أعلنت شركة جينيسيس موليكولار آي، الرائدة في تطوير نماذج الذكاء الاصطناعي الجزيئي لتصميم الأدوية، عن إطلاق "بيرل"، نموذج أساسي توليدي متقدم يُعدّ الأفضل في مجال تنبؤ هيكل الجزيئات الصغيرة والبروتينات، متفوقًا على النماذج الحالية مثل ألفافولد 3. يُعد تنبؤ كيفية ارتباط الجزيئات الصغيرة بالبروتينات من أبرز التحديات في بحوث الأدوية، ويعتبر "القائمة المقدسة" في هذا المجال، حيث يُمكّن من تصميم علاجات جديدة لمرضى يعانون من حالات طبية غير مُعالجة. واجهت النماذج الذكية في مجال الكيمياء الحيوية صعوبة كبيرة بسبب ندرة البيانات التجريبية عالية الجودة، التي تُعد مكلفة وطويلة في جمعها. لحل هذه المشكلة، طوّرت جينيسيس نموذج بيرل كنظام توليدي متكامل يعتمد على نماذج الانتشار (diffusion model)، مع استخدام بيانات اصطناعية ضخمة مُولّدة عبر محاكاة فيزيائية، مما يتجاوز عائق ندرة البيانات الحقيقية. تُظهر النتائج أن أداء النموذج يتحسن باستمرار مع زيادة كمية البيانات الاصطناعية، ما يُعد أول دليل على وجود "قوانين تكبير البيانات الاصطناعية" في مجال اكتشاف الأدوية بالذكاء الاصطناعي، مما يعزز قدرة النموذج على التعميم على بيانات غير متوفرة بشكل واسع. تم تطوير بيرل بنهج مزدوج: دمج بيانات محاكاة فيزيائية مع تحسين كفاءة استخدام العينات في بيئات البيانات المحدودة. أشارت الدكتورة ألكساندرا فاست، المديرة العلمية للذكاء الاصطناعي في الشركة، إلى أن هذا النهج يمثل تقدمًا كبيرًا، حيث يتيح استخدام كميات شبه لا نهائية من البيانات المولدة فيزيائيًا، مقارنةً بالقيود المفروضة على النماذج التي تعتمد على بيانات تجريبية محدودة أو مكلفة. أُجريت تقييمات صارمة لبيرل مقابل ألفافولد 3 والنموذج المفتوح المصدر بولتز-1، بولتز-2، تشاي-1، وبروتينكس، باستخدام معايير موحدة لدقة التنبؤ وصحة الهيكل الفيزيائي. أظهرت النتائج تفوق بيرل في جميع المعايير، لا سيما في التنبؤ بروابط الجزيئات الصغيرة بالبروتينات، حتى في حالات الصعوبة والانزلاقية. يُصمم بيرل لدعم الباحثين في مهامهم اليومية، حيث يُمكنه تضمين بيانات محددة بالهدف أثناء التنبؤ، ما يُحسّن الأداء في البيئات الواقعية، خصوصًا عند التعامل مع أهداف بروتينية صعبة. وفقًا للدكتور إيفان فيينبرغ، المؤسس والرئيس التنفيذي للشركة، فإن بيرل هو أول نموذج يتفوق على ألفافولد 3، الذي يُعتبر ثورة تاريخية، لكنه يُظهر قدرة حقيقية على التعميم وتجنب الأخطاء الفيزيائية الشائعة في النماذج الحالية. كجزء من شراكة مع NVIDIA، تم دمج كيرنل cuEquivariance لتسريع تشغيل بيرل، ما أدى إلى تسريع بنسبة 15% في التدريب و10% إلى 80% في الاستدلال. تُعزز هذه الشراكة قدرة النموذج على التوسع في مشاريع الأدوية الداخلية والشراكات. تُعد بيرل جزءًا من منصة GEMS الشاملة لجينيسيس، التي تدمج الذكاء الاصطناعي والفيزياء لتصميم جزيئات دوائية مبتكرة. وتم جمع أكثر من 300 مليون دولار من مستثمرين رائدين في الذكاء الاصطناعي والعلوم الحيوية، وتوقيع شراكات بحثية مع شركات دوائية كبرى.