كيف يكشف نموذج الذكاء الاصطناعي الجديد عن الضعف الخفي في الخلايا السرطانية

بحث جديد من”https://ventures.yale.edu/news/yale-researchers-collaborate-google-research-and-deepmind-advance-ai-driven-cellular-biology” الهدف=”_blank” rel=”nofollow noopener noreferrer” data-ga-track=”ExternalLink:https://ventures.yale.edu/news/yale-researchers-collaborate-google-research-and-deepmind-advance-ai-driven-cellular-biology” aria-label=”DeepMind and Yale University”>”ExternalLink:https://ventures.yale.edu/news/yale-researchers-collaborate-google-research-and-deepmind-advance-ai-driven-cellular-biology”>ديب مايند وجامعة ييل لقد أنشأ الذكاء الاصطناعي الذي يولد الآن فرضيات بيولوجية يمكن أن تؤدي إلى اكتشافات طبية جديدة. التعاون بين”https://ventures.yale.edu/news/yale-researchers-collaborate-google-research-and-deepmind-advance-ai-driven-cellular-biology” الهدف=”_blank” rel=”nofollow noopener noreferrer” data-ga-track=”ExternalLink:https://ventures.yale.edu/news/yale-researchers-collaborate-google-research-and-deepmind-advance-ai-driven-cellular-biology” تسمية الأغنية> تم إنتاجها مؤخرًا C2S-مقياس 27B، وهو نموذج قوي للذكاء الاصطناعي تم تدريبه على تفسير البيانات الخلوية على نطاق غير مسبوق.”https://blog.google/technology/ai/google-gemma-ai-cancer-therapy-discovery/” الهدف=”_blank” rel=”nofollow noopener noreferrer” data-ga-track=”ExternalLink:https://blog.google/technology/ai/google-gemma-ai-cancer-therapy-discovery/” aria-label=”Built upon Google’s Gemma technology”>”ExternalLink:https://blog.google/technology/ai/google-gemma-ai-cancer-therapy-discovery/”>مبني على تقنية Gemma من Google‎هذا النظام لا يقوم بالتحليل فقط؛ يتنبأ.

ساعدت النماذج الحسابية السابقة العلماء على تصنيف مجموعات البيانات البيولوجية الكبيرة. وذهب الذكاء الاصطناعي في جامعة ييل إلى أبعد من ذلك من خلال تحديد آلية تسمح لبعض أنواع السرطان، وخاصة الأورام “الباردة”، بالتهرب من الكشف المناعي. يمكن أن يؤدي هذا الاكتشاف إلى طرق جديدة لمساعدة الجسم على التعرف على السرطانات المقاومة ومكافحتها. كما تمثل الأبحاث تحولًا في دراسات السرطان من وصف ما يحدث إلى التنبؤ بما سيحدث. أصبح الذكاء الاصطناعي الجديد، من خلال تحديد روابط السبب والنتيجة في الخلايا، شريكًا إلى جانب الباحثين.

نموذج يفكر مثل عالم الأحياء

تم بناء الذكاء الاصطناعي في جامعة ييل”https://huggingface.co/vandijklab/C2S-Scale-Gemma-2-27B” الهدف=”_blank” rel=”nofollow noopener noreferrer” data-ga-track=”ExternalLink:https://huggingface.co/vandijklab/C2S-Scale-Gemma-2-27B” aria-label=”to work like a biologist”>”ExternalLink:https://huggingface.co/vandijklab/C2S-Scale-Gemma-2-27B”> للعمل مثل عالم الأحياء. فهو يجمع بين بيانات الورم الحقيقية واستجابات الخلايا المحاكاة، مما يمكنه من تحليل كيفية عمل الأدوية في ظل ظروف مختلفة. استخدم النموذج طريقة تسمى الفحص الافتراضي ثنائي السياق لاختبار أكثر من 4000 دواء محتمل في كل من الخلايا المزروعة في المختبر وبيانات ورم المريض.

وهذا أمر مهم لأن التجارب المعملية التقليدية عادة ما تختبر عقارًا أو متغيرًا واحدًا في كل مرة. يمكن للذكاء الاصطناعي محاكاة آلاف التركيبات والعثور على الأدوية التي تعمل فقط في حالات مناعية معينة. ونحو 10 إلى 30 بالمئة من الأدوية التي حددتها لم تكن مرتبطة بعلاج السرطان من قبل.

على سبيل المثال، توقع الذكاء الاصطناعي أن الجمع بين عقارين يمكن أن يساعد الجهاز المناعي على التعرف بشكل أفضل على الخلايا السرطانية. اختبر الباحثون في جامعة ييل هذا في المختبر ووجدوا أن هذا المزيج أدى إلى تحسين التعرف المناعي بنسبة 50% تقريبًا، وهو ما لم يفعله أي من الدواءين بمفرده. أظهرت هذه النتيجة أن تنبؤات الذكاء الاصطناعي يمكن أن تساعد في توجيه الأبحاث المعملية.

وتيرة الاكتشاف الجديدة

يتميز Yale AI بقدرته على تقديم الرؤى بسرعة. ومن خلال دمج البيانات الجينومية والبروتينية والأدوية، يحدد النموذج الروابط البيولوجية الرئيسية بشكل أسرع من التجارب التقليدية. وقد يكون لهذا تأثير كبير على الطب، على غرار ما حدث في التسلسل عالي الإنتاجية قبل عشرين عامًا.

يعد عمل DeepMind جزءًا من اتجاه أكبر. قدم الباحثون في معهد ماساتشوستس للتكنولوجيا وCellarity مؤخرا عاكس المخدرات، أداة الذكاء الاصطناعي التي تم اختبارها”https://static1.squarespace.com/static/5c264953620b850c9fb03732/t/68faae514d46af1a47c709b2/1761259089911/science_cellarity.pdf” الهدف=”_blank” rel=”nofollow noopener noreferrer” data-ga-track=”ExternalLink:https://static1.squarespace.com/static/5c264953620b850c9fb03732/t/68faae514d46af1a47c709b2/1761259089911/science_cellarity.pdf” aria-label=”almost 9,600 drugs”>”ExternalLink:https://static1.squarespace.com/static/5c264953620b850c9fb03732/t/68faae514d46af1a47c709b2/1761259089911/science_cellarity.pdf”> ما يقرب من 9600 دواء في أنواع مختلفة من الخلايا البشرية. كان هذا النظام أكثر دقة بمقدار 17 مرة من الأساليب الحسابية القديمة وتم تحسينه لأنه استخدم ردود فعل مختبرية صادقة.

إن دورات التعلم ذات الحلقة المغلقة هذه، حيث يقترح الذكاء الاصطناعي أفكارًا وتختبرها المختبرات، يمكن أن توفر سنوات من التجربة والخطأ. تركز معظم الأنظمة الحالية على إيجاد استخدامات جديدة للأدوية الموجودة، والتي تكون أكثر أمانًا وأسرع للاستخدام السريري. وفي المستقبل، يمكن أن يساعد النهج نفسه في تصميم أدوية جديدة من الألف إلى الياء.

التعاون وليس الاستبدال

في”https://natureconferences.streamgo.live/ai-augmented-biology/register” الهدف=”_blank” rel=”nofollow noopener noreferrer” data-ga-track=”ExternalLink:https://natureconferences.streamgo.live/ai-augmented-biology/register” aria-label=”2025 International Conference on AI in Biology”>”ExternalLink:https://natureconferences.streamgo.live/ai-augmented-biology/register”>المؤتمر الدولي لعام 2025 حول الذكاء الاصطناعي في علم الأحياء، ناقش أكثر من 2000 خبير ما إذا كانت نماذج مثل Yale AI قد تؤدي في نهاية المطاف دورة البحث الكاملة – بدءًا من توليد الفرضيات وحتى التحقق التجريبي. كانت بعض العروض التوضيحية لافتة للنظر: فقد قدم أحد الفرق ذكاءً اصطناعيًا يعتمد على ChatGPT، والذي نجح في تصميم بروتين جديد فعال.

هناك اتفاق متزايد على أن الذكاء الاصطناعي هو الأكثر فائدة كأداة لمساعدة العلماء، وليس استبدالهم. هذه الأنظمة جيدة في التعامل مع البيانات المعقدة، وإيجاد الروابط غير المتوقعة، وتركيز الأسئلة البحثية. لا يزال الباحثون البشريون يقدمون البصيرة والحكم اللازمين لفهم هذه النتائج. أصبح الذكاء الاصطناعي متعاونًا يساعد العلماء على بذل المزيد من الجهد.

الطريق إلى الأمام

إن وصول الذكاء الاصطناعي من جامعة ييل هو لمحة عن المستقبل حيث يكون الذكاء الاصطناعي والعلم شريكين في الكشف عن آليات الطبيعة الخفية. لأول مرة، قام نموذج ذكاء اصطناعي واسع النطاق بتحليل البيانات البيولوجية وتوليد فرضية قابلة للاختبار حول مقاومة السرطان والتي صمدت في المختبر. لم يكن هذا تخمينًا محظوظًا؛ وقد ساعدت قدرة الذكاء الاصطناعي على محاكاة استجابات الخلايا والتنبؤ بها في سياقات بيولوجية حقيقية الباحثين على تحديد مسار واعد، مما قد يفتح أبوابًا جديدة لعلاجات السرطان المركبة.

وربما يكون الأمر الأكثر أهمية هو المخطط الذي يخلقه هذا للعلم ككل. ومن خلال توسيع نطاق نماذج الذكاء الاصطناعي، يستطيع الباحثون الآن إجراء تجارب افتراضية كانت تستغرق سنوات في السابق، وفحص الآلاف من مجموعات الأدوية على الفور والكشف عن التفاعلات البيولوجية الخفية.