النمذجة التنبؤية لأدوية سلالات الإنفلونزا باستخدام مؤشرات طبوغرافية معتمدة على الحرارة وتحليل الانحدار عبر تقنيات اتخاذ القرار متعددة المعايير

لماذا يهم تصنيف أدوية الإنفلونزا بالرياضيات

كل شتاء، يلجأ الأطباء إلى مجموعة مألوفة من الأدوية لعلاج الإنفلونزا وعدوى فيروسية أخرى. لكن أي الأدوية من المرجح أن تكون أكثر فعالية، وكيف يمكننا مقارنة المركبات الواعدة بسرعة دون إجراء اختبارات مخبرية مكلفة وتستغرق وقتًا لكل منها؟ تُظهر هذه الدراسة كيف يمكن لأفكار من الرياضيات والإحصاء أن تساعد في ترتيب أولويات أدوية الإنفلونزا على شاشة الكمبيوتر أولًا، بحيث يتقدم إلى التجارب التفصيلية فقط أكثر المرشحين وعدًا.

تحويل الجزيئات إلى شبكات

يبدأ الباحثون بمعاملة كل جزيء دوائي كنوع من الشبكات: تتحول الذرات إلى نقاط وتصبح الروابط الكيميائية خطوطًا بينها. تتيح هذه البنية، المسماة بنظرية الرسوم البيانية، للحواسيب تحليل البنية بدقة وبطريقة قابلة للتكرار. وإلى جانب ذلك، يستخدمون عائلة خاصة من القياسات المعروفة باسم المؤشرات المعتمدة على الحرارة. تلتقط هذه المؤشرات مدى "ترابط" كل ذرة بالنسبة للجزيء ككل، بطريقة تعكس الاستقرار وكيف قد يتصرف الجزيء تحت ظروف حرارية مختلفة. من خلال حساب هذه المؤشرات لعشرين دواءً مرتبطًا بالإنفلونزا—تتراوح من مضادات الفيروسات الكلاسيكية مثل أوسيلتاميفير إلى عوامل مُعاد توظيفها مثل ريتونافير وأزيثروميسين—يُنشئ الفريق بصمة رقمية مضغوطة لكل مركب.

التنبؤ بالخواص الفيزيائية الأساسية من البنية

بعد ذلك، تسأل الدراسة ما إذا كانت هذه البصمات البنائية يمكن أن تحل محل القياسات المجهدة عمليًا. يركز المؤلفون على خمس خواص فيزيائية أساسية تؤثر بقوة على سلوك الدواء في الجسم وفي التصنيع: نقطة الغليان، ونقطة الاشتعال (مدى سهولة احتراق المادة)، وانكسارية المولار، والاستقطابية، والحجم المولاري. باستخدام تحليل الانحدار—أي ملاءمة منحنيات رياضية للبيانات—يربطون كل مؤشر معتمد على الحرارة بهذه الخواص. عمومًا، العلاقات الخطية البسيطة لا تكفي. بدلاً من ذلك، تلتقط المعادلات التكعيبية المنحنية بلطف الاتجاهات بشكل أفضل كثيرًا، وتفسر غالبًا أكثر من 95% من التباين للانكسارية والاستقطابية والحجم، وحوالي 70% لنقطتي الغليان والاشتعال. هذا يعني أنه بمجرد معرفة المؤشرات، يمكن للنموذج إعطاء تقديرات أولية دقيقة إلى حد معقول لهذه الخواص المهمة دون إجراء تجارب جديدة لكل دواء.

من الخواص المتوقعة إلى ترشيح المرشحين الدوائيين

معرفة خواص تقريبة مفيدة، لكن مطوري الأدوية يحتاجون في النهاية إلى الاختيار بين البدائل. للانتقال من التنبؤ إلى الاختيار، يطبق المؤلفون طريقتين لدعم القرار مستخدمتين على نطاق واسع في الهندسة والاقتصاد: نموذج المجموع الوزني ونموذج الناتج الوزني. يتعامل كلا الطريقتين مع كل مؤشر كـ"معيار" منفصل ثم يجمعانهما في درجة إجمالية واحدة لكل دواء، بافتراض أن القيم الأعلى للمؤشرات مفضلة عمومًا. في الجوهر، يحاكون لجنة حكام تُقيّم كل مركب عبر عدة أبعاد بنيوية في آن واحد ثم تُحصّل تلك التقييمات بطريقة منهجية.

ماذا تقول النماذج عن أدوية بعينها

عند اصطفاف النتائج، يظهر نمط متسق. يتصدر أزيثروميسين، المعروف أكثر كمضاد حيوي شائع، قمة كلا مخططَي الترتيب، يليه ريتونافير وإندينافير عن كثب. تمتلك هذه المركبات مؤشرات معتمدة على الحرارة وقيم متوقعة لخصائص مرتبطة بحجم الجزيء واستقراره، مثل انكسارية المولار والحجم المولاري، مرتفعة نسبيًا. في الطرف الآخر من المقياس، تميل أدوية مثل فافيبيرافير وتريازازافير إلى امتلاك درجات بنيوية وقيم خواص متوقعة أقل، مما يضعها قرب قاع التصنيفات. تقارن الدراسة أيضًا القياسات الفعلية والمتوقعة—مثل نقطة الغليان أو الحجم المولاري—للتحقق من واقعية النماذج، فتجد أن المعادلات التكعيبية تتبع الاتجاهات العامة جيدًا، حتى لو واجهت صعوبة مع أكبر الجزيئات وأكثرها تعقيدًا.

ما معنى هذا لعلاجات الإنفلونزا المستقبلية

للقارئ العام، الرسالة هي أننا نستطيع استخدام أوصاف رياضية للشكل والترابط لتضييق نطاق الأدوية المضادة للإنفلونزا التي تستحق أقصى اهتمام قبل الانتقال إلى المختبر. هذا لا يثبت أن أزيثروميسين أو ريتونافير هما "الأفضل" سريريًا ضد الإنفلونزا—فالفعالية في العالم الحقيقي تعتمد على عوامل بيولوجية كثيرة لم تُؤخذ بعين الاعتبار هنا. لكنه يُظهر أن المؤشرات المعتمدة على الحرارة، مع ملاءمة المنحنيات والترتيب متعدد المعايير، تشكل فلترًا سريعًا ورخيصًا لترتيب أولويات المرشحين المضادين للفيروسات. مع تصميم أو إعادة توظيف مركبات جديدة، يمكن لأدوات مماثلة أن توجه الباحثين نحو الخيارات الأكثر وعدًا بشكل أسرع، مما يساعد على مواكبة سلالات الإنفلونزا المتغيرة باستمرار.

الاستشهاد: Hayat, H., Ahmad, S., Siddiqui, M.K. et al. Predictive modeling of influenza strain drugs using temperature-based topological indices and regression analysis via multi-criteria decision making techniques. Sci Rep 16, 14035 (2026). https://doi.org/10.1038/s41598-026-45284-9

الكلمات المفتاحية: أدوية الإنفلونزا, تصنيف الأدوية الحاسوبي, نظرية الرسوم في الكيمياء, نمذجة QSPR, اتخاذ القرار متعدد المعايير