يُعد تزايد مقاومة مضادات الميكروبات من أخطر الأزمات الصحية العالمية في عصرنا، إذ قد تؤدي إلى نحو 10 ملايين وفاة سنوياً في العالم بحلول عام 2050. ثمة حاجة عاجلة إلى مضادات حيوية جديدة، غير أن البحث عن علاجات جديدة غالباً ما يكون عملية بطيئة وكثيفة العمل. ومع Google Antigravity، منصة التطوير الوكيلة لدينا، أصبح بالإمكان تسهيل هذه العملية الآن. توفر Google Antigravity مساحة عمل علمية وكيلية تمكّن علماء الأحياء من اكتشاف الأهداف الواعدة وتقييمها بنيوياً وترتيب أولوياتها بسرعة، إذ تختصر ما كان بحثاً مجزأً عبر عدة قواعد بيانات إلى جلسة واحدة.
تمثل الببتيدات المضادة للميكروبات (AMPs)، وبخاصة البكتيريوسينات، بديلاً واعداً عن المضادات الحيوية التقليدية، إذ تطورت طبيعياً لاستهداف نقاط الضعف الأساسية في البكتيريا المنافسة، مما يجعل من الصعب على مسببات الأمراض تطوير المقاومة. لا تزال مليارات التسلسلات الطبيعية محتجزة داخل «المادة المظلمة» غير المشروحة في قواعد بيانات البروتينات. ولسد هذه الفجوة، طورت Google نموذج Prot NLM (نموذج اللغة الطبيعية للبروتينات)، وهو نموذج تعلّم عميق مدرب على قراءة «القواعد» التطورية لتسلسلات الأحماض الأمينية. ويُثري هذا النموذج ملايين من مدخلات UniProt التي لم تكن مسماة من قبل بتسميات وظيفية عالية الموثوقية.
في Antigravity، حدد باحث ووكيل ذكاء اصطناعي هدفاً بيولوجياً محدداً: إيجاد ببتيدات مضادة للميكروبات جديدة في Streptococcus pseudopneumoniae والتحقق منها حاسوبياً. يوجّه الباحث الاستراتيجية العلمية، بينما يتولى الوكيل تنسيق البحث عبر قواعد البيانات والتحليل البنيوي وتجميع الأدبيات. ويُظهر المرشح الناتج نشاطاً متوقعاً ضد مسببات الأمراض المرتبطة بعدوى الجهاز التنفسي، وهو قيد التحقق المخبري حالياً.
يخفض هذا النهج الحاجز أمام سير العمل البيولوجي اليومي، فيتيح للباحثين الانتقال من بيانات التسلسلات إلى مرشحين مرتبين حسب الأولوية بسرعة أكبر بكثير مما كان ممكناً من قبل.
المصدر: Google DeepMind Blog · لخّصه HeadlinesBriefing