في عصر تسارعت فيه الابتكارات التكنولوجية، يتصدر نظام MAGI المشهد كأداة ثورية في مجال اكتشاف الأدوية. هذا النظام الذي يعد بمثابة طبقة تنسيق بين أدوات تصميم الجزيئات، يهدف إلى تحسين نتائج المشاريع الواقعية الموجهة لتحقيق أهداف محددة.

التكنولوجيا المستخدمة في MAGI مدهشة؛ فقد تم تطويره كعامل مفتوح ونموذجي يعمل على تأليف الأهداف، وبدء المراقبة والتعديل على الاستراتيجيات وفقا لنتائج التجارب. باستخدام نماذج اللغة الكبيرة (Large Language Models) يمكن لـ MAGI توليد جزيئات جديدة إما بشكل مباشر أو من خلال تفويض المهام إلى نظام REINVENT 4.

من خلال تجربتنا، قمنا باختبار MAGI عبر تسع حملات لتحسين الجزيئات من ثلاث شركات دوائية مرموقة، وقد أظهرت النتائج أن المقترحات المقدمة من MAGI كانت قريبة من الكيمياء المحلية ووصلت إلى نشاط أساسي مشابه أو أعلى بعدد أقل من الخطوات. بينما استكشف نظام REINVENT فضاء كيميائي أوسع، أثبتت التجارب أن نجاح الحملة في تحقيق أهدافها يعتمد على دقة النماذج التنبؤية أكثر من الاعتماد على مسار التوليد نفسه. بمجرد أن تتحرك الكيمياء المقترحة خارج نطاق قابلية النموذج، يبدأ الأداء في التدهور.

بالإضافة إلى ذلك، تم إجراء تقييم مزدوج للتأكد مما إذا كانت مخرجات MAGI يمكن أن تُعتبر أعمال خبراء. وكانت النتائج مشجعة: لم يتمكن الكيميائيون من التمييز بين مقترحات MAGI والمركبات المحتفظ بها، مما يشير إلى إمكانيات هذه التكنولوجيا في تحسين مختلف مجالات الكيمياء الحاسوبية.

رغم هذه الإنجازات، تبقى التحديات قائمة، حيث يُحدد التطبيق الفعلي من خلال قدرة أنظمة التصنيف على التكيف مع الأدوات المستخدمة، وليس من خلال تنسيق الأدوات في حد ذاته. هل نحن أمام ثورة حقيقية في كيفية إجراء الأبحاث الدوائية؟ هذا ما ستكشف عنه الأيام القادمة.