AlphaFold والذكاء الاصطناعي في الاكتشاف العلمي

قصّة AlphaFold، نموذج DeepMind الذي حلّ مشكلة عمرها 50 سنة (طيّ البروتينات) وحصل على نوبل 2024، وكيف يُغيّر AI الاكتشاف العلمي عبر الأدوية والمواد والفيزياء.

فريق مقالات، قسم التقنية ٤ سبتمبر ٢٠٢٦ 6 دقيقة قراءة

في 5 أكتوبر 2024، لجنة نوبل أعلنت جائزة الكيمياء لـ Demis Hassabis و John Jumper و David Baker. للمرّة الأولى في التاريخ، حصلت مساهمة ذكاء اصطناعي على نوبل. هذا مقال عن كيف غيّر AI مسار الاكتشاف العلمي.

مشكلة عمرها 50 سنة

السؤال: البروتين يُصنَع كسلسلة خطّية من الأحماض الأمينية. ثمّ ينطوي تلقائياً في شكل ثلاثي الأبعاد يُحدّد وظيفته.

السؤال: كيف نتوقّع الشكل الثلاثي من التسلسل الخطّي فقط؟

لماذا مهمّ:

كل أمراض البشر تقريباً مرتبطة ببروتينات (بنيتها أو خللها).
تصميم الأدوية = فهم شكل البروتين المستهدَف.
التجربة المخبرية (Cryo-EM, X-ray Crystallography) تستغرق شهور لسنوات لبروتين واحد.

Christian Anfinsen فاز بنوبل 1972 لإظهار أن التسلسل يُحدّد البنية. لكن كيفية التنبّؤ ظلّت لغزاً.

CASP، أولمبياد طيّ البروتينات

Critical Assessment of Structure Prediction، مسابقة كل سنتين منذ 1994.

ينشر منظّمون بروتينات معروفة بنيتها لكن غير منشورة.
الفرق تُقدّم توقّعات.
تُقارَن بالحقيقة.
GDT-TS score = مقياس الدقّة (100 = مثالي).

التاريخ:

1994-2016: أفضل النتائج ~40-60 GDT (متوسّط).
2018 CASP13: AlphaFold 1 يقفز إلى ~60 (تفوّق واضح).
2020 CASP14: AlphaFold 2 يقفز إلى 92، يعادل التجارب المخبرية.

تعليق منظّم CASP: "لقد حُلّت المشكلة إلى حدّ كبير."

AlphaFold 2، التقنية

نُشر أرقاً في Nature يوليو 2021.

المكوّنات

Multiple Sequence Alignment (MSA): يجمع تسلسلات بروتين مشابهة من كائنات مختلفة. أنماط التطوّر تُلمّح إلى البنية.
Evoformer: نموذج Transformer معدّل يجمع بين MSA وتمثيل زوجيّ.
Structure Module: يُنتج البنية 3D بلاعدد من التطبيقات (attention iterative).
Recycling: النموذج يمرّ عدّة مرّات، محسّناً بنفسه.

النتائج

200 مليون بنية بروتينية في AlphaFold Database (2022).
مجّاناً للجميع، أعظم هدية للعلم الحديث.

AlphaFold 3، القفزة التالية

مايو 2024 (Nature).

الجديد:

ليس بروتينات فقط، بل كل الجزيئات البيولوجية:
- DNA, RNA.
- Sugars, lipids.
- Ions (Zn, Mg, etc.).
- Ligands (small drug molecules).
يتوقّع التفاعلات: كيف يرتبط دواء مع بروتينه المستهدَف.

الأثر: تسريع كامل لعملية اكتشاف الأدوية.

الجدل: AlphaFold 3 ليس مفتوح المصدر، DeepMind قدّمت واجهة ويب (AlphaFold Server) مع قيود. اعترضت أوساط علمية.

Isomorphic Labs

أسّست 2021 كشركة تابعة لـ Alphabet.
بقيادة Demis Hassabis.
الرسالة: تطبيق AlphaFold لاكتشاف الأدوية.
شراكات مع Eli Lilly, Novartis.

المختبرات المنافسة

ESMFold (Meta AI)

من فريق Yann LeCun.
Evolutionary Scale Model، لا يحتاج MSA.
أسرع لكن دقّة قليلاً أقلّ.
مفتوح المصدر كاملاً.

RoseTTAFold (جامعة واشنطن)

من مختبر David Baker (فائز نوبل 2024).
منافس AlphaFold 2.
مفتوح المصدر.

RFDiffusion، التصميم العكسي

RoseTTAFold + Diffusion Models = تصميم بروتينات جديدة كلياً.

التطبيق:

تُحدّد وظيفة مطلوبة (ربط بجزيء معيّن).
الخوارزمية تُصمّم بروتين جديد لهذه الوظيفة.
تُصنَع في المختبر (تركيب DNA + التعبير في البكتيريا).
تُختبَر.

النتائج: تصميمات نجحت في المختبر، بروتينات لم تصنعها الطبيعة قطّ.

التطبيقات:

أدوية جديدة مصمّمة على القياس.
إنزيمات صناعية لتفكيك البلاستيك أو تصنيع كيميائيات.
لقاحات محسَّنة.

AlphaProteo (سبتمبر 2024)

من DeepMind، نموذج تصميم بروتيني منافس لـ RFDiffusion.

يُنتج بروتينات ترتبط بأهداف بقوّة 300× أعلى من الطرق التقليدية.

AI في اكتشاف الأدوية

الصورة العامّة

قبل AI:

10-15 سنة لتطوير دواء.
تكلفة $2-3 مليار.
90% فشل.

بعد AI (متوقّع):

5-7 سنوات.
تكلفة $500M-$1B.
30-50% نجاح؟ (لم يتحقّق بعد بشكل كامل).

شركات AI للأدوية

Isomorphic Labs (Alphabet).
Insilico Medicine: أوّل دواء AI-designed دخل تجارب سريرية 2022.
Recursion Pharmaceuticals.
Exscientia.
Atomwise.

تجارب سريرية

INS018_055 (Insilico): دواء تليّف رئوي، وصل Phase 2.
عدّة أدوية AI-designed في مراحل مختلفة.

التحقّق الحقيقي: أوّل دواء AI-designed يصل للأسواق (متوقّع 2027-2029).

GraphCast، ثورة الطقس

نوفمبر 2023 (Science)، DeepMind.

يتوقّع الطقس لـ 10 أيام بدقّة تُنافس أو تفوق أفضل النماذج التقليدية.
1000× أسرع، دقيقة على GPU بدل ساعات على supercomputer.
تتوقّع الأعاصير والحرارة الشديدة بدقّة أعلى.
مفتوح المصدر.

الأثر: تستخدمه ECMWF (المركز الأوروبي للتنبّؤ) و Met Office البريطاني.

Materials Discovery

GNoME (DeepMind, 2023)

اكتشف 2.2 مليون مادة جديدة محتملة (منها 380k مستقرّة).

أكثر من كل المواد المكتشفة بشرياً في التاريخ (~50k قبل هذا).
مفتوح المصدر.
بعض المواد التُبطن تُقدّم تحسينات في: البطاريات، الشاشات، الشرائح.

MatterGen (Microsoft, 2025)

نموذج توليدي يُصمّم مواد جديدة لخصائص مطلوبة.

AI في الفيزياء

CERN، كشف الجسيمات

شبكات عصبية تُحلّل تصادمات LHC.
تكتشف أنماط في بحر بيانات هائل (بيتابايت/ثانية).

AI للاندماج النووي

DeepMind + EPFL (2022): AI يتحكّم بلا زما التوكاماك بشكل أفضل من التحكّم التقليدي.
خطوة نحو الاندماج التجاري.

AI في الفلك

كشف الكواكب خارج المجموعة الشمسية من بيانات Kepler و TESS.
تصنيف المجرّات (Galaxy Zoo).
كشف موجات جاذبية (LIGO).

AI في الرياضيات

AlphaProof + AlphaGeometry 2 (2024)

حلّا 4 من 6 مسائل في الأولمبياد الرياضي الدولي 2024 (IMO).
ميدالية فضّية بحساب النقاط (لكن مستقلّة عن العمر البشري).

FunSearch (2023)

DeepMind، يكتشف اكتشافات رياضية جديدة عبر توليد كود Python واختباره.

AI في الاكتشافات الطبّية

AlphaMissense (2023): يتوقّع أثر الطفرات الجينية على البروتينات.
Med-Gemini (2024): Google، نموذج طبّي متخصّص.

التحدّيات

1. البيانات المُتاحة

نماذج AI جيّدة بقدر بياناتها. مجالات علمية بلا بيانات كافية = لا AI مفيد.

2. القابلية للتفسير

نماذج تعطي إجابة صحيحة لكن لا تشرح "لماذا"، مشكلة في العلم حيث الفهم أساس.

3. التحقّق التجريبي

توقّع AI ليس نهاية القصّة، يجب اختباره في المختبر. الفجوة "من الحاسوب للمختبر" لا تزال بطيئة.

4. الوصول

معظم الأبحاث المتقدّمة تحتاج GPUs باهظة. الجامعات الفقيرة والدول النامية متأخّرة.

ماذا يعني للعالم العربي؟

الفرص:

استخدام AlphaFold Database (مجّاني) في أبحاث سعودية.
KAUST لديها مركز حاسوب قوي.
HUMAIN يمكن أن تُطلق مشاريع AI-for-Science إقليمية.

التحدّيات:

قلّة الباحثين المتخصّصين في التقاطع بين AI والعلوم.
بنية تحتية بحثية لا تزال تنمو.

المستقبل

AlphaFold 4/5: توقّع حركة البروتينات ديناميكياً، لا بنية ثابتة فقط.
AI Scientist: نموذج يقترح فرضيات، يصمّم تجارب، يفسّر نتائج (Sakana AI بدأ هذا).
AI لكل الاكتشافات: من طاقة الاندماج، إلى الأدوية، إلى المواد الفضائية.

التاريخ سيسجّل 2020s كعقد أطلق AI الاكتشاف العلمي على مستوى غير مسبوق. AlphaFold مجرّد البداية.

اقرأ أيضاً:

هل أفادك هذا المقال؟

كن أول من يقيّم

الأسئلة الشائعة

البروتينات تُصنَع كسلاسل خطّية من الأحماض الأمينية، ثمّ تنطوي في أشكال ثلاثية الأبعاد معقّدة تُحدّد وظيفتها. توقّع هذه البنية من التسلسل وحده مشكلة عمرها 50 سنة في الأحياء، أساسية لفهم الأمراض وتصميم الأدوية.

AlphaFold 2 (2020) من DeepMind استخدم Transformer + Attention + بيانات بنيوية معروفة من Protein Data Bank. حقّق دقّة تُقارب التجارب المخبريّة (GDT-TS > 90). تفوّق بشكل ساحق في مسابقة CASP14 وأعلن حلّ المشكلة عملياً.

Demis Hassabis (مؤسّس DeepMind) و John Jumper (قائد فريق AlphaFold) شاركا نصف جائزة نوبل الكيمياء 2024. النصف الآخر لـ David Baker (جامعة واشنطن) عن تصميم بروتينات جديدة بـ Rosetta و RFDiffusion.

أُطلق مايو 2024. يتوسّع من البروتينات فقط إلى **جميع الجزيئات البيولوجية**: DNA, RNA, sugars, ions, أدوية. يمكنه توقّع كيف يتفاعل دواء مع هدف بروتيني، قفزة نوعية لاكتشاف الأدوية.

قاعدة بيانات مجّانية تحتوي بُنى 200+ مليون بروتين، تقريباً كل البروتينات المعروفة في الحياة على الأرض. بلغت من ~200k بنية مخبريّة بعد 50 سنة عمل، إلى 200M بنية بعد سنة من AlphaFold. غيّرت البحث البيولوجي جذرياً.

AlphaProteo (2024) من DeepMind يُصمّم بروتينات جديدة تربط بأهداف محدّدة. RFDiffusion (2023) من مختبر Baker يُنتج بروتينات جديدة كلياً باستخدام Diffusion Models. معاً يفتحان عصر البروتينات المصمَّمة (Protein Design Era).

GraphCast للطقس (10 يوم بدقّة تفوق النماذج التقليدية)، Materials Project (اكتشاف مواد جديدة)، AI في فيزياء الجسيمات (CERN)، اكتشاف نجوم/كواكب في الفلك، وتسريع محاكاة الكيمياء والاندماج النووي.