ألفافولد هو نظام ذكاء اصطناعي طورته جوجل ديب مايند، يمكنه التنبؤ بالبنية ثلاثية الأبعاد للبروتينات بدقة غير مسبوقة - فقط من تسلسل الأحماض الأمينية. يُعتبر أحد أكبر الاختراقات في علم الأحياء في العقود الأخيرة.
ما هو ألفافولد؟
البروتينات هي الآلات الجزيئية للحياة. يعتمد دورها بشكل كبير على بنيتها ثلاثية الأبعاد. لعقود من الزمن، كان تحديد هذه البنية تجريبياً (على سبيل المثال، باستخدام علم البلورات بالأشعة السينية أو المجهر الإلكتروني بالتبريد) مكلفاً للغاية ويستغرق وقتاً طويلاً. يحل ألفافولد هذه المشكلة إلى حد كبير من خلال الذكاء الاصطناعي.
- ألفافولد 1 (2018): أول نجاح كبير في مسابقة CASP13.
- ألفافولد 2 (2020): الاختراق الحقيقي. حقق النظام دقة تضاهي الطرق التجريبية.
- ألفافولد 3 (2024): يوسع القدرات بشكل كبير. يمكن للنظام الآن التنبؤ ليس فقط بالبروتينات، ولكن أيضاً بتفاعلاتها مع الحمض النووي (DNA)، والحمض النووي الريبوزي (RNA)، والجزيئات الصغيرة، والأيونات.
كيف يعمل ألفافولد؟
يجمع ألفافولد بين عدة تقنيات ذكاء اصطناعي متقدمة:
- إيفوفورمر (Evoformer): نموذج قائم على المحولات (Transformer) يعالج المعلومات التطورية (محاذاة التسلسلات المتعددة) ويتعلم العلاقات بين الأحماض الأمينية.
- وحدة البنية (Structure Module): وحدة تكرارية تقوم بتحسين الإحداثيات ثلاثية الأبعاد للذرات تدريجياً.
- آليات الانتباه (Attention Mechanisms): تسمح للنموذج بربط الأجزاء البعيدة من تسلسل البروتين - وهو أمر حاسم للطي.
في ألفافولد 3، يتم استخدام نموذج انتشار إضافي (مشابه لمولدات الصور مثل Stable Diffusion)، والذي يولد البنية تدريجياً من الضوضاء.
التأثير والأهمية
- قاعدة بيانات بنية بروتين ألفافولد (AlphaFold Protein Structure Database): جعلت ديب مايند و EMBL-EBI الهياكل المتوقعة لأكثر من 200 مليون بروتين متاحة مجاناً - ما يقرب من جميع البروتينات المعروفة.
- التقدم العلمي: يمكن للباحثين الآن فهم ما كان يستغرق سنوات في أيام أو أسابيع. هذا مفيد بشكل خاص للبروتينات النادرة أو التي يصعب بلورتها.
- الطب واكتشاف الأدوية: يساعد ألفافولد في تطوير أدوية جديدة من خلال توفير سريع لهيكل البروتينات المستهدفة (على سبيل المثال، في السرطان أو الأمراض المعدية).
- جائزة نوبل 2024: حصل ديميس هاسابيس وجون جامبر على جائزة نوبل في الكيمياء لتطوير ألفافولد.
التطورات الحالية (حتى عام 2026)
غادر جون جامبر، الذي كان له دور فعال في ألفافولد وقاد فريق ألفافولد، جوجل ديب مايند وانتقل إلى أنثروبيك. هذا هو أحدث رحيل بارز عن ديب مايند، بعد أن غادر باحثون بارزون آخرون (بما في ذلك نوعام شازير وديفيد سيلفر) الشركة سابقًا.
لقد وسع ألفافولد 3 نطاق الإمكانيات من خلال القدرة على التنبؤ ليس فقط بالبروتينات الفردية، بل أيضًا بالتفاعلات الجزيئية المعقدة - وهي خطوة مهمة نحو محاكاة بيولوجية أكثر واقعية.
حدود ألفافولد
على الرغم من أدائه المثير للإعجاب، فإن ألفافولد لديه أيضًا قيود:
- يتنبأ بالهياكل الثابتة (البروتينات ديناميكية).
- التنبؤ بتفاعلات البروتين مع البروتين والمجمعات الكبيرة لا يزال غير مثالي.
- لا يحل محل التحقق التجريبي، ولكنه يكمله.
الخلاصة:
لقد غيّر ألفافولد علم الأحياء بعدة طرق - على غرار تسلسل الحمض النووي في الماضي. إنه يتيح وصولاً أسرع وأرخص بكثير إلى هياكل البروتين ويفتح مسارات جديدة في البحث الأساسي وتطوير الأدوية والبيولوجيا التركيبية.
