الذكاء الاصطناعي والتقارب التجريبي: مسار تكاملي لاكتشاف مثبطات JAK2

لماذا يهم هذا للأدوية المستقبلية

تقود العديد من السرطانات والأمراض المناعية الذاتية بروتين إشارة مفرط النشاط يسمى JAK2، يعمل مثل مفتاح مُعلّق في وضع التشغيل داخل الخلايا. إن إيجاد أدوية آمنة ودقيقة تخفف من عمل هذا المفتاح أمر صعب ومكلف عندما تُستخدم الكيمياء التقليدية المعتمدة على التجربة والخطأ. تُظهر هذه الدراسة كيف أن الجمع بين الذكاء الاصطناعي والتجارب المخبرية يمكن أن يسرّع بشكل كبير البحث عن حبوب جديدة تحظر JAK2، مما قد يؤدي إلى علاجات أفضل تصل إلى المرضى أسرع وبتكلفة أقل.

المفتاح الخلوي وراء الالتهاب

ينتمي JAK2 إلى عائلة صغيرة من الإنزيمات التي تساعد الخلايا على الاستجابة لرسائل كيميائية من الجهاز المناعي وأنسجة تكوين الدم. عندما تخطئ هذه الإنزيمات—غالباً بسبب طفرات DNA محددة—تتلقى الخلايا إشارات مستمرة للنمو والبقاء. عند البشر، قد يؤدي هذا إلى أورام دموية، التهاب مزمن، وتلف المفاصل. لدى الأطباء بالفعل بعض الأدوية التي تستهدف JAK2، لكن بعضها يسبب آثاراً جانبية أو لا يعمل بدرجة كافية. تحدٍ كبير هو أن الجيب الرئيسي الذي ترتبط به الأدوية يبدو متشابهاً جداً عبر عائلة JAK بأكملها، ما يجعل من الصعب تصميم أدوية تُغلق JAK2 دون إزعاج القرناء القريبين.

تعليم الحواسيب للتعرّف على مرشحي الأدوية الجيدين

بدأ الباحثون بآلاف المركبات المعروفة التي اختُبرت سابقاً لقدرتها على سد JAK2. حُوّل كل جزيء إلى نوع من الرموز الرقمية، تُسمى بصمة جزيئية، ترمز إلى مكوناته وشكله. تم تدريب عدة طرق حديثة لتعلّم الآلة على هذه البصمات لتتعلم أي الأنماط تميل لأن تُشير إلى مثبطات JAK2 الفعّالة وأيها لا. من بينها، برزت طريقة تسمى CatBoost كالأفضل، إذ فرزت المركبات النشطة عن غير النشطة بدقة تقارب 94 بالمئة وأظهرت أداءً ممتازاً عبر اختبارات جودة متعددة.

من الضربات الرقمية إلى الارتباط على مستوى الذرة

مسلّحين بهذا النموذج المدرب، قام الفريق بتطبيقه على مجموعة وطنية ضخمة تضم نحو ثلاثة أرباع مليون مركب من بنك البيانات الكيميائية الكوري. أولت الذكاء الاصطناعي تضييق هذه المجموعة إلى بضع آلاف فقط من المحتمل أن تكون مثبطات JAK2. ثم فحصت هذه المرشحات بأدوات حاسوبية أكثر تفصيلاً تحاكي كيفية جلوس الجزيئات داخل الجيب ثلاثي الأبعاد لبروتين JAK2. حسبت عمليات الإرساء مدى تناسق كل مرشح، بينما ضمنت طرق التجميع أن الاختيارات النهائية متنوعة تركيبياً بدلاً من أن تكون نُسَخاً متقاربة كثيرة للفكرة نفسها.

اختبار التحمل لأفضل الجزيئات

خضعت المركبات الأعلى تقييماً لمزيد من المحاكاة المعتمدة على الفيزياء التي تسمح للبروتين والدواء بالتذبذب والانثناء في ماء افتراضي على مر الزمن، لكشف أيها يظل مثبتاً بقوة في مكانه. كما فُحصت حسابات على مستوى الكم لترتيب الإلكترونات داخل الجزيئات، وهو ما يؤثر على مدى تفاعليتها وثباتها عند ارتباطها بـ JAK2. كما توقع الفريق كيف سيتصرف كل مرشح كدواء: مدى سهولة ذوبانه، وكيف قد يُمتص عبر الأمعاء، وما إذا كان من المحتمل أن يعبر إلى الدماغ. سلّطت عملية الفرز هذه الضوء على مجموعة صغيرة من المركبات التي جمعت بين ارتباط قوي ومستقر وسلوك يشبه الأدوية.

وضع توقعات الذكاء الاصطناعي قيد الاختبار

أخيراً، تم تركيب أربعة جزيئات بارزة واختُبرت مباشرة في اختبار حيوي يقيس مدى قدرتها على حجب نشاط JAK2. أظهرت الأربعة جميعاً فعالية ملحوظة، حيث كانت التركيزات اللازمة لخفض النشاط إلى النصف أقل من 10 ميكرومولار، وأحد المركبات تفوّق على دواء مرجعي معتمد في هذا الاختبار. أكدت هذه النتائج أن خط أنابيب موجه بالذكاء الاصطناعي لم يكن جيداً في التنبؤ نظرياً فحسب، بل يمكنه فعلاً أن يقدّم مرشحين دوائيين واقعيين.

مسار أسرع نحو علاجات مخصّصة

بالنسبة لغير المتخصصين، الرسالة الأساسية هي أن أنظمة الذكاء الاصطناعي المصممة بعناية قادرة الآن على التدقيق عبر مساحات كيميائية هائلة، مميزةً حفنة من المرشحين الواعدين الذين يمكن لعلماء المختبر اختبارهم وصقلهم بعد ذلك. في هذه الدراسة، أنتج هذا النهج مثبطات جديدة وقوية لبروتين ذو أهمية طبية مع توفير الوقت والجهد والموارد. ومع نضج شراكات الذكاء الاصطناعي والتجربة، من المرجح أن تسرّع إنشاء علاجات أكثر دقة للأمراض المدفوعة بـ JAK2، وبشكل أوسع، تفتح الباب أمام أدوية تتلاءم بشكل أفضل مع احتياجات المرضى.

الاستشهاد: Maryam, Cho, H., Pokhrel, A. et al. AI and experimental convergence: a synergistic pathway to JAK2 inhibitor discovery. Acta Pharmacol Sin 47, 1361–1373 (2026). https://doi.org/10.1038/s41401-025-01701-9

الكلمات المفتاحية: مثبطات JAK2, اكتشاف الأدوية بتعلّم الآلة, علاج موجه ضد الكينازات, المسح الافتراضي, الطب المخصص