اكتشاف تكراري لمضادات حيوية بوليمرية فعّالة عبر تعلم متعدد المراحل والمتطلبات ضد مقاومة الميكروبات

لماذا تهم المضادات الحيوية الجديدة الجميع

تزداد الإصابات المقاومة للأدوية في جميع أنحاء العالم، مما يجعل الأمراض المألوفة أكثر صعوبة وأحيانًا مستحيلة العلاج. تصف هذه الدراسة طريقة جديدة لاكتشاف نوع مختلف من المضادات الحيوية بسرعة: بوليمرات صناعية صغيرة يمكنها قتل البكتيريا الشرسة ومساعدة الأدوية القديمة، مثل البنسيلين، على الاستعادة الفعالية. تمزج هذه الدراسة بين ذكاء اصطناعي متقدّم والكيمياء والاختبارات على الحيوانات لاستكشاف فضاء كيميائي هائل لا يمكن تغطيته بالتجربة والخطأ وحده.

البحث عن مدافعين جدد في كون كيميائي مزدحم

عادةً ما تستهدف المضادات الحيوية التقليدية بروتينات بكتيرية محددة، وهو ما تستطيع البكتيريا التهرب منه تدريجيًا. بالمقابل، تحاكي البوليمرات في هذه الدراسة ببتيدات دفاعية جسدية لدينا، التي تتلف أغشية البكتيريا ماديًا وتكون أقل عرضة لظهور مقاومة. التحدي أن هناك عشرات الآلاف من التركيبات البوليمرية الممكنة، وتتصرف هذه التركيبات حسب توازن دقيق من الشحنة الإيجابية ومكونات محبة للماء ومحبة للدهون. اختبار عدد كافٍ يدويًا لإيجاد تركيبات آمنة وفعالة سيستغرق سنوات. أنشأ المؤلفون مكتبة تركيبية تضم نحو 100,000 بوليمر مرتبط تُسمى بولي(β-أمينو إيسترات)، كل واحد مصمّمًا ليتجمع ذاتيًا إلى جسيمات نانوية يمكنها التفاعل بقوة مع أسطح الخلايا البكتيرية.

تعليم الذكاء الاصطناعي قراءة «لغة الجسد» البوليمرية

للتنقّل في هذه المكتبة، أنشأ الفريق إطار عمل أطلقوا عليه PolyCLOVER. في جوهره شبكة عصبية قائمة على الرسم البياني تعامل كل بوليمر كشبكة ذرات مترابطة، مما يسمح للنموذج بإدراك اختلافات دقيقة في البنية. ونظرًا لندرة الأمثلة الموسومة التي تبيّن أي البوليمرات كانت مضادات حيوية جيدة أو سيئة، استخدم الباحثون استراتيجية تعلم ذاتي متعددة المراحل. أولًا، تم تدريب النموذج على نحو مليون بنية بوليمرية غير موسومة لالتقاط أنماط كيميائية عامة. ثم درّب أكثر على مكتبة الـ100,000 غير الموسومة، وأخيرًا جرى تحسينه على مجموعة صغيرة من 220 بوليمرًا تمت صناعتها واختبارها من حيث القوة المضادة للبكتيريا والضرر الذي تسببه لخلايا الدم الحمراء. حسّن ذلك التعليم المرحلي قدرة النموذج بشكل كبير على التنبؤ بأي البوليمرات الجديدة ستكون قوية وآمنة معًا.

السماح للتجارب والخوارزميات بالتعلّم من بعضها البعض

لا يتوقف PolyCLOVER عند جولة واحدة من التنبؤات. يعمل في حلقة يقترح فيها الذكاء الاصطناعي المرشحين الأكثر وعدًا والأكثر إعلامًا، يقوم الكيميائيون بتصنيعهم واختبارهم بصيغة عالية الإنتاجية، وتُعاد النتائج الجديدة لتنعيم النموذج. تستخدم خطوة الاختيار نهج "الحد الأعلى للثقة" الذي يوازن بين الاستغلال (تفضيل البوليمرات التي يتوقع أن تعمل جيدًا) والاستكشاف (فحص مناطق غير مؤكدة حيث قد يتعلّم النموذج أكثر). على مدى نحو أربع جولات تكرارية، تحسنت البوليمرات المقترحة تدريجيًا: أصبحت أكثر فعالية ضد المكورات العنقودية المقاومة للميثيسيلين (MRSA) مع الحفاظ على سمية مقبولة تجاه خلايا الدم الحمراء. خلال 20 يومًا فقط من التجارب، تقاربت المنظومة على مجموعة صغيرة من المتفوقين.

جسيمات ذاتية التجمع تصنع ثقوبًا في البكتيريا

شكلت البوليمرات الثلاث النهائية الرائدة، المسماة H1 وH2 وH3، جسيمات نانوية مشحونة إيجابيًا بعرض نحو 100 نانومتر بشكل تلقائي. في اختبارات المختبر قتلت هذه البوليمرات MRSA بفعالية مساوية لمضاد حيوي قياسي، الستربتوميسين، وبوتيرة أسرع بكثير—خفضت أعداد البكتيريا بمقادير عدة خلال دقائق إلى ساعات، حتى في مصل غني بالبروتين. أظهرت الميكروسكوب الإلكتروني والمجسات الفلورية أن هذه الجسيمات تلتصق بسرعة بسطح البكتيريا وتدمّر سلامة الغشاء والجهد الكهربائي له، مما يؤدي إلى تسرب محتويات الخلية. والأهم من ذلك، عندما تعرّضت MRSA لهذه البوليمرات لنحو شهر، طورت البكتيريا مقاومة قليلة جدًا، على عكس الستربتوميسين الذي ارتفعت جرعة الحاجة إليه بشكل كبير خلال نفس الفترة.

إعادة تنشيط المضادات الحيوية القديمة في إصابات حيوانية

بخلاف فعاليتها بمفردها، تصرفت الجسيمات النانوية أيضًا كمساعد قوي للأدوية التقليدية. عند دمجها مع بنسيلين G، الذي تكون MRSA مقاومة بشدة تجاهه عادة، كوّن أفضل بوليمر (H2) نانوكمبوزيتات حبست المضاد الحيوي داخل الجسيم. أظهرت هذه المركبات تكافلًا قويًا في اختبارات المختبر، مخفّضة الجرعة المطلوبة من البنسيلين لإيقاف MRSA. في نماذج فأرية لعدوى الرئة وعدوى بطنية شديدة، أدى العلاج بالبوليمرات الرائدة—سواء بمفردها أو بالاشتراك مع البنسيلين—إلى خفض حاد في الأحمال البكتيرية في الأنسجة، وتقليل إشارات الالتهاب في الدم، والحد من تلف الأنسجة، وكل ذلك دون سمية واضحة.

خارطة جديدة لاكتشاف مضادات حيوية أذكى

لغير المتخصصين، الخلاصة الرئيسية هي أن PolyCLOVER يبيّن كيف يمكن للذكاء الاصطناعي والتجارب المؤتمتة التعاون لاكتشاف أنواع جديدة تمامًا من المضادات الحيوية أسرع بكثير من السابق. بدلاً من الاعتماد فقط على الحظ والفرز البطيء، يتعلم هذا النهج من كل دفعة من النتائج للتركيز على البوليمرات التي تهاجم البكتيريا المقاومة للأدوية وتحمل المضادات التقليدية إليها بشكل أكثر فاعلية. وبينما لا يزال هناك عمل إضافي قبل أن تصل هذه المواد إلى العيادة، تقدّم الدراسة طريقًا واعدًا لتجديد ترسانتنا المتناقصة ضد العدوى المقاومة وتقترح استراتيجية عامة لتصميم العديد من المواد البيولوجية الذكية الأخرى.

الاستشهاد: Wu, Y., Wang, C., Shen, X. et al. Iterative discovery of potent polymeric antibiotics via multi-stage and multi-task learning against antimicrobial resistance. Nat Commun 17, 1878 (2026). https://doi.org/10.1038/s41467-026-68682-z

الكلمات المفتاحية: مقاومة مضادات الميكروبات, مضادات حيوية بوليمرية, جسيمات نانوية, تعلم آلي, بكتيريا مقاومة للأدوية