في عالم الأبحاث العلمية، تمثل النماذج الأيضية (Metabolic Models) وسيلة قوية لدراسة الأسس الميكانيكية للحالات الخلوية والأمراض. ولكن، يتطلب استخدامها بفعالية خبرة حسابية كبيرة وتنسيق دقيق. هنا يأتي دور MechAInistic، النظام الذي تم تطويره لتبسيط هذه العملية.

تتبنى MechAInistic أنظمة نمذجة اللغة الكبيرة (Large Language Models) لتسهيل طرح الأسئلة البيولوجية المعقدة بلغة طبيعية، حيث يتمكن الباحثون الآن من تحويل أسئلتهم إلى سير عمل قابل للتنفيذ متصل بالنماذج الأيضية.

يعتمد النظام على نمط المعماري - المراجع (Architect-Reviewer)، ويقوم بتحويل الأسئلة إلى سير عمل مفهرس ويقدم تقريرًا منظمًا. يدعم MechAInistic مجموعة متنوعة من المهام مثل مقارنة المسارات، وتحليل التغيرات، واستكشاف الأدوية المستهدفة، وتفسير المعلومات المستندة إلى الأدبيات.

استخدم الفريق MechAInistic في تطوير فرضيات علاجية من خلال دراسة نموذجين من نماذج الخلايا المناعية. في دراسة لخلايا B اليافعة من مرضى التهاب المفاصل الروماتويدي (RA) والمقارنة مع أصحاء، تمكن النظام من تحديد إعادة توصيل التمثيل الغذائي للمتقدرات وترشيح دواء Devimistat/CPI-613 كفرضية علاجية investigational.

وفي دراسة مشابهة مع خلايا CD4+ Th17 من مرضى التصلب المتعدد (MS)، تم تحديد إنزيم NADP-dependent isocitrate dehydrogenase كأفضل هدف، ومقترح العلاج المثالي هو ivosidenib كمرشح معتمد من إدارة الغذاء والدواء (FDA) لإعادة استخدامه.

تظهر النتائج أن MechAInistic قادر على تحويل الأسئلة البيولوجية الطبيعية إلى سير عمل قابل للتنفيذ يمكن تتبعه، مما يساهم في تعزيز الابتكار في مجال تطوير الأدوية. العهد الجديد للذكاء الاصطناعي في الأبحاث على الأبواب، فما رأيكم في هذا التطور المثير؟ شاركونا آرائكم في التعليقات!