كشف بحث علمي حديث عن طريقة جديدة لاستخدام نماذج ذكاء اصطناعي متخصصة في علم الجينوم بهدف تصميم فيروسات قادرة على إصابة البكتيريا والتكاثر داخلها. ويُعد هذا التقدم خطوة علمية مهمة لأنه يختصر مسافة كبيرة بين فهم تسلسلات الجينات وبين اقتراح تصاميم فيروسية قابلة للاختبار في المختبر، لكنه في الوقت ذاته يعيد فتح نقاشات حادة حول الأمن البيولوجي وإمكانية إساءة الاستخدام.
وفقًا لما نُشر في دورية Science ونقلته تقارير صحفية، تمكن باحثون من معهد Arc في بالو ألتو وجامعة ستانفورد من تدريب نماذج ذكاء اصطناعي تُسمى Evo 1 وEvo 2 لاستخراج أنماط “لغة” الجينات واقتراح تراكيب فيروسية جديدة. الفكرة الجوهرية أن النماذج لا تتعامل مع الجينوم بوصفه بيانات رقمية فقط، بل تتعلم أنماط العلاقات بين الوحدات الأساسية للحمض النووي (النيوكليوتيدات) وكيف تنتج هذه التركيبات خصائص بيولوجية محددة.
## كيف “تتعلم” نماذج Evo الجينات؟
عملت Evo بطريقة تشبه نماذج اللغة الكبيرة مثل ChatGPT وClaude من حيث مبدأ التعلم من كميات ضخمة من البيانات لتوليد مخرجات تبدو منطقية وفق الأنماط. لكن بدل تدريبها على نصوص ومواقع إلكترونية، تم تدريبها على تسلسلات جينية. وبمرور التدريب على تريليونات من النيوكليوتيدات، تعلّمت النماذج العلاقات الإحصائية داخل الشفرة الجينية: أي كيف ترتبط الأجزاء بوظائف أو سلوكيات محتملة، بما في ذلك احتمالات نجاح الفيروس في بناء نفسه داخل الخلية المستهدفة.
## تجربة مضبوطة: استهداف البكتيريا فقط
لمنع خروج التجربة من نطاق الاستخدام البحثي الآمن، ركّز الباحثون على عائلة فيروسية بعينها ينتمي إليها فيروس Phi X-174، وهو فيروس صغير يستهدف بكتيريا الإشريكية القولونية فقط، وليس البشر أو الحيوانات أو النباتات أو الفطريات. كما تم تدريب النماذج بشكل إضافي على نحو 15 ألف فيروس من نفس العائلة، وهو ما ساعد الذكاء الاصطناعي على “فهم” بنية الفيروسات ضمن سياق محدود يمكن تقييمه بدقة.
تأتي أهمية هذا القيد من أن تصميم فيروسات تتوافق مع بيولوجيا خلايا محددة عادةً يتطلب تطابقًا أدق من مجرد التشابه العام؛ لذلك فإن حصر التجربة في فيروسات البكتيريا يوفر طريقًا لاختبار القدرة العلمية للنماذج دون فتح نافذة على مخاطر أعلى.
## نتائج مثيرة: عشرات المرشحين يتحولون إلى فيروسات تعمل فعلاً
في مرحلة الاقتراح، تمكن نموذج Evo من توليد قرابة 700 ألف تسلسل لفيروسات محتملة جديدة. ثم اختار الباحثون 285 مرشحًا على أنها الأكثر “واعدًا” وفق معايير تصميمية/تنبؤية تحددها المنهجية، وبعد ذلك جرى تصنيع الحمض النووي الخاص بهذه المرشحات وإدخاله إلى البكتيريا.
أظهرت التجارب أن 16 تصميمًا من تصميمات Evo أنتجت فيروسات عاملة بالفعل. ورغم أن الهدف الأساسي كان إثبات إمكانية توليد تصاميم فيروسية قابلة للحياة، فإن النتائج تضمنت أيضًا مؤشرات على تفاوت الأداء؛ فقد كانت بعض الفيروسات قادرة على التكاثر بسرعة أكبر، بينما حافظت فيروسات أخرى على مستوى قابل للحياة قريبًا من فيروس Phi X-174. هذه الملاحظة تعني عمليًا أن النماذج لم تقترح “تصميمات شكلية”، بل اقترحت تسلسلات قد تحمل خصائص وظيفية فعالة.
## فوائد محتملة في الطب والبحث الجينومي
رغم حساسية الموضوع، يملك هذا النوع من العمل إمكانات علمية كبيرة، من أبرزها:
– **تطوير أدوات أسرع لفهم الجينومات** عبر اختبار تصاميم افتراضية لمعرفة ما الذي يجعل تسلسلًا ما قادرًا على العمل داخل خلية محددة.
– **دعم مناهج العلاج الجيني**، حيث قد تُستخدم فيروسات معدلة أو مُصممة لأداء وظائف علاجية ضمن سياقات محدودة (بعد تقييمات سلامة صارمة).
– **ابتكار استراتيجيات لمواجهة البكتيريا الضارة**، مثل توسيع مجال “العاثيات” (bacteriophages) كبديل محتمل أو مكمّل للمضادات الحيوية في حالات مقاومة الميكروبات.
– **تحسين نمذجة التفاعل بين الفيروس والخلية** من خلال ربط تسلسل الجينوم بخصائص مثل معدل التكاثر، والكفاءة في الدخول للخلية، واستقرار النسخ.
## مخاطر الأمن البيولوجي: نفس القدرة قد تعني نفس التهديد
أكبر نقطة تقلق الباحثين وصناع السياسات هي أن القدرة على تصميم تسلسلات بيولوجية جديدة يمكن، في حال وصولها إلى أطراف غير مسؤولة أو في ظل نماذج أكثر تطورًا، أن تتحول من أداة للبحث إلى أداة لصناعة تهديدات. فالخشية ليست فقط من “الفيروس نفسه”، بل من إمكانية توسيع نطاق الاستهداف، أو تحسين الكفاءة، أو تقليل الحواجز التقنية التي تجعل التصميم صعبًا أو مكلفًا.
بعبارة أخرى، بينما يقدم الذكاء الاصطناعي مسارًا لتسريع البحث العلاجي، قد يؤدي أيضًا إلى تسريع قدرات الضارة إذا لم تكن هناك ضوابط فعالة. وهذا يفسر لماذا تركز النقاشات الحديثة على “الإدارة” و”الحوكمة” بقدر تركيزها على الابتكار التقني.
## هل تستطيع الأنظمة التنظيمية مواكبة التطور؟
توضح التجربة معضلة متنامية: التكنولوجيا ليست بالضرورة “شريرة”، لكن النتائج تعتمد على طريقة استخدامها ومن يملك الأدوات. لذلك، وضعت الدراسة قيودًا واضحة عبر حصر الاختبارات في فيروسات تصيب البكتيريا فقط واستبعاد أي فيروسات تستهدف البشر أو الكائنات الأخرى. ومع ذلك، يظل السؤال مفتوحًا حول ما سيحدث عندما تتطور النماذج لتصبح أكثر قدرة على الاقتراح مع نطاق أوسع، وحين يصبح من الممكن تجاوز القيود التي لم تُبنَ أصلاً ضمن تصميم المنهج.
لذلك، لا يكفي أن تكون التجارب في مختبرات بحثية آمنة؛ بل يتطلب الأمر إطارًا تنظيميًا وتقنيًا يواكب السرعة المتزايدة للتطور في الذكاء الاصطناعي، بما في ذلك:
– تقييمات مخاطر أدق قبل التجارب.
– آليات مراقبة للحوسبة والتصميم التي قد تؤثر على القدرة على توليد تسلسلات ضارة.
– تعاون بين الباحثين والجهات التنظيمية لوضع حدود عملية قابلة للتنفيذ.
في النهاية، يبرز هذا العمل كإشارة واضحة إلى أن “تصميم الحياة الموجه بالخوارزميات” بات أقرب من أي وقت مضى، وأن التقدم العلمي سيحتاج بالتوازي إلى صرامة في السلامة والرقابة كي تتحول هذه الإمكانات إلى قيمة علاجية بدل أن تكون مصدرًا للمخاطر.
التعليقات