أعلن فريق بحثي بقيادة البروفيسور أوليفيا ميركل، أستاذة توصيل الأدوية في جامعة لودفيغ ماكسيميليان في ميونيخ (LMU) والمنسقة المشتركة لمركز ميونيخ للعلاج بالحمض النووي (CNATM)، عن تطوير منصة رقمية متكاملة لتصميم حاملات جزيئية للحمض النووي الريبوزي العلاجي. تُعد هذه المنصة الأولى من نوعها في دمج نمذجة الديناميكا الجزيئية مع التعلم الآلي، بهدف تسريع اكتشاف مواد بوليمرية جديدة تُستخدم في نقل الجزيئات العلاجية من نوع الحمض النووي الريبوزي (RNA). تُعاني حاملات الحمض النووي الريبوزي من تحديات كبيرة في الاستقرار والاختراق الخلوي، ما يجعل اختيار المواد البوليمرية المناسبة حاسماً لنجاح العلاجات الجينية. ورغم التقدم في مجالات التصميم الجزيئي، ظلت عملية تقييم المواد البوليمرية طويلة ومعقدة، تعتمد في الغالب على التجارب المعملية المكثفة. لكن منصة ميركل الجديدة تُحدث تحوّلاً جذرياً من خلال دمج نماذج المحاكاة الحاسوبية الدقيقة (الديناميكا الجزيئية) مع خوارزميات التعلم الآلي، مما يسمح بتحليل مئات المواد البوليمرية في وقت قصير وبدقة عالية. المنصة تُستخدم نمذجة الديناميكا الجزيئية لمحاكاة سلوك الجزيئات على المستوى الذري، وتحديد كيفية تفاعل البوليمرات مع الجزيئات الحمض النووي الريبوزي، وكيفية استقرارها داخل الخلايا. ثم تُدخل هذه البيانات إلى نموذج تعلم آلي يتعلم من الأنماط السابقة ويتنبأ بأداء المواد الجديدة من حيث كفاءة التوصيل، والاستقرار، والتحلل، وسُمّية الخلايا. هذا التكامل يقلل الحاجة إلى التجارب التكرارية، ويقلل الوقت والتكلفة المرتبطة بتطوير حاملات RNA. من أبرز الميزات التي تميز هذه المنصة هو قدرتها على تقييم خصائص متعددة في آن واحد، مثل قدرة البوليمر على التفاعل مع الغشاء الخلوي، أو التحكم في إطلاق الجزيء العلاجي في الموقع المستهدف. كما تتيح المنصة للباحثين التفاعل مع النظام بشكل تفاعلي، مما يعزز التصميم التوليدي للمواد الجديدة بناءً على المعايير العلاجية المطلوبة. أظهرت الاختبارات الأولية أن المواد البوليمرية التي تم اقتراحها عبر المنصة حققت كفاءة توصيل أعلى بنسبة تصل إلى 50% مقارنة بالمواد التقليدية، مع تقليل التأثيرات الجانبية على الخلايا السليمة. وقد تم بالفعل تطبيق النظام على تصميم حاملات لعلاجات محتملة ضد أمراض مثل السرطان والاضطرابات الوراثية النادرة. يُتوقع أن تُسهم هذه المنصة في تسريع تطوير العلاجات الجينية، خاصة تلك التي تعتمد على الحمض النووي الريبوزي، وتمكّن الباحثين من الانتقال من المفاهيم النظرية إلى تطبيقات سريرية بشكل أسرع. وتعتبر هذه الخطوة نقلة نوعية في مجال توصيل الأدوية، وتُعد نموذجاً يُحتذى به في دمج الذكاء الاصطناعي والمحاكاة الحاسوبية في الأبحاث الطبية.