اختبار أعمى للذكاء الاصطناعي في تصميم الأجسام المضادة يحقق نجاحًا لافتًا في مهمة واحدة فقط

قدّم أول اختبار مستقبلي واسع ومعمّى لتصميم الأجسام المضادة بالذكاء الاصطناعي حكمًا مختلطًا: تستطيع النماذج توليد أجسام مضادة فعّالة للغاية وتثبت صلاحيتها تجريبيًا، لكن لم تتفوق أي طريقة باستمرار في جميع مهام التصميم. وكانت أوضح قصة نجاح من نصيب شركة Aureka Biotechnologies، إذ صممت منصتها جسمًا مضادًا موجّهًا إلى مجال الارتباط بالمستقبل في فيروس SARS-CoV-2، وسجّل قدرة ارتباط بلغت 94.7 بيكومولار؛ أي تحسنًا يقارب 2000 مرة مقارنة بالجسم المضاد الأب، وبنتيجة مماثلة إحصائيًا لأفضل نسخة أنتجها النضج التجريبي التقليدي. 16

ماذا اختبر تحدي AIntibody؟

صُمم تحدي AIntibody على طريقة اختبارات CASP، التي تقارن التنبؤات الحاسوبية بأداء فعلي يُقاس لاحقًا في المختبر. وقدّمت 29 مؤسسة ما مجموعه 511 تسلسلًا لأجسام مضادة، ثم خضعت هذه التسلسلات لاختبارات مخبرية موحدة ومستقلة، بدلًا من ترك كل جهة تقيّم تصميماتها بنفسها. 12

تركز الاختبار على أجسام مضادة تستهدف مجال الارتباط بالمستقبل في بروتين شوكة فيروس SARS-CoV-2، وشمل ثلاث حالات من حالات الاكتشاف:

1. النضج الحاسوبي لقوة الارتباط: تحسين جسم مضاد أب جرى تقديمه مسبقًا.
2. ترتيب قوة الارتباط: تحديد أقوى الأجسام المضادة داخل ثلاث مجموعات مقيدة من تسلسلات منطقة HCDR3.
3. التصميم خارج المكتبة: إنشاء تسلسلات CDR أو تحسينها خارج المكتبات التجريبية المتاحة. 1

وقاس المنظمون الارتباط باستخدام تقنية الرنين البلازموني السطحي، إلى جانب اختبار KinExA مستقل للتحقق. كما طبّقوا مجموعة من خمسة اختبارات لقابلية التطوير، تشمل فحوصًا تكشف خصائص قد تفسد قيمة الجسم المضاد رغم قوته العالية. وبذلك، لم تُقيّم المشاركات وفق درجات النماذج فحسب، بل وفق سلوكها الحقيقي في المختبر. 1

نتيجة Aureka: 94.7 بيكومولار

جاءت أقوى نتائج Aureka في مهمة نضج قوة الارتباط. ويحمل الجسم المضاد الفائز في الورقة اسم AuraBind، بينما يرتبط بمنصة الشركة AuraIDE، وقد سجلت قدرته على الارتباط 94.7 بيكومولار. وكانت النتيجة أفضل بنحو 2000 مرة من الجسم المضاد الأب. 146

لكن المقارنة مع التجارب التقليدية تحتاج إلى قدر من الدقة. فقد بلغ أفضل جسم مضاد نضجته التجارب 113 بيكومولار بعد نحو ثلاثة أشهر من نضج العاثيات. الرقم الأقل يعني ارتباطًا أقوى، إلا أن الفارق بين الجسمين الأفضل لم يكن حاسمًا إحصائيًا. لذلك، فإن التفسير الأكثر إنصافًا هو أن تصميم الذكاء الاصطناعي عادل أفضل نتيجة تجريبية في هذا الاختبار، لا أنه هزمها بصورة قاطعة. 16

ولم تكن النتيجة مجرد تسلسل واحد لامع؛ فقد أنتجت Aureka ستة أجسام مضادة تقل قوة ارتباطها عن 10 نانومولار، واجتازت في الوقت نفسه معايير قابلية التطوير في التحدي. كما احتلت تصميماتها المراكز الأول والثاني والخامس في نتائج مهمة نضج قوة الارتباط. 1

لماذا كان التسلسل الفائز لافتًا؟

لم يكن الجسم المضاد الفائز نسخة من جسم مضاد اختارته التجارب سابقًا. ووفق ملخص الدراسة، أعاد التصميم تركيب تبديلات وأنماط طفرية استنتجها النموذج من بيانات الاختيار المقدمة. ثم اختار نموذج لقوة الارتباط، مستند إلى البنية، التصميم الفائز من بين 10 آلاف مرشح مولّد. 1

وجمعت المنصة بين نمذجة البنية ومتنبئ للياقة الحيوية مدرّب على التفضيلات. وبدل محاولة التنبؤ مباشرة بثابت ارتباط مطلق، تعلّم المتنبئ الإثراء التجريبي النسبي، وهو نهج أقرب إلى المهمة العملية: ترتيب المرشحين واختيار عدد محدود منهم للاختبار اللاحق. 1

وهذا فارق مهم في اكتشاف الأجسام المضادة. فنظام التصميم المفيد لا يحتاج بالضرورة إلى معرفة قيمة الارتباط النهائية لكل تسلسل بدقة؛ بل يحتاج إلى رفع احتمال أن تضم مجموعة صغيرة قابلة للإدارة أجسامًا مضادة قوية وصالحة للاستخدام.

فازت Aureka بمهمة، لا بالتحدي بأكمله

كانت Aureka الفائز الواضح في المهمة الأولى، لكنها لم تفرض تفوقًا شاملًا في المهام الثلاث. ففي مهمة ترتيب المجموعات، اختلفت الجهة المتصدرة باختلاف المجموعة: قادت UCSD/Scripps مجموعة 27F، وتصدرت WashU/Xencor مجموعة 28F، بينما تصدرت WashU مجموعة 47F. أما مهمة التصميم خارج المكتبة ففازت بها Xencor. 1

كما أظهر التحليل المقارن بين المهام أن كل مجموعة أعلنت نتائجها كان لديها تحدٍّ واحد على الأقل جاءت فيه أفضل نتيجة لها بعيدة عن النتائج المتقدمة. 1

وهنا تكمن الرسالة الأساسية للاختبار: تصميم الأجسام المضادة بالذكاء الاصطناعي ليس قدرة واحدة متجانسة. فقد ينجح نظام في تحسين جسم مضاد معروف عندما تتوفر بيانات غنية مرتبطة بالهدف، لكنه يكون أقل موثوقية عند ترتيب تسلسلات متقاربة أو التصميم خارج مكتبة قائمة.

ماذا يعني ذلك لسير العمل المخبري؟

تكمن الدلالة العملية الأبرز في تحسين المرشحين الواعدين، لا في إلغاء المختبر. ففي ظروف مواتية، قد يقلل نموذج قوي عدد دورات بناء مكتبات الأجسام المضادة، والانتقاء بالعرض، والتعبير عن النسخ، وفحصها. وفي المهمة الأولى، حققت نحو 13% من المشاركات تحسنًا لا يقل عن 20 مرة مقارنة بالجسم المضاد الأب، مع تفاوت كبير في الأداء بين المشاركين. 1

وتدعم النتائج سير عمل يبقي الإنسان والمختبر داخل الحلقة:

• استخدام بيانات الانتقاء والتسلسل التجريبية لتوجيه توليد المرشحين؛
• الاستعانة بالنماذج لترتيب مجموعة أصغر وربما أكثر تنوعًا من التسلسلات؛
• إنتاج هذه التسلسلات واختبارها في ظروف معماة وموحدة؛
• تقييم قوة الارتباط وقابلية التطوير قبل دفع المرشحين إلى المراحل التالية.

وتظل الخطوة الأخيرة ضرورية. فقد أخفقت بعض التصميمات ذات الارتباط القوي في اختبار أو أكثر من اختبارات قابلية التطوير، ولا سيما الفحوص المرتبطة بالتفاعل المتعدد. فالارتباط بقوة تبلغ 94.7 بيكومولار نتيجة مثيرة للإعجاب، لكنه لا يجعل الجسم المضاد مناسبًا تلقائيًا لبرنامج دوائي. 1

القيد الأكبر: قابلية التعميم

كان الاختبار دراسة مستقبلية صارمة، لكنه أُجري أيضًا في بيئة مواتية نسبيًا لنجاح الذكاء الاصطناعي. فقد استخدم مستضدًا واحدًا مدروسًا جيدًا، وبيانات واسعة من التسلسل العميق وقياسات قوة الارتباط، كما أُدخلت في المهمتين الثانية والثالثة معلومات قد لا تكون متاحة في المرحلة نفسها من حملة اكتشاف حقيقية. 1

وتنعكس هذه الحدود في النتائج. ففي مجموعات HCDR3 المتقاربة، أظهرت جميع النماذج تقريبًا، باستثناء نموذج واحد، أداءً ضعيفًا أو أسوأ من الاختيار العشوائي عند التنبؤ بالنسخ ذات الارتباط العالي. كما تباينت نتائج التصميم خارج المكتبة بدرجة كبيرة. 12

بعبارة أخرى، لا يثبت الاختبار أن الذكاء الاصطناعي سيحقق النتائج القوية نفسها مع مستضدات غير مألوفة، أو بيانات محدودة، أو صيغ مختلفة للأجسام المضادة، أو المجموعة الأوسع من الخصائص المطلوبة لتطوير علاج. ما يثبته هو أن بعض الأنظمة تستطيع العمل بكفاءة استثنائية في بيئات محددة ومدعومة ببيانات بيولوجية مناسبة.

ماذا تعني النتيجة لشركة Aureka؟

يمثل الاختبار بالنسبة إلى Aureka تحققًا مستقلًا ذا قيمة خاصة، لأن منصة الشركة ارتبطت بنتيجة تجريبية اختبرتها جهة مستقلة، لا بمجرد درجة داخلية للنموذج. وأغلقت الشركة لاحقًا جولة تمويل من الفئة B بقيمة 100 مليون دولار في أغسطس 2026، ليرتفع إجمالي التمويل المعلن إلى ما يقارب 200 مليون دولار. موّلت Granite Asia الشريحة الأولى، بينما قاد مستثمر استراتيجي شريحة لاحقة. 1821

كما وصفت Aureka تعاونات لتطوير الأعمال وترتيبات من نمط NewCo مع عدة شركات أدوية متعددة الجنسيات. 4 وتمنح هذه الشراكات والتمويل الجديد الشركة موارد إضافية ومسارات محتملة لتحويل تصميمات الأجسام المضادة المولدة بالنماذج إلى برامج دوائية. 418

لكن نتيجة الاختبار ليست إثباتًا سريريًا. فهي لا تثبت أن منصة Aureka ستنتج أدوية ناجحة، ولا أنها تتفوق على جميع أساليب اكتشاف الأجسام المضادة التجريبية. والدليل يدعم ادعاءً أضيق وأكثر فائدة: تستطيع منظومة Aureka المدعومة بالذكاء الاصطناعي إنتاج مرشحين ذوي قوة ارتباط عالية وقابلية تطوير في سياق تحسين محدد ومدروس جيدًا، بينما لا يزال المجال بحاجة إلى اختبارات عمياء أوسع تشمل أهدافًا وظروف اكتشاف مختلفة.