النمذجة الرياضية وحساب مؤشرات NM-متعددة حدود للتنبؤ بالخصائص الفيزيائية الكيميائية

لماذا هذا مهم للأدوية المستقبلية

تصميم دواء جديد يشبه قليلاً تصميم طائرة: تريد أن تعرف كيف ستتصرف قبل أن تبنيها فعلياً. بالنسبة للأدوية، يشمل هذا السلوك مدى سهولة تبخرها، وكيف تذوب في الماء أو الدهون، وكيف تنتقل داخل الجسم. يبيّن هذا المقال كيف يمكن للرياضيات المصممة بعناية أن تتنبأ بالعديد من هذه الخواص الفيزيائية والكيميائية من هيكل الدواء وحده، مما يوفر وقتاً وتكاليفاً ويقلل التجارب والاختبار بالمحاولة والخطأ في اكتشاف الأدوية.

من الجزيئات إلى الشبكات

يتعامل المؤلفون مع جزيئات الأدوية ليس كمجرد مجموعات من الذرات، بل كشبكات. في هذا التصور، كل ذرة نقطة وكل رابطة كيميائية خط يربط بين نقطتين. ينبع هذا الوصف من نظرية الرسوم، فرع من الرياضيات يدرس الشبكات من كافة الأنواع، من روابط وسائل التواصل الاجتماعي إلى شبكات الطاقة. يستخدم الكيميائيون مثل هذه «الرسوم الجزيئية» منذ عقود، لأن بعض الملخصات الرقمية لهذه الرسوم — المسماة مؤشرات طوبولوجية — غالباً ما تعكس كيفية تصرف الجزيئات في العالم الحقيقي، مثل سهولة غليانها أو كثافتها.

إضافة تفاصيل الجوار إلى الصورة

المؤشرات التقليدية عادة ما تعير اهتماماً فقط لعدد الروابط التي تلامس كل ذرة. يتقدم فريق هذه الدراسة خطوة إضافية. يستخدمون ما يُسمى مؤشرات كثيرة الحدود M-الجوارية (NM-متعددة الحدود)، التي لا تكتفي بعدّ اتصالات الذرة نفسها بل تلخص أيضاً مدى اتصال جيرانها. هذا الوصف الأثرى يلتقط دقائقا مثل مدى تفرع الجزيء، وكيف تندمج حلقاته، وأين تقع ذرات الأكسجين أو النيتروجين ضمن الإطار. تلك السمات بدورها تؤثر في مدى التصاق الجزيئات ببعضها، ومدى صلابتها، وكيف تستجيب إلكتروناتها للحقول الكهربائية — وهي كلها مكونات لخصائص فيزيائية كيميائية رئيسية.

اختبار الفكرة على أدوية سرطان حقيقية

لإرساء الرياضيات على أرض الواقع، يحسب المؤلفون أولاً مؤشرات NM-متعددة الحدود لاثنين من العوامل المضادة للسرطان المعروفة، ميتوكسانتريون ودوكسوروبيسين. كلاهما جزيئات معقدة متعددة الحلقات تُستخدم على نطاق واسع في العلاج الكيميائي. من خلال تحويل رسوماتهما الكيميائية التفصيلية إلى رسوم جزيئية ثم إلى مؤشرات NM-متعددة الحدود، يبيّن المؤلفون كيف يتتبع الأسلوب تغييرات البنية بشكل منهجي عبر «أحجام» مختلفة لهذه الجزيئات. ثم يمنون هذه العملية ببرنامج بايثون يأخذ ترابط الجزيء (على شكل مصفوفة الجوار) ويعيد فوراً المجموعة الكاملة من المؤشرات، مما يقلل الخطأ البشري ويسرع الحسابات التي ستكون مملة يدوياً.

تدريب الآلات على قراءة بصمات الجزيئات

بعد ذلك، ينتقل الباحثون إلى ما هو أبعد من هذين الدواءين إلى مجموعة أوسع مكونة من 45 دواءً متعدد الحلقات، تشمل أسماء شائعة مثل أسيتامينوفين، إيبوبروفين، وعدد من العلاجات الموجهة الحديثة. لكل دواء يجمعون تسعة مؤشرات NM-متعددة الحدود وتسع خصائص مقاسة تجريبياً: التعقيد، نقطة الغليان، حرارة التبخر، نقطة الومض، الانكسار المولي، الاستقطابية، توتر السطح، الحجم المولي، ومعامل الانكسار. ثم يدربون عدة نماذج انحدار بأسلوب التعلم الآلي — الخطي، ريدج، لاسو، وإلاستيك نت — لتتعلم كيف ترتبط مجموعات المؤشرات بكل خاصية. تُستخدم احتياطات إحصائية دقيقة طوال العمل: يزيلون المدخلات الزائدة، يوحدون المتغيرات، يجرون تحققاً متبادلاً متكررًا على 80% من البيانات، ويختبرون النماذج النهائية على 20% غير مستخدمة.

ما تكشفه الأرقام

تُظهر النماذج أن مؤشرات NM-متعددة الحدود فعالة بشكل خاص للخواص المرتبطة بكيفية تغليف الجزيئات وتفاعلها. بالنسبة لنقطة الغليان، حرارة التبخر، نقطة الومض، الانكسار المولي، الاستقطابية، والحجم المولي، تصل أفضل النماذج إلى درجات ارتباط عالية جداً، ما يعني أن القيم المتنبأ بها تتتبع القيم التجريبية عن كثب. عادةً ما تؤدي الطرق المنظمة مثل ريدج وإلاستيك نت أداءً أفضل، مما يشير إلى أن تقييدًا خفيفًا على النماذج يساعدها على التركيز على أكثر جوانب المؤشرات إفادة. تؤكد خريطة حرارة الارتباط أن عدة مؤشرات — خصوصاً تلك المتعلقة بالترابط العام و«غنى الجوار» — مرتبطة بقوة وبثبات مع هذه الخصائص عبر لوحة الأدوية المكونة من 45 دواءً.

الحدود ومجال التحسين

ليس كل خاصية تتعاون بنفس القدر. ثبت أن معامل الانكسار، الذي يصف كيفية انكسار الضوء عند دخوله مادة، عنيد: تكافح النماذج لتتفوق على المتوسطات البسيطة، وتظهر مؤشرات NM-متعددة الحدود ارتباطات ضعيفة معه فقط. يُلتقط توتر السطح بدرجة متوسطة، لكنه ليس بقوة الصفات الأخرى. تشير هذه الفجوات إلى أن بعض السلوكيات تعتمد على ميزات تتجاوز الترابط ثنائي الأبعاد، مثل الشكل ثلاثي الأبعاد أو التأثيرات الإلكترونية الدقيقة. يقترح المؤلفون أن الأعمال المستقبلية قد تمزج مؤشرات NM-متعددة الحدود مع أوصاف كمية-كيميائية أو أوصاف ثلاثية الأبعاد لسد هذه الفجوة.

ماذا يعني هذا لتصميم الأدوية

بعبارات بسيطة، تُظهر الدراسة أن رياضيات متقنة لكنها منظمة جيداً يمكن أن تحول مخططًا ساكناً لجزيء إلى متنبئ دقيق بشكل مدهش لكيفية تصرف ذلك الجزيء في المختبر. بالنسبة للعديد من الخصائص المهمة — مدى سهولة غليانه، مدى ضخامته، أو مدى سهولة تحرك إلكتروناته — يطابق نهج NM-متعددة الحدود، بالاشتراك مع تقنيات الانحدار الحديثة، أو يتفوق على طرق سابقة استخدمت مؤشرات أبسط أو مجموعات بيانات أصغر. وعلى الرغم من أنه ليس بديلاً كاملاً للتجارب بعد، إلا أنه يوفر لمصممي الأدوية أداة فحص أسرع: بحساب هذه البصمات القائمة على الرسوم، يمكنهم تقدير الخصائص الفيزيائية الكيميائية الرئيسية مبكراً، وتركيز العمل المخبري على المرشحين الأكثر وعداً، واستكشاف الفضاء الكيميائي بكفاءة أكبر.

الاستشهاد: Tawhari, Q.M., Naeem, M., Koam, A.N.A. et al. Mathematical Modeling and Computation of NM-Polynomial Indices for Physicochemical Properties Prediction. Sci Rep 16, 8136 (2026). https://doi.org/10.1038/s41598-026-39562-9

الكلمات المفتاحية: نظرية الرسوم الكيميائية, التنبؤ بخصائص الأدوية, الطوبولوجيا الجزيئية, التعلم الآلي في الكيمياء, المواصفات الفيزيائية الكيميائية