خلية AIDO من GenBio AI: هل تقترب أبحاث الأدوية من محاكاة الخلية؟

وهذا هو المقصود تقريباً بوصف AIDO Cell بأنها «نموذج للعالم»: فهي لا تكتفي بتصنيف عينة بيولوجية ثابتة، بل تحاول تمثيل حالات خلوية متغيرة واستجابات تتشكل عبر سلسلة من التدخلات.

كيف تختلف عن AlphaFold؟

يرتبط AlphaFold أساساً بالتنبؤ ببنية بروتين فردي. أما AIDO Cell فتستهدف مستوى أوسع بكثير، يتمثل في نمذجة سلوك الآلية الجزيئية لخلية كاملة، وكيف يمكن لتغير في طبقة بيولوجية أن يؤثر في طبقات أخرى.

ولا يعني ذلك أن AIDO Cell تحل محل أدوات التنبؤ ببنية البروتين؛ بل إن كل نظام يجيب عن سؤال مختلف. يسأل AlphaFold: كيف قد يبدو البروتين؟ بينما تحاول AIDO Cell استكشاف ما الذي يحدث لنظام خلوي عندما تتغير مكوناته الجزيئية أو مدخلاته.

ويستند هذا الاتجاه إلى أعمال GenBio السابقة في نماذج الأساس للخلايا المفردة. فقد دُرّبت عائلة نماذج AIDO.Cell على نحو 50 مليون خلية بشرية، وتضم نماذج يتراوح حجمها بين 3 ملايين و650 مليون مُعامل، مع تركيز الإصدار السابق على تمثيل السياق النسخي للخلية. أما اتجاه «الخلية الافتراضية» الجديد فيوسّع هذه القاعدة نحو محاكاة متكاملة وعابرة للمقاييس.

استراتيجية AIDO في ثلاث مراحل

تأتي AIDO Cell ضمن برنامج GenBio AI الأوسع، المعروف باسم الكائن الرقمي المدفوع بالذكاء الاصطناعي (AI-Driven Digital Organism أو AIDO). وتقوم خارطة الطريق على ثلاث مراحل:

1. التقسيم ثم التخصص: بناء نماذج أساس متخصصة لمجالات ومقاييس بيولوجية مختلفة، تشمل DNA وRNA والبروتينات والخلايا والأنسجة.
2. ربط الأجزاء: وصل هذه النماذج بحيث تنتقل المعلومات والتمثيلات والتدخلات بين المستويات البيولوجية المختلفة.
3. المحاكاة والبرمجة المتكاملة: استخدام النظام المترابط للتنبؤ بالنتائج البيولوجية، ثم المساعدة مستقبلاً في تصميم تدخلات عبر الأنظمة الحيوية. وتظل هذه رؤية بعيدة المدى لبرنامج AIDO، وليست قدرة أثبتها العرض الحالي لـAIDO Cell.

وكانت GenBio قد وصفت AIDO سابقاً بأنه منظومة من النماذج متعددة المقاييس تغطي أنواعاً رئيسية من البيانات البيولوجية، بما في ذلك DNA وRNA والبروتين والتعبير الجيني في الخلايا المفردة. والتحدي الحقيقي ليس تدريب نماذج أكبر فحسب، بل جعل التمثيلات البيولوجية المنفصلة تعمل معاً بطريقة مفيدة عند محاكاة التدخلات، وقابلة للاختبار في المختبر.

ماذا أظهرت تجربة الإيماتينيب؟

في دراسة الحالة الأولى، قالت GenBio إن AIDO Cell أعادت إنتاج التأثيرات والآلية المعروفة لدواء الإيماتينيب في خلايا سرطان الدم من نوع K562. وكان الهدف من العرض توضيح قدرة النموذج على تتبع آثار الدواء داخل البيئة الخلوية التي يحاكيها.

وتُعد هذه النتيجة دليلاً أولياً مهماً على إمكانية المحاكاة، لكنها لا ترقى إلى مستوى التحقق التنبؤي المستقبلي. فإعادة إنتاج بيولوجيا معروفة بعد وقوعها لا تثبت أن النموذج يستطيع التنبؤ باستجابة دواء لم يرها من قبل، أو تحديد مركب جديد ناجح، أو التفوق على أساليب حسابية أبسط. كما لم تُكشف علناً مقاييس الدقة الكمية أو التحليلات الإحصائية أو المقارنات المباشرة أو نتائج تحقق تجريبي مستقبلي تكفي لإثبات هذه الادعاءات.

ما أنواع الخلايا التي يدعمها؟

يدعم العرض الحالي لـAIDO Cell خطّي خلايا بشرية مخلّدين:

• K562، الذي استُخدم في دراسة الإيماتينيب
• HepG2

وقد وصفت GenBio أنواعاً إضافية من الخلايا وقدرات جديدة باعتبارها توسعات مخططة للفترة 2026–2027. وتكتسب هذه النقطة أهمية خاصة، لأن أداء النموذج في عدد محدود من خطوط الخلايا المخلّدة لا يمكن تعميمه تلقائياً على الخلايا البشرية الأولية أو الأنسجة أو المرضى.

كيف يمكن أن تساعد في اكتشاف الأدوية؟

يمكن لخلية افتراضية موثوقة أن تجعل مراحل تطوير الدواء أكثر كفاءة، عبر إتاحة اختبار عدد كبير من الفرضيات قبل تخصيص الوقت والموارد لتجارب المختبر. ومن حيث المبدأ، يستطيع الباحثون مقارنة مركبات وأهداف وتركيبات وتسلسلات علاجية مختلفة، والبحث عن استجابات خلوية قد تشير إلى الفعالية أو مقاومة العلاج أو التأثيرات خارج الهدف.

لذلك يتمثل الاستخدام الأقرب والأكثر واقعية في ترتيب المرشحين. فقد تساعد AIDO Cell الباحثين على تحديد المركبات التي تستحق تجارب أكثر كلفة، واختيار التدخلات التي ينبغي اختبارها، واكتشاف نتائج قد تكشف ضعفاً في تصميم تجربة ما. كما يمكنها المساعدة في إعداد تجارب متابعة أكثر فائدة، عبر إظهار كيفية تغير الاستجابة بعد تدخل سابق.

لكنها تظل أداة للفرز والتخطيط، وليست ضماناً سريرياً. فنموذج مبني على خطوط خلوية لا يحاكي بمفرده حركية الدواء داخل الجسم، أو تفاعلات المناعة والأنسجة، أو اختلافات المرضى، أو السمية، أو النتائج السريرية. فالخلية الافتراضية ليست إنساناً افتراضياً كاملاً، والاستجابة المحاكاة حاسوبياً لا يمكن أن تحل محل الدراسات الحيوانية أو التجارب البشرية أو الأدلة التنظيمية.

القيد الأهم: التنبؤ يجب أن يصمد أمام الاختبار البيولوجي

سيكون الاختبار الحاسم لـAIDO Cell هو التحقق المستقبلي: هل تستطيع التنبؤ باستجابات لم تُستخدم في بناء العرض الأولي؟ وهل تصمد هذه التنبؤات أمام تجارب مضبوطة؟

وإلى أن تتوافر هذه الأدلة، يبقى الوصف الأكثر دقة للنظام أنه طبقة واعدة للفحص الافتراضي وتخطيط التجارب. وقد يجعل تصميمها المتعدد المقاييس والحافظ للحالة المحاكاة البيولوجية أكثر واقعية وفائدة من النماذج المعزولة الجزيئية أو النسخية، لكن البنية وحدها لا تثبت دقة التنبؤ. وتظل الفجوة بين إعادة إنتاج بيولوجيا معروفة واكتشاف بيولوجيا جديدة يمكن الاعتماد عليها العقبة العلمية الأهم.

الإتاحة والوضع الحالي

تستعد GenBio AI لإطلاق برنامج تعاون للوصول المبكر، يستهدف باحثين من الجامعات وشركات التكنولوجيا الحيوية وشركات الأدوية.

وفي الوقت الحالي، من الأفضل فهم AIDO Cell بوصفها نظاماً بحثياً في بدايته: طموحاً من حيث النطاق، وقد يكون مفيداً لتضييق مساحة البحث التجريبي، لكنه لا يزال بحاجة إلى أدلة تنبؤية مستقبلية تبرر ادعاءات أقوى بشأن اكتشاف الأدوية أو الاستغناء عن التجارب البيولوجية.