HyperAIHyperAI

Command Palette

Search for a command to run...

الذكاء الاصطناعي يتنبأ بمواقع الهيدروجين في الجزيئات الدوائية

نشر باحثون من جامعة نيويورك نتائج دراستهم في مجلة Chemical Science، حيث طوروا نموذج ذكاء اصطناعي متقدم قادر على التنبؤ الدقيق بمواقع ذرات الهيدروجين داخل الجزيئات المشابهة للأدوية. يعالج هذا التطور تحدياً طويل الأمد في تصميم الجزيئات واكتشاف الأدوية، يتمثل في تحديد الشكل المستقر للجزيئات التي تتشارك في الصيغة الكيميائية نفسها لكنها تتحول بسهولة إلى أشكال مختلفة تُعرف بالمتصاوغات. يعتمد البحث على تدريب شبكة عصبية بيانية تستخدم التعلم العميق لاستقراء الأنماط الكيميائية المرتبطة باستقرار الجزيئات، مما يمكّنها من التنبؤ بالشكل المتصاوغ المستقر مباشرة من البنى ثنائية الأبعاد دون الحاجة إلى حسابات ميكانيكا الكم أو البنى ثلاثية الأبعاد المكلفة حسابياً. ولتجاوز شح البيانات التجريبية المتاحة عادةً، قام الفريق بتجميع أكثر من مليون حالة متصاوغه من قاعدة بيانات البلورات الكامبريدجية، والتي توفر دقة عالية في تحديد مواقع الهيدروجين، لتكون قاعدة بيانات ضخمة لتدريب النموذج. أظهرت الاختبارات التطبيقية للنموذج فعالية عالية، حيث خضع لنمذجة 5075 ربيطة بروتينية مأخوذة من بنك بيانات البروتينات. اكتشف النموذج 126 حالة تقريباً ما نسبته 2.5 في المئة منها تحتوي على تعيينات غير دقيقة للمتصاوغات، وقام بتصحيحها ما أدى إلى تحسن ملحوظ في أنماط الروابط الهيدروجينية مع البروتينات المجاورة. ويؤكد فريق البحث أن التصحيح لا يعني خطأ البنى البروتينية التجريبية نفسها، بل يشير إلى ضرورة مراجعة التمثيل الكيميائي المدخل في قواعد البيانات ليعكس التفاعلات الجزيئية بدقة أكبر. أطلقت الجامعة الأداة بشكل مفتوح المصدر تحت اسم Tautomer-Predictor، مما يتيح للمجتمع العلمي استخدامها على نطاق واسع. وتتميز الأداة بسرعة معالجة فائقة، حيث نجحت في فحص حوالي 4.6 مليون مركب خلال ثلاث ساعات ونصف الساعة على عقدة واحدة مدعومة بوحدة معالجة رسومات. يسهم هذا التقدم في تعزيز محاكاة الديناميكا الجزيئية ومحاكاة التفاعلات الدوائية، مما يفتح آفاقاً جديدة لتسريع وتيرة اكتشاف الأدوية وتطوير علاجات أكثر دقة وفعالية.

الروابط ذات الصلة