تحسين مشتقات السورافينيب باستخدام تجزئة بالذكاء الاصطناعي لاستهداف VEGFR2 في الأمراض المرتبطة بتكوّن الأوعية: دراسة بنيوية محاكاة حاسوبية

لماذا إعادة تشكيل دواء ضد السرطان يهم أمراضًا متعددة

الأوعية الدموية الجديدة تحافظ على حياة أعضائنا، لكن عندما يخرج نموها عن السيطرة يمكن أن تغذي الأورام، وتُضعف العين، وتُخلّ بتكوّن المشيمة أثناء الحمل. تستكشف هذه الدراسة كيف يمكن للذكاء الاصطناعي والمحاكاة الحاسوبية المتقدمة أن يُعيدا تصميم دواء سرطاني قائم، السورافينيب، للتحكم بشكل أكثر دقة بمفتاح رئيسي في نمو الأوعية الدموية يُسمّى VEGFR2، مع أمل طويل الأمد في علاجات أكثر أمانًا للأمراض المرتبطة بتكوّن الأوعية.

إشارة المرور للأوعية الدموية الجديدة

يعتمد نمو الأوعية الدموية، أو تكوّن الأوعية، بشكل كبير على بروتين على سطح خلايا بطانة الأوعية يُدعى VEGFR2. عندما يرتبط به جزيء الشريك VEGF، يرسِل VEGFR2 إشارات للخلايا بالانقسام والهجرة وتشكيل أوعية جديدة. هذا يفيد في شفاء الجروح والتطور، لكنه يكون ضارًا عندما يغذي إمداد الدم للأورام أو يتسبب في أمراض معينة للعين أو التهاب مزمن أو تغيّرات غير طبيعية في المشيمة. وبسبب هذا الدور المركزي أصبح VEGFR2 هدفًا دوائيًا رئيسيًا، وهناك أدوية عديدة تحجبه بالفعل. غير أن كثيرًا من هذه الأدوية، بما في ذلك السورافينيب، تستهدف بروتينات ذات صلة متعددة، وهو ما قد يتسبب في آثار جانبية خطيرة.

تحويل السورافينيب إلى أداة أفضل

السورافينيب قوي لكنه أداة غير دقيقة. يرتبط بمنطقة "المحرك" الداخلية في VEGFR2 والإنزيمات ذات الصلة، فَيُوقِف الإشارات التي تعزّز نمو الأوعية. لسوء الحظ، يسبب نشاطه الواسع مشاكل مثل ارتفاع ضغط الدم، وإجهاد القلب، وردود فعل جلدية، ومخاطر إصابة الكبد. بدلًا من البدء من الصفر، استخدم المؤلفون الهيكل الكيميائي الأساسي للسورافينيب كنموذج أولي وتساءلوا: هل يمكننا استخدام الذكاء الاصطناعي لإعادة تشكيل هذا الجزيء بطريقة مدروسة ليقبض على VEGFR2 بإحكام أكبر، ويتصرف بشكل أفضل داخل الجسم، ويبدو أقل سمية—دون فقدان فعاليته المضادة لتكوّن الأوعية؟

السماح للذكاء الاصطناعي باستكشاف فضاء كيميائي أكثر أمانًا

أدخل الفريق بنية السورافينيب إلى نظام يقوده الذكاء الاصطناعي يقوم بتغييرات صغيرة وواقعية كيميائيًا—إضافة أو استبدال شظايا بطرق يمكن للكيميائي الدوائي إعادة إنتاجها في المختبر. ولّد هذا عشرين جزيءًا مرشحًا جديدًا احتفظت جميعها بالميزات الأساسية للسورافينيب لكن اختلفت في المجموعات الجانبية والشكل العام. ثم اعتمد الباحثون كليًا على أساليب حاسوبية لاختبار هؤلاء المرشحين: احتجاز افتراضي في نموذج ثلاثي الأبعاد عالي الدقة لـ VEGFR2، ومحاكاة دينامية جزيئية طويلة تحاكي تمازج الذرات في بيئة مائية تشبه الجسم، وحسابات طاقة تقدر مدى قوة ارتباط كل جزيء.

مرشح بارز في المحاكاة

تصميم واحد، سُمّي المشتق المجزأ بالذكاء الاصطناعي 7 (Grow)، تصدّر النتائج باستمرار. أشارت دراسات الاحتجاز إلى أنه تموضع داخل الأخدود النشط الرئيسي لـ VEGFR2 بإحكام أكثر من السورافينيب، مكوّنًا شبكة أكثر كثافة من التلامسات مع أحماض أمينية رئيسية معروفة بأهميتها للمثبطات الفعلية. أظهرت نصف ميكروثانية من محاكاة الديناميكا الجزيئية أن المركب ظل مستقرًا بشكل ملحوظ عبر الزمن: بقي البروتين مضغوطًا، ولم ينهار أو يشوّه جيب الارتباط، ولم ينحرف الجزيء الجديد تقريبًا، محافظًا على عدة روابط هيدروجينية وتماسّات كارهة للماء طوال الوقت. وأشارت حسابات متقدمة على مستوى الكم إلى أن ترتيب إلكترونات المشتق 7 يُفضّل التفاعلات الشحنية مع VEGFR2، مما يدعم توقع ارتباط قوي.

دلائل على سلوك أفضل داخل الجسم

بعيدًا عن مجرد الارتباط الجيد، يجب أن ينتقل الدواء بأمان داخل الجسم. استخدم المؤلفون أدوات توقع عبر الويب لتقدير كيفية ذوبان كل مرشح، وامتصاصه، وتكسّره بواسطة إنزيمات الكبد، وإمكانية تسببِه في أذى. تَنبأ أن المشتق 7 يمتلك ذوبانية مائية أفضل قليلًا ومزيجًا أكثر توازنًا من المناطق الدهنية والقطبية مقارنةً بالسورافينيب، وهي خصائص غالبًا ما تُسهِم في تبسيط الجرعات وتركيبات الدواء. والأهم أن نماذج السمّية المعتمدة على التعلم الآلي صنفت السورافينيب بأنه أكثر احتمالًا للتسبب في إصابة كبدية دوائية، في حين وضعَ المشتق 7 على جانب أكثر أمانًا من هذا الخطر الخاص. وفي الوقت نفسه، احتفظ بخريطة أيضية مشابهة إلى حد واسع، ما يعني أن طرق تكسّره قد تكون متوقعة.

من وعد الحاسوب إلى إثبات في العالم الحقيقي

بعبارات بسيطة، تُظهر هذه العمل كيف يمكن للذكاء الاصطناعي والمحاكاة القائمة على الفيزياء أن "يُنقّش ويصقِل" دواء قائمًا إلى نسخة قد تكون أكثر فعالية وأمانًا موجهة لنفس المفتاح الجزيئي. يبدو المشتق المعاد تصميمه، على الشاشة، أنه يقبض على VEGFR2 بقوة أكبر ويحمل إشارات تحذير أقل لإصابة الكبد، مع الاحتفاظ بالميزات الأساسية التي تجعل السورافينيب فعالًا. ومع ذلك، فإن كل هذه النتائج تنبؤات: لم يتم تخليق الجزيء الجديد أو اختباره بعد في الخلايا أو الحيوانات أو المرضى. المساهمة الحقيقية للدراسة هي تقديم مرشح مدعومًا ببيانات ومنطق جيد—ونظام رقمي قابل لإعادة الاستخدام—من أجل أدوية الجيل التالي التي تروض نمو الأوعية المفرط في السرطان وأمراض العين والحالات الأخرى المدفوعة بتكوّن الأوعية.

الاستشهاد: Inan, D., Karageçili, S. & Ali, N. AI fragmentation-based optimization of Sorafenib derivatives targeting VEGFR2 for angiogenesis-related pathologies: a structure-based in-silico study. Sci Rep 16, 11848 (2026). https://doi.org/10.1038/s41598-026-41232-9

الكلمات المفتاحية: تكوّن الأوعية, مثبطات VEGFR2, مشتقات السورافينيب, تصميم الأدوية بالذكاء الاصطناعي, الاحتجاز الجزيئي