ديسمبر 2025 لعلاج السيلان للمرضى الذين لديهم خيارات علاجية محدودة أو معدومة [34, 37, 40].

كلا العقارين هما مضادات حيوية فموية جديدة هيكلياً، وهذه ميزة حاسمة لأن العلاج القياسي السابق – القائم على حقن السيفترياكسون – كان يمثل عقبات لوجستية ويواجه مقاومة متزايدة [36, 44]. لكن من المهم الانتباه إلى أن هذه الموافقات تأتي مع تحفظات: فقد أظهر كل من زوليفلوداسين وجيبوتيداسين نجاحاً محدوداً ضد سيلان البلعوم في تجارب المرحلة الثانية السابقة، مما يعني أن استخدامهما يجب أن يُدار بحذر . والأهم، أنه لم يُكتشف أي منهما باستخدام الذكاء الاصطناعي، بل يعكسان الأهمية المستمرة لتطوير الأدوية بالطرق التقليدية، حتى في الوقت الذي يُسرّع فيه الذكاء الاصطناعي خط إنتاج المرشحين قبل السريريين [7, 8].

إلى أين يقودنا هذا؟

عمل معهد ويس، والموجة الأوسع التي يمثلها، يقف عند مفترق طرق مفصلي. من جهة، أصبحت نماذج الذكاء الاصطناعي التوليدي قادرة على تصميم مركبات جديدة هيكلياً تقتل الجراثيم الخارقة المقاومة في المختبرات ونماذج حيوانية [7, 48]. ومن جهة أخرى، أثبتت موافقات FDA في ديسمبر 2025 أن كيانات كيميائية جديدة يمكنها الفوز بالموافقة التنظيمية والوصول إلى المرضى الذين هم في حاجة ماسة إلى بدائل [33, 35]. الخطوة التالية – الدمج بين المرشحين المصممين بالذكاء الاصطناعي واختبارات "العضو على شريحة" – قد بدأت بالفعل في مختبر كولينز .

إذا نجح هذا النهج المتكامل، فقد يبدو مستقبل اكتشاف المضادات الحيوية مختلفاً جذرياً: نماذج التعلم العميق تقترح جزيئات جديدة بالكامل، منصات "العضو على شريحة" تتحقق من سلامتها وفعاليتها في بيئات نسيجية بشرية، ومن ثم ينتقل المرشحون الواعدون بسرعة نحو التجارب السريرية. بالنسبة لمسبب مرض مثل النيسرية البنية، الذي وضعته منظمة الصحة العالمية ومراكز السيطرة على الأمراض (CDC) على قوائم المراقبة ذات الأولوية القصوى، فإن الرهان لا يمكن أن يكون أعلى [41, 5]. مضادات معهد ويس الحيوية المصممة بالذكاء الاصطناعي قد تكون لا تزال في المرحلة ما قبل السريرية، لكنها تمثل دليلاً عملياً على أننا صرنا نستطيع تعليم الآلات لتخترع الأدوية التي نحتاجها بشدة.