تملك التكنولوجيا الحيوية الحديثة الأدوات اللازمة لتحرير الجينات وتصميم الأدوية، ومع ذلك، لا تزال هناك آلاف من الأمراض النادرة بدون علاج. وفقًا للمسؤولين التنفيذيين في شركة إنسيليكوميديسين وجين إيدت بيو، فإن العنصر المفقود لسنوات كان العثور على عدد كافٍ من الأذكياء لمواصلة العمل. يقولون إن الذكاء الاصطناعي أصبح العامل المضاعف الذي يسمح للعلماء بالتعامل مع المشكلات التي تركتها الصناعة لفترة طويلة دون معالجة.
خلال حديثه هذا الأسبوع في قمة الويب في قطر، قدم أليكس أليبر، الرئيس التنفيذي ومؤسس إنسيليكو، هدف شركته في تطوير “الذكاء الفائق الصيدلاني”. أطلقت إنسيليكو مؤخرًا “MMAI Gym” الذي يهدف إلى تدريب نماذج اللغة العامة الكبيرة، مثل ChatGPT وجمنيس، لتعمل بنفس جودة النماذج المتخصصة.
الهدف هو بناء نموذج متعدد الوسائط ومتعدد المهام يمكن، كما يقول أليبر، من حل العديد من مهام اكتشاف الأدوية المختلفة بشكل متزامن بدقة تفوق الإنسان.
قال أليبر في مقابلة مع تك كرانش: “نحن بحاجة فعلًا إلى هذه التكنولوجيا لزيادة إنتاجية صناعتنا الصيدلانية ومعالجة نقص العمالة والمواهب في هذا المجال، لأنه لا يزال هناك الآلاف من الأمراض بدون علاج، وبدون أي خيارات علاجية، وهناك الآلاف من الاضطرابات النادرة التي يتم تجاهلها”. “لذا نحتاج إلى أنظمة أكثر ذكاءً للتعامل مع هذه المشكلة.”
تقوم منصة إنسيليكو بمعالجة البيانات البيولوجية والكيميائية والسريرية لإنتاج فرضيات حول أهداف الأمراض والجزيئات المرشحة. من خلال أتمتة الخطوات التي كانت تتطلب سابقًا فرقًا كبيرة من الكيميائيين وعلماء الأحياء، تقول إنسيليكو إن بإمكانها تصفية مساحات التصميم الشاسعة، وترشيح المرشحين العلاجيين ذوي الجودة العالية، وحتى إعادة استخدام الأدوية الموجودة – كل ذلك بتكلفة ووقت منخفضين بشكل كبير.
على سبيل المثال، استخدمت الشركة مؤخرًا نماذج الذكاء الاصطناعي الخاصة بها لتحديد ما إذا كان يمكن إعادة استخدام أدوية موجودة لعلاج مرض ALS، وهو اضطراب عصبي نادر.
لكن الاختناق في العمالة لا ينتهي عند اكتشاف الأدوية. حتى عندما يستطيع الذكاء الاصطناعي تحديد أهداف أو علاجات واعدة، تتطلب العديد من الأمراض تدخلات على مستوى بيولوجي أكثر أساسية.
حدث تك كرانش
بوسطن، ماساتشوستس
|
23 يونيو 2026
جين إيدت بيو هي جزء من “الموجة الثانية” لتحرير الجينات باستخدام تقنية كريسبر، حيث يتحرك العملية بعيدًا عن تحرير الخلايا خارج الجسم (ex vivo)، ويتجه نحو توصيل دقيق داخل الجسم (in vivo). هدف الشركة هو جعل تحرير الجينات حقنة واحدة ومباشرة إلى الأنسجة المتأثرة.
قال تيان زو، الشريك المؤسس والرئيس التنفيذي لجين إيدت بيو، لتك كرانش: “لقد طورنا وسيلة توصيل بروتين مدفوع مسبقًا، أو ePDV، وهي جزء شبيه بالفيروس”. “نتعلم من الطبيعة ونستخدم طرق تعلم الآلة للذكاء الاصطناعي لاستكشاف الموارد الطبيعية ومعرفة أنواع الفيروسات التي تحب أنواعًا معينة من الأنسجة.”
تتعلق ‘الموارد الطبيعية’ التي يشير إليها زو بمكتبة جين إيدت بيو الضخمة التي تحتوي على الآلاف من الجسيمات النانوية غير الفيروسية وغير الليبيدية — وهي مركبات توصيل مصممة لتحمل أدوات تحرير الجينات بأمان إلى خلايا معينة.
تقول الشركة إن منصتها NanoGalaxy تستخدم الذكاء الاصطناعي لتحليل البيانات وتحديد كيفية ارتباط الهياكل الكيميائية بأهداف أنسجة معينة (مثل العين، الكبد، أو الجهاز العصبي). يتوقع الذكاء الاصطناعي بعد ذلك أي تعديلات على كيمياء وسيلة التوصيل ستساعدها على حمل حمولة دون تحفيز استجابة مناعية.
تختبر جين إيدت بيو وسائل توصيلها ePDVs في المختبرات الرطبة، ويتم إعادة تغذية النتائج إلى الذكاء الاصطناعي لتحسين دقة التوقع للجولة التالية.
تعتبر التوصيل الفعال المحدد للأنسجة شرطًا مسبقًا لتحرير الجينات داخل الجسم، كما تقول زو. وتزعم أن نهج شركتها يقلل من تكاليف الإنتاج ويعمل على توحيد عملية كانت تاريخيًا صعبة التوسع.
قالت زو: “إنها مثل الحصول على دواء جاهز [يعمل] لعدة مرضى، مما يجعل الأدوية أكثر تكلفة ويمكن الوصول إليها للمريض على مستوى عالمي”.
تلقت شركتها مؤخرًا موافقة إدارة الغذاء والدواء الأمريكية لبدء التجارب على علاج كريسبر لاعتلال القرنية.
مكافحة مشكلة البيانات المستمرة
كما هو الحال مع العديد من الأنظمة المدفوعة بالذكاء الاصطناعي، تواجه التقدم في التكنولوجيا الحيوية في النهاية مشكلة البيانات. يحتاج نمذجة حالات حيوية الإنسان النادرة إلى المزيد من البيانات عالية الجودة أكثر مما يمكن أن يحصل عليه الباحثون حاليًا.
قال أليبر: “لا زلنا بحاجة إلى المزيد من بيانات الحقيقة الميدانية القادمة من المرضى”. “إن مجموعة البيانات متحيزة بشدة تجاه العالم الغربي، حيث يتم إنتاجها. أعتقد أننا بحاجة إلى بذل المزيد من الجهود محليًا، للحصول على مجموعة بيانات أصلية أكثر توازنًا، حتى تكون نماذجنا قادرة أيضًا على التعامل معها.”
قال أليبر إن مختبرات إنسيليكو الآلية تنتج بيانات بيولوجية متعددة الطبقات من عينات الأمراض على نطاق واسع، دون تدخل بشري، والتي تعيد تغذيتها إلى منصتها لاكتشاف الأدوية المدفوعة بالذكاء الاصطناعي.
تقول زو إن البيانات التي يحتاجها الذكاء الاصطناعي موجودة بالفعل في جسم الإنسان، والتي تم تشكيلها على مدار آلاف السنين من التطور. فقط نسبة صغيرة من الحمض النووي “تشفر” مباشرة للبروتينات، بينما يعمل الباقي أكثر كدليل تعليمي حول كيفية تصرف الجينات. كانت تلك المعلومات تاريخيًا صعبة التفسير من قبل البشر، لكنها أصبحت بشكل متزايد متاحة لنماذج الذكاء الاصطناعي، بما في ذلك الجهود الأخيرة مثل AlphaGenome من جوجل ديب مايند.
تطبق جين إيدت بيو نهجًا مشابهًا في المختبر، حيث تختبر الآلاف من الجسيمات النانوية للتوصيل بشكل متوازي بدلًا من واحدة تلو الأخرى. تستخدم مجموعات البيانات الناتجة، والتي تسميها زو “ذهبا لأنظمة الذكاء الاصطناعي”، لتدريب نماذجها، وزيادة الدعم للتعاون مع الشركاء الخارجيين.
وفقًا لأليبر، يعد بناء توائم رقمية للبشر لتشغيل التجارب السريرية الافتراضية أحد الجهود الكبيرة المقبلة، وهو عملية يقول إنها “لا تزال في مراحلها الأولى”.
قال أليبر: “نحن في مرحلة هضبة حيث يتم الموافقة على حوالي 50 دواءً من إدارة الغذاء والدواء الأمريكية سنويًا، وعلينا رؤية النمو”. “هناك زيادة في الاضطرابات المزمنة لأننا نكبر كعالم سكاني […] أملي هو أنه بعد 10 إلى 20 عامًا، سيكون لدينا المزيد من الخيارات العلاجية لعلاج المرضى بشكل مخصص.”