جوجل ديب مايند تستخدم وكلاء Antigravity للعثور على مرشح ببتيد مضاد للميكروبات

نشرت جوجل ديب مايند في 15 أكتوبر 2026 شرحاً تقنياً يوضح كيف يمكن لمنصة التطوير الوكيلية الخاصة بها، Google Antigravity، أن تسرّع البحث عن مضادات حيوية جديدة. وبحسب الشركة، تمكن علماء أحياء يعملون في جلسة واحدة على Antigravity من التوصل إلى مرشح ببتيد جديد مضاد للميكروبات، يُتوقع أن يكون نشطاً ضد مسببات الأمراض المرتبطة بعدوى الجهاز التنفسي. ويخضع هذا المرشح حالياً للتحقق في المختبر.

يُنسب هذا العمل إلى كل من Pengfei Tian وMaxwell L. Bileschi وZoi Tsangalidou وSukhdeep Singh وLucy J. Colwell. ويؤكد المؤلفون أن النتيجة توجّه واعد مدعوم بأدلة بنيوية وجينومية، وليست دواءً مثبتاً، وأن التجارب المخبرية ما تزال ضرورية.

استكشاف المادة المظلمة للبروتينات

يقوم سير العمل على نموذج ProtNLM، وهو نموذج تعلم عميق طورته جوجل ويتنبأ بالوظيفة البيولوجية مباشرة من تسلسلات الأحماض الأمينية. ويضيف النموذج وسوماً مثل أسماء البروتينات، وأوصاف الوظائف، والمواقع تحت الخلوية، ومصطلحات GO والكلمات المفتاحية إلى ملايين مدخلات UniProt التي كانت أدوارها مجهولة. وقد جاءت كثير من هذه التسلسلات مباشرة من مشاريع تسلسل الجينومات، ولا تشبه أي بروتين موصوف، فبقيت عملياً غير مستكشفة.

وفي العرض التوضيحي، حدّد الباحث هدفاً ضيقاً: إيجاد ببتيدات جديدة مضادة للميكروبات في Streptococcus pseudopneumoniae والتحقق منها حاسوبياً. وقد وجّه العالم البشري الاستراتيجية واختار الأدلة التي يجب جمعها، بينما تولى وكيل الذكاء الاصطناعي الاستعلام عن قواعد بيانات متعددة، وتحليل البنى، وتلخيص الأدبيات.

وقدّمت ديب مايند أيضاً أداة Biomolecular Structure Viewer، وهي أداة تصور ثلاثية الأبعاد مدمجة في Antigravity. تعرض الأداة البنى المأخوذة من قاعدة بيانات AlphaFold أو من تنبؤات العالم نفسه، ويستطيع الوكيل إبراز مناطق معينة لتوضيح استدلاله. والرابط يعمل في الاتجاهين: فالبقايا التي يحددها الباحث أو يثبّتها في جيب الارتباط تُرسل مجدداً إلى الوكيل، الذي يمكنه عندئذ الإجابة عن أسئلة تخص ذلك الموضع تحديداً.

لماذا يهم ذلك

تشير الشركة إلى تقديرات تفيد بأن مقاومة مضادات الميكروبات قد تتسبب في نحو 10 ملايين وفاة سنوياً في العالم بحلول عام 2050. وتُعد البكتيريوسينات، وهي فئة من الببتيدات المضادة للميكروبات، واعدة لأنها تطورت لضرب نقاط ضعف جوهرية في البكتيريا المنافسة، ما يجعل تطوير المقاومة ضدها أصعب. وقد أسفرت البيانات الجينومية بالفعل عن النيسين Nisin المستخدم على نطاق واسع، وعن اكتشافات حديثة مثل Darobactin وDynobactin وLariocidin.

ترى ديب مايند أن هذا النوع من البحث كان يتطلب في السابق نصوصاً برمجية مخصصة، ونقلاً يدوياً للملفات بين أدوات النمذجة، وتنسيقاً بين عدة متخصصين. ولأن العمل المخبري مكلف، فإن تضييق المجال مبكراً إلى أقوى المرشحات أمر أساسي. وسيعتمد نجاح هذا النهج في الوفاء بوعده على أداء المرشح الجديد في المختبر.