ألفافولد 3 مفتوح للباحثين — إليكم ما أنتجته سنة من الوصول فعلياً
عندما أصدرت ديب مايند ألفافولد 2 في عام 2020، حل تحديًا كبيرًا عمره 50 عامًا في علم الأحياء: التنبؤ بكيفية طي البروتين من تسلسل الأحماض الأمينية إلى بنية ثلاثية الأبعاد. كان رد فعل المجتمع العلمي شبه إجماعي — كان هذا أحد أهم الأدوات البيولوجية التي تم إنشاؤها على الإطلاق. في غضون عامين، تنبأ ألفافولد بهياكل أكثر من 200 مليون بروتين، وهو أساساً عالم البروتينات المعروف بأكمله، وجعلها متاحة مجانًا من خلال قاعدة بيانات المعهد الأوروبي للمعلوماتية الحيوية.
ذهب ألفافولد 3، الذي صدر في عام 2024، إلى أبعد من ذلك. يمكنه التنبؤ ليس فقط بهياكل البروتين ولكن أيضًا بهياكل معقدات البروتين — البروتينات التي تتفاعل مع DNA وRNA والروابط والجزيئات الدوائية الصغيرة في وقت واحد. هذه هي القدرة التي كان اكتشاف الأدوية ينتظرها: التنبؤ ليس فقط بشكل البروتين، بل بكيفية تفاعله مع العلاجات المحتملة بدقة ذرية.
ما الذي يتنبأ به ألفافولد 3 فعليًا
الترقية الحرجة في ألفافولد 3 هي قدرته على نمذجة التفاعلات الجزيئية بدلاً من الهياكل المنعزلة. يعمل جزيء الدواء عن طريق الارتباط بهدف بروتيني معين — عادةً عن طريق الدخول في جيب في بنية البروتين بطريقة تنشطه أو تثبطه. يتطلب التنبؤ الدقيق بتفاعل الارتباط نمذجة التغيرات التركيبية التي يمر بها كل من البروتين وجزيء الدواء عند لقائهما.
يستخدم ألفافولد 3 بنية قائمة على الانتشار (مشابهة للنماذج وراء توليد الصور) بدلاً من النهج القائم على Transformer في ألفافولد 2، مما يسمح له بمعالجة المدخلات الجزيئية غير المتجانسة — مزج البروتينات والأحماض النووية والجزيئات الصغيرة في تنبؤ واحد. أظهرت المقاييس المنشورة عند الإطلاق تفوقه على أدوات الالتحام المتخصصة في مهام التنبؤ بالبروتين-ربيطة، وهي النتيجة التي جذبت انتباه فرق اكتشاف الأدوية.
ما فعله الباحثون به
كان التطبيق الأكثر فورية هو الفحص الافتراضي: استخدام ألفافولد 3 للتنبؤ بكيفية ارتباط آلاف أو ملايين الجزيئات الدوائية المرشحة بهدف بروتيني، ثم تصفية الجزيئات الأكثر وعدًا قبل إجراء التجارب الفيزيائية. وهذا يضغط ما كان في السابق عملية تحديد النقاط الحساسة التي تستغرق سنوات إلى أسابيع. نشرت العديد من المختبرات الأكاديمية مطبوعات أولية تصف مرشحات ارتباط جديدة لأهداف صعبة — بما في ذلك بروتينات "غير قابلة للعلاج بالعقاقير" سابقاً ذات جيوب ربط ضحلة أو مخفية — تم تحديدها بالكامل من خلال الفحص الحاسوبي الموجه بواسطة ألفافولد 3.
كان تصميم الأجسام المضادة تطبيقًا آخر عالي القيمة. أصبح التنبؤ بكيفية ارتباط الجسم المضاد بمستضده — وتصميم متغيرات من الأجسام المضادة ترتبط بشكل أقوى أو أكثر تحديداً — الآن أسرع بكثير باستخدام ألفافولد 3 مقارنة بالأدوات الحاسوبية السابقة. كشفت آيزومورفيك لابز، الفرع المعني باكتشاف الأدوية لديب مايند، أن العديد من البرامج في خط أنابيبها صُممت بمساعدة ألفافولد 3، على الرغم من أن البيانات السريرية لن تكون متاحة لسنوات.
أنتجت هندسة الإنزيمات بعضًا من أسرع النتائج الملموسة. استخدم باحثون في عدة مجموعات أكاديمية ألفافولد 3 لتصميم متغيرات إنزيمية جديدة تؤدي تفاعلات غير موجودة في الطبيعة — تحليل بوليمرات بلاستيكية محددة، وتصنيع نظائر معقدة للمنتجات الطبيعية، وتحفيز التفاعلات ذات الانتقائية المحسنة. ميزة السرعة مثيرة: دورات التصميم الحاسوبي التي كانت تستغرق شهورًا سابقًا تستغرق الآن أيامًا.
ما لا يزال لا يمكنه فعله
تنبؤات ألفافولد 3 ثابتة. يتنبأ بالبنية الأقل طاقة لمعقد، وليس ديناميكيات كيفية تحرك الجزيئات وانحنائها بمرور الوقت. حركة البروتين — التغيرات التركيبية التي تحكم كيفية دخول الأدوية إلى جيوب الارتباط، وكيفية انتشار الإشارات الألوسيتيرية، وكيفية فتح وإغلاق الإنزيمات — تتطلب محاكاة الديناميكيات الجزيئية، التي لا يستبدلها ألفافولد. تحدث العديد من حالات فشل الأدوية لأن مركبًا يرتبط بالبنية الثابتة المتوقعة ولكنه يتصرف بشكل مختلف في السياق الديناميكي الفسيولوجي. يعد دمج تنبؤات ألفافولد 3 مع محاكاة الديناميكيات الجزيئية مجالاً نشطًا للتطوير.
الدقة أيضًا غير موحدة. أداء ألفافولد 3 أفضل بشكل ملحوظ على بعض فئات الهدف من غيرها. تظل المستقبلات المقترنة بالبروتين جي (GPCRs) — الفئة الأكثر شيوعًا من أهداف الأدوية — صعبة بسبب عدم التقاط مرونتها التركيبية بالكامل. البروتينات غير المنتظمة جوهريًا، التي تفتقر إلى بنية ثلاثية الأبعاد مستقرة تحت الظروف الفسيولوجية، مقاومة بحكم تعريفها للتنبؤ بالبنية. ودقة تنبؤات البروتين-ربيطة، رغم كونها أفضل من الأدوات السابقة، لا تزال تنتج إيجابيات كاذبة تتطلب تحققًا فيزيائيًا لإزالتها.
مسألة الوصول
كان أحد الجوانب الأكثر تعقيدًا في إطلاق ألفافولد 3 هو سياسة الوصول. خادم ألفافولد مجاني للبحث الأكاديمي غير التجاري، ولكن أوزان النموذج — التي تسمح للباحثين بتشغيل ألفافولد 3 محليًا ودمجه في خطوط الأنابيب الآلية — تم حجبها في البداية من قبل ديب مايند، بحجة مخاوف تجارية. أثار هذا رد فعل عنيفًا كبيرًا من المجتمع العلمي، الذي احتفل بالإصدار المفتوح لألفافولد 2.
أصدرت ديب مايند لاحقًا أوزان النموذج بموجب ترخيص يسمح باستخدام البحث غير التجاري والنشر المحلي، مع تقييد الاستخدام التجاري. هذا هو حل وسط يرضي معظم الباحثين الأكاديميين لكنه لا يزال ينتقد من قبل دعاة العلم المفتوح الذين يشيرون إلى أن التدريب التأسيسي لألفافولد اعتمد على عقود من بيانات علم الأحياء الهيكلي الممولة من القطاع العام.
التأثير العملي على الجداول الزمنية لاكتشاف الأدوية حقيقي وقابل للقياس — ليس في صياغة "علاج السرطان غدًا" التي رافقت التغطية المبكرة، ولكن في الضغط الحقيقي لمراحل تحديد النقاط الحساسة وتحسين الرصاص التي استغرقت تاريخيًا سنوات من العمل قبل السريري. ما يشتريه ألفافولد 3 ليس اليقين، ولكن نقطة بداية أفضل بشكل كبير — وفي اكتشاف الأدوية، نقطة البداية الأفضل تستحق قدرًا هائلاً.