كتب – رامز يوسف:
ابتكر نموذج للذكاء الاصطناعي بروتينًا جديدًا يقول الباحثون إنه كان ٍيحتاج 500 مليون عام ليتطور في الطبيعة – إذا كانت الطبيعة قادرة على إنتاج مثل هذا الشيء.
وفقًا لدراسة جديدة، نجح نموذج للذكاء الاصطناعي في محاكاة نصف مليار عام من التطور الجزيئي لإنشاء شفرة لبروتين غير معروف سابقًا. يقول الباحثون إن البروتين المتوهج، الذي يشبه البروتينات الموجودة في قنديل البحر والشعاب المرجانية، قد يساعد في تطوير أدوية جديدة.
البروتينات هي إحدى اللبنات الأساسية للحياة وتؤدي وظائف مختلفة في الجسم، مثل بناء العضلات ومكافحة الأمراض. البروتين المحاكي، المسمى esmGFP، موجود فقط كرمز كمبيوتر، ولكنه يحتوي على مخطط لنوع غير معروف سابقًا من البروتين الفلوري الأخضر. في الطبيعة، تمنح البروتينات الفلورية الخضراء قنديل البحر الفلوري والشعاب المرجانية توهجها.
ولا يتشابه تسلسل الحروف التي توضح التعليمات اللازمة لصنع esmGFP، إلا بنسبة 58% مع أقرب بروتين فلوري معروف، وهو نسخة معدلة من قبل البشر من بروتين موجود في شقائق النعمان البحرية ذات الأطراف الفقاعية (Entacmaea quadricolor) – وهي مخلوقات بحرية ملونة تبدو وكأنها تحتوي على فقاعات في أطراف مخالبها. أما بقية التسلسل فهو فريد من نوعه، وسيتطلب نحو 96 طفرة جينية مختلفة للتطور. ووفقًا للدراسة، فإن هذه التغييرات كانت ستستغرق أكثر من 500 مليون عام لتتطور بشكل طبيعي.
كشف باحثون في شركة تسمى EvolutionaryScale عن esmGFP ونموذج الذكاء الاصطناعي المستخدم لإنشائه، ESM3، في دراسة ما قبل الطباعة العام الماضي. وتولى علماء مستقلون مراجعة هذه النتائج، التي نُشرت في 16 يناير في مجلة Science.
قال أليكس ريفز، المؤلف المشارك في الدراسة والمؤسس المشارك والرئيس العلمي لشركة EvolutionaryScale، لمجلة Live Science: “وجدنا أن ESM3 يتعلم البيولوجيا الأساسية، ويمكنه توليد بروتينات وظيفية خارج الفضاء الذي استكشفه التطور”.
تعتمد الدراسة الجديدة على الأبحاث التي بدأها ريفز وزملاؤه في Meta، الشركة الأم لفيسبوك وإنستجرام، قبل بدء EvolutionaryScale في عام 2024. ESM3 هو أحدث إصدار من نموذج اللغة التوليدية المماثل لـ GPT-4 من OpenAI، والذي يدير ChatGPT، لكنه يعتمد على علم الأحياء.
درب الفريق ESM3 على بيانات من 2.78 مليار بروتين موجود في الطبيعة. ثم أخفى الباحثون أجزاء عشوائية من مخطط البروتين وجعلوا ESM3 يسد الفجوات لإكمال الكود بناءً على ما تعلمه.
قال ريفز: “أظهر بحثنا أنه من خلال حل هذه المهمة البسيطة، تظهر المعلومات حول البنية العميقة لبيولوجيا البروتين في الشبكة”.
اقرأ أيضا:
