لماذا تكمن أهمية التوأم الرقمي للخلية
يُعد اكتشاف الأدوية اليوم بمثابة مقامرة. يقضي الباحثون سنوات في تعديل الجزيئات، ثم يختبرونها في الخلايا والحيوانات، وأخيرًا في البشر. ومع ذلك، فإن معظم المرشحات لا تتجاوز التجارب البشرية المبكرة أبدًا. إن وجود نموذج حوسبي موثوق يمكنه التنبؤ بالاستجابة الخلوية من شأنه أن يسمح للعلماء باستبعاد المركبات غير المجدية في وقت مبكر وتركيز الموارد على المسارات الأكثر واعدة.
تتعامل Arc مع الخلية كنظام يمكن محاكاته حاسوبيًا (in silico)، تمامًا كما يقوم المهندسون بنمذجة الطائرة قبل أن تغادر الأرض. وإذا نجحت المحاكاة في إعادة إنتاج التغيرات في التعبير الجيني التي قد تظهرها خلية حقيقية تحت تأثير اضطراب معين، فإن الحاجة إلى تجارب مكلفة ومستهلكة للوقت ستتقلص بشكل كبير.
نموذج "State" – محول (transformer) مدرب على 100 مليون خلية
في قلب المنصة تكمن شبكة عصبية من نوع transformer يطلق عليها الفريق اسم State. تُشغل نماذج الـ Transformers النماذج اللغوية الكبيرة؛ ولكنها هنا تستوعب البيانات البيولوجية بدلاً من النصوص. تعلمت State من مجموعة منسقة تضم 100 مليون قياس لخلية واحدة، حيث رصدت العلاقات الإحصائية بين الاضطرابات الجينية وأنماط التعبير اللاحقة.
تقول Arc إن State يتفوق على النماذج السابقة التي اعتمدت على تقنيات إحصائية أبسط. كما يقر الفريق بوجود قيد رئيسي: عندما يواجه النموذج نوعًا من الخلايا لم يره من قبل أثناء التدريب، تتراجع دقة تنبؤاته. ويقدر الباحثون أن الوصول إلى نموذج "مثالي" — يمكنه التعميم عبر جميع أنواع الخلايا البشرية — لا يزال بعيدًا بنحو عقد من الزمان.
وضع النموذج قيد الاختبار: تحدي Virtual Cell Challenge
لتقييم مدى نجاح State والأساليب الأخرى في البيئات الواقعية، نظمت Arc مسابقة عامة أُطلق عليها اسم Virtual Cell Challenge. تلقى المشاركون مجموعة بيانات صعبة وطُلب منهم التنبؤ بنتائج التعبير الجيني لاضطرابات غير مرئية. كانت النتائج صادمة: حيث كان أداء العديد من فرق الذكاء الاصطناعي أسوأ من المتوسط الرياضي البسيط لبيانات التدريب.
تؤكد هذه النتيجة على نقطة أوسع يصارعها هذا المجال: وهي أن نماذج التعلم العميق البحتة، حتى الكبيرة منها، تتعثر عندما تكون البيانات المدخلة مشوشة أو شحيحة أو غير متجانسة بيولوجيًا. وقد قامت المشاركات الناجحة بالجمع بين الشبكات العصبية والأساليب الإحصائية الكلاسيكية، مما يشير إلى أن سير العمل الهجين قد يكون المسار الأمثل على المدى القريب.
تنظيف الفوضى: مسار بيانات scBaseCount
أحد أكبر العقبات في بناء نموذج مثل State هو جودة البيانات. فقياسات الخلية الواحدة الخام مليئة بتأثيرات الدفعات (batch effects)، والقيم المفقودة، والتعليقات التوضيحية غير المتسقة. وقد استجابت Arc من خلال هندسة مجموعة من وكلاء الذكاء الاصطناعي (AI agents) الذين يقومون بأتمتة تنسيق البيانات، ويُطلق عليهم مجتمعين اسم scBaseCount.
- Finder agents: تقوم بمسح المستودعات العامة وتنزيل الملفات الخام.
- Organizer agents: تعمل على توحيد التنسيقات، ومحاذاة البيانات الوصفية (metadata)، وحل تضاربات التسمية.
- supervisor agent: يقوم بمراجعة المخرجات، وتحديد الشذوذ لمراجعته من قبل البشر.
وقد جمع هذا المسار مستودعًا يضم حوالي 500 مليون خلية — وهو أكبر بأربع مرات من أكبر مجموعة عامة سابقة. إن هذا الحجم الهائل، المقترن بالتنظيف المنهجي، يمنح State أرضية تدريب أغنى وأكثر موثوقية من الجهود السابقة.
التعلم بالممارسة: حلقة التغذية الراجعة
لا تعتمد Arc فقط على البيانات التاريخية، بل تدير المنصة دورة تعلم نشط (active-learning): حيث يقترح الذكاء الاصطناعي تجارب جديدة، ويقوم المختبر بتنفيذها، ثم تتدفق النتائج مرة أخرى إلى النموذج. ومن الناحية العملية، يختار وكيل الذكاء الاصطناعي جينًا لتعطيله (knock out) أو دواءً لتطبيقه، وتُجرى التجربة على خلايا حقيقية، وتعمل تغيرات التعبير الملحوظة على تحسين معايير State.
تخدم هذه الحلقة غرضين: أولاً، تعمل باستمرار على توسيع مجموعة التدريب بنقاط بيانات تعالج النقاط العمياء الحالية للنموذج. ثانيًا، توفر خطوة تحقق مدمجة، مما يضمن استناد التنبؤات إلى أدلة تجريبية بدلاً من قبولها كما هي.
ماذا يعني هذا لمهندسي الذكاء الاصطناعي وشركات التكنولوجيا الحيوية
يمكن تلخيص الإفصاحات العامة لشركة Arc في درسين عمليين:
- جودة البيانات تتفوق على تعقيد النموذج. إن نموذج transformer متطورًا تم تدريبه على بيانات مشوشة وغير مكتملة سيكون أداؤه أقل من خوارزمية أبسط تُغذى بمدخلات منسقة بدقة. يذكرنا مسار scBaseCount بأن الاستثمار في هندسة البيانات يمكن أن يحقق مكاسب أكبر من السعي وراء أحجام نماذج أكبر باستمرار.
- حلقات التحقق ضرورية. إن الوثوق بمخرجات النموذج دون فحوصات خارجية أمر محفوف بالمخاطر، خاصة في علم الأحياء حيث تكثر العوامل المربكة غير المعروفة. إن دمج وكلاء (agents) يتحققون من صحة بعضهم البعض — أو يقارنون التنبؤات بالتجارب الواقعية — يخلق شبكة أمان تكتشف الأخطاء المنهجية مبكرًا.
الطريق أمامنا والمشككون
بينما تبدو الوعود واضحة، فإن هذه التكنولوجيا بعيدة كل البعد عن كونها حلاً جاهزًا للاستخدام. تشير صعوبة State في التعامل مع أنواع الخلايا غير المرئية إلى أن النموذج لا يزال يفتقر إلى فهم حقيقي للبيولوجيا الأساسية. وتظهر نتائج Virtual Cell Challenge أنه حتى فرق الذكاء الاصطناعي ذات التمويل الجيد يمكن أن تتفوق عليها نماذج مرجعية (baselines) بسيطة عندما تكون المشكلة غير محددة بدقة.