الذكاء الاصطناعي

جوجل ديبمايند تطلق منصة Antigravity لتسريع اكتشاف المضادات الحيوية

أعلنت [Google DeepMind] عن تطوير منصة تفاعلية جديدة مدعومة بالذكاء الاصطناعي تهدف إلى تسريع وتيرة اكتشاف ببتيدات جديدة مضادة للميكروبات لمواجهة أزمة المقاومة العالمية.

رضوان عبدالهاديمحرر وكاتب تقني

نُشر: 15 أكتوبر 2026 · آخر تحديث: 15 أكتوبر 2026 · 3 دقائق قراءة

جوجل ديبمايند تطلق منصة Antigravity لتسريع اكتشاف المضادات الحيوية — الصورة: Google DeepMind

أزمة المقاومة العالمية والحاجة الملحة للعلاج

تُعد المستويات المتصاعدة لمشكلة antimicrobial resistance واحدة من أخطر الأزمات الصحية العالمية في العصر الحالي، إذ تشير التقديرات إلى احتمالية تسببها في نحو 10 ملايين وفاة سنوية حول العالم بحلول عام 2050. ولمواجهة هذا التحدي المتفاقم، تصبح الحاجة ملحة لاكتشاف علاجات مبتكرة وفعالة تتجاوز القيود المرتبطة بالمضادات الحيوية التقليدية.

تمثل الببتيدات المضادة للميكروبات، وتحديداً البكتريوسينات (bacteriocins)، بديلاً واعداً بفضل تطورها الطبيعي لاستهداف نقاط الضعف الأساسية في البكتيريا المنافسة، مما يصعّب على مسببات الأمراض تطوير مقاومة ضدها. ومع النمو الهائل في عمليات التسلسل الجيني، امتلأت القواعد العالمية بمليارات تسلسلات الأحماض الأمينية الطبيعية، غير أن جزءاً كبيراً منها يظل حبيس الجانب غير المبرمج من قواعد بيانات البروتينات.

دور منصة Google Antigravity في دمج سير العمل

أعلنت شركة [Google DeepMind] عن منصتها التطويرية الجديدة الموجهة للعلماء والباحثين، والتي تم تصميمها لتسهيل عملية البحث عن ببتيدات مضادة للميكروبات لم تكن معروفة من قبل. توفر المنصة بيئة عمل متكاملة قائمة على الوكلاء الذكيين لتمكين علماء الأحياء من اكتشاف الأهداف الواعدة وتقييمها هيكلياً وترتيبها حسب الأولوية في غضون ساعات قليلة.

تساعد المنصة الباحثين على استعراض ملايين البروتينات غير المصنفة سابقاً داخل قاعدة بيانات [UniProt] باستخدام نماذج لغوية متقدمة. وبفضل واجهات التفاعل الذكية، يتم ضغط جلسات البحث الطويلة والمشتتة عبر قواعد بيانات متعددة في جلسة عمل واحدة تتسم بالمرونة والكفاءة.

فك رموز الأحماض الأمينية عبر نموذج ProtNLM

لجسر الفجوة الناجمة عن وجود ملايين التسلسلات ذات الوظائف المجهولة في قواعد البيانات، طورت الشركة نموذج [ProtNLM (Protein Natural Language Model)] العميق لفك القواعد التطورية الكامنة وراء الأحماض الأمينية. يستطيع هذا النموذج التنبؤ بالوظيفة البيولوجية مباشرة من التسلسلات الخام، مما يثري ملايين الإدخالات غير المسمى سابقاً بتسميات وظيفية عالية الثقة.

يتيح هذا النظام استخراج أسماء البروتينات وتعليقات الوظائف والمواقع الخلوية ومصطلحات علم الجينات الحيوي بدقة متناهية، مما يمهد الطريق أمام الباحثين للتركيز على المرشحين الأكثر ملاءمة للأبحاث التطبيقية دون إهدار الوقت في الفحص اليدوي التقليدي.

التحليل الهيكلي والمقارنة باستخدام AlphaFold

خلال تجربة عملية استهدفت بكتيريا المجرى التنفسي، استخدم الباحثون المنصة للعثور على بكتريوسين مرشح يحمل المعرف [A0A0U0D591] بطول 97 حمضاً أمينياً من عائلة Lactococcin 972. وللتحقق من حداثة هذا الاكتشاف، تم توجيه الوكيل الذكي للتحقق من التسلسل مقارنةً بالبيانات المُدققة عبر خدمات الفحص المتاحة.

علاوة على ذلك، استعان الفريق بنماذج [AlphaFold Protein Structure Database] لجلب النماذج ثلاثية الأبعاد وتقييم تشابه الانحناءات الهيكلية مع البكتريوسينات المعروفة. وقد أثبتت الأدلة الهيكلية توافق تنبؤات النموذج اللغوي مع الهياكل المرصودة تجريبياً، مما يعزز من موثوقية الاكتشاف الجديد.

السياق الجيني والتحقق المخبري الحالي

لم يقتصر التحليل على الجزيء فحسب، بل امتد لفحص المحيط الجيني وموقع الجين المستهدف داخل القطاع الحيوي المرتبط به، مما أظهر أدلة قوية تدعم كونه جزءاً من نظام بكتريوسين نشط. وبناءً على مراجعة الأدبيات العلمية المتاحة، تم اقتراح آلية عمل محتملة تستهدف انقسام الخلايا البكتيرية لدى مسببات الأمراض المقاومة للأدوية.

تنتقل هذه النتائج الحاسوبية حالياً إلى مرحلة التطبيق العملي، حيث يخضع المرشح المكتشف إلى جانب خيارات أخرى لاختبارات التحقق المعملي الرطب لتحديد كفاءتها وسلامتها بدقة. وللمزيد من التفاصيل حول المنصة، يمكن للمهتمين [Explore scientific workflows in Google Antigravity] لمعرفة المزيد عن حالات الاستخدام العلمي.