يقدم الباحثون بولتز-1، وهو نموذج مفتوح المصدر بالكامل للتنبؤ بالهياكل الجزيئية الحيوية

يقدم باحثو معهد ماساتشوستس للتكنولوجيا Boltz-1، وهو نموذج مفتوح المصدر بالكامل للتنبؤ بالهياكل الجزيئية الحيوية

ومع اقتصار نماذج مثل AlphaFold3 على البحث الأكاديمي، قام الفريق ببناء بديل مماثل لتشجيع الابتكار على نطاق أوسع.

أصدر علماء معهد ماساتشوستس للتكنولوجيا نموذجًا قويًا ومفتوح المصدر للذكاء الاصطناعي، يسمى Boltz-1، والذي يمكن أن يسرع بشكل كبير أبحاث الطب الحيوي وتطوير الأدوية.

تم تطوير Boltz-1 بواسطة فريق من الباحثين في معهد ماساتشوستس للتكنولوجيا جميل كلينيك للتعلم الآلي في مجال الصحة، وهو أول نموذج مفتوح المصدر بالكامل يحقق أداءً متطورًا على مستوى AlphaFold3، وهو النموذج من Google DeepMind الذي يتنبأ بالهياكل ثلاثية الأبعاد للبروتينات والجزيئات البيولوجية الأخرى.

كان طلاب الدراسات العليا في معهد ماساتشوستس للتكنولوجيا، جيريمي وولويند وغابرييل كورسو، هم المطورين الرئيسيين لـ Boltz-1، إلى جانب سارو باسارو، الباحث التابع لعيادة جميل في معهد ماساتشوستس للتكنولوجيا، وأساتذة الهندسة الكهربائية وعلوم الكمبيوتر في معهد ماساتشوستس للتكنولوجيا، ريجينا بارزيلاي وتومي جاكولا. قدم وولويند وكورسو النموذج في حدث 5 ديسمبر في مركز ستاتا التابع لمعهد ماساتشوستس للتكنولوجيا، حيث قالوا إن هدفهم النهائي هو تعزيز التعاون العالمي، وتسريع الاكتشافات، وتوفير منصة قوية لتطوير النمذجة الجزيئية الحيوية.

وقال كورسو: “نأمل أن تكون هذه نقطة انطلاق للمجتمع”. “هناك سبب نطلق عليه اسم بولتز-1 وليس بولتز. هذه ليست نهاية المطاف. نحن نريد أكبر قدر ممكن من المساهمة من المجتمع.”

تلعب البروتينات دورًا أساسيًا في جميع العمليات البيولوجية تقريبًا. يرتبط شكل البروتين ارتباطًا وثيقًا بوظيفته، لذا فإن فهم بنية البروتين أمر بالغ الأهمية لتصميم أدوية جديدة أو هندسة بروتينات جديدة ذات وظائف محددة. ولكن بسبب العملية المعقدة للغاية التي يتم من خلالها طي سلسلة طويلة من الأحماض الأمينية للبروتين في بنية ثلاثية الأبعاد، فإن التنبؤ الدقيق بهذه البنية كان يمثل تحديًا كبيرًا لعقود من الزمن.

يستخدم AlphaFold2 من DeepMind، والذي حصل ديميس هاسابيس وجون جمبر على جائزة نوبل في الكيمياء لعام 2024، التعلم الآلي للتنبؤ بسرعة بهياكل البروتين ثلاثية الأبعاد الدقيقة للغاية بحيث لا يمكن تمييزها عن تلك التي اشتقها العلماء تجريبيًا. وقد تم استخدام هذا النموذج مفتوح المصدر من قبل فرق البحث الأكاديمية والتجارية في جميع أنحاء العالم، مما حفز العديد من التطورات في تطوير الأدوية.

يعمل AlphaFold3 على تحسين سابقاته من خلال دمج نموذج الذكاء الاصطناعي التوليدي، المعروف باسم نموذج الانتشار، والذي يمكنه التعامل بشكل أفضل مع مقدار عدم اليقين الذي ينطوي عليه التنبؤ بهياكل البروتين المعقدة للغاية. على عكس AlphaFold2، فإن AlphaFold3 ليس مفتوح المصدر بالكامل، كما أنه ليس متاحًا للاستخدام التجاري، مما أثار انتقادات من المجتمع العلمي وأطلق سباقًا عالميًا لبناء نسخة متاحة تجاريًا من النموذج.

بالنسبة لعملهم على Boltz-1، اتبع الباحثون في معهد ماساتشوستس للتكنولوجيا نفس النهج الأولي الذي اتبعه AlphaFold3، ولكن بعد دراسة نموذج الانتشار الأساسي، اكتشفوا التحسينات المحتملة. لقد قاموا بدمج تلك التي عززت دقة النموذج أكثر من غيرها، مثل الخوارزميات الجديدة التي تعمل على تحسين كفاءة التنبؤ.

جنبًا إلى جنب مع النموذج نفسه، قاموا بفتح المصدر الكامل لخط أنابيبهم للتدريب والضبط الدقيق حتى يتمكن العلماء الآخرون من البناء على بولتز-1.

يقول بارزيلاي: “أنا فخور جدًا بجيريمي، وغابرييلي، وسارو، وبقية فريق جميل كلينيك لإنجاز هذا الإصدار. هناك العديد من الأفكار المثيرة لمزيد من التحسينات ونتطلع إلى مشاركتها في الأشهر المقبلة”. .

استغرق الأمر من فريق معهد ماساتشوستس للتكنولوجيا أربعة أشهر من العمل والعديد من التجارب لتطوير بولتز-1. كان أحد أكبر التحديات التي واجهوها هو التغلب على الغموض وعدم التجانس الموجود في بنك بيانات البروتين، وهو عبارة عن مجموعة من جميع الهياكل الجزيئية الحيوية التي تمكن الآلاف من علماء الأحياء من حلها في السبعين عامًا الماضية.

يقول وولويند: “لقد أمضيت ليالي طويلة وأنا أصارع هذه البيانات. وأغلبها عبارة عن معرفة مجالية خالصة يتعين على المرء اكتسابها. ولا توجد طرق مختصرة”.

في النهاية، أظهرت تجاربهم أن Boltz-1 حقق نفس مستوى الدقة الذي حققه AlphaFold3 في مجموعة متنوعة من التنبؤات المعقدة للبنية الجزيئية الحيوية.

يقول جاكولا: “إن ما أنجزه جيريمي وغابرييلي وسارو لا يقل عن كونه رائعًا. إن عملهم الجاد ومثابرتهم في هذا المشروع جعل التنبؤ بالبنية الجزيئية الحيوية في متناول المجتمع الأوسع وسيحدث ثورة في التقدم في العلوم الجزيئية”.

ويخطط الباحثون لمواصلة تحسين أداء بولتز-1 وتقليل مقدار الوقت المستغرق لإجراء التنبؤات. كما أنهم يدعون الباحثين لتجربة Boltz-1 على مستودع GitHub الخاص بهم والتواصل مع زملائهم مستخدمي Boltz-1 على قناة Slack الخاصة بهم.

ويضيف وولويند: “نعتقد أنه لا يزال هناك سنوات عديدة من العمل لتحسين هذه النماذج. ونحن حريصون جدًا على التعاون مع الآخرين ومعرفة ما يفعله المجتمع بهذه الأداة”.

ماثاي مامين، الرئيس التنفيذي ورئيس شركة Parabilis Medicines، يصف بولتز-1 بأنه نموذج “اختراق”. ويقول: “من خلال المصادر المفتوحة لهذا التقدم، تعمل عيادة جميل بمعهد ماساتشوستس للتكنولوجيا والمتعاونون معها على إضفاء الطابع الديمقراطي على الوصول إلى أدوات البيولوجيا الهيكلية المتطورة”. “سيؤدي هذا الجهد التاريخي إلى تسريع عملية إنشاء أدوية ستغير الحياة. شكرًا لفريق بولتز-1 على قيادة هذه القفزة العميقة إلى الأمام!”

يضيف جوناثان وايزمان، عالم الأحياء في معهد ماساتشوستس للتكنولوجيا وعضو معهد وايتهيد للهندسة الطبية الحيوية، والذي لم يشارك في الدراسة: “سيكون بولتز-1 مُمكِّنًا بشكل كبير لمختبري وللمجتمع بأكمله”. “سنرى موجة كاملة من الاكتشافات التي أصبحت ممكنة من خلال إضفاء الطابع الديمقراطي على هذه الأداة القوية.” ويضيف وايزمان أنه يتوقع أن طبيعة المصدر المفتوح لبولتز-1 ستؤدي إلى مجموعة واسعة من التطبيقات الجديدة الإبداعية.