تخيل عالماً يحاول فيه العلماء تصميم أدوية جديدة، ولكن بدلاً من خلط المواد الكيميائية في وعاء مخبري، يقومون بخلط البيانات على أجهزة الكمبيوتر. هذا المجال يسمى "المعلوماتية الكيميائية" (chemoinformatics)، ومهمته الأساسية هي تعليم الحواسيب كيفية "رؤية" الجزيئات. وللقيام بذلك، تحتاج الحواسيب إلى تحويل الأشكال ثلاثية الأبعاد المعقدة للذرات إلى قوائم بسيطة من الأرقام، تماماً مثل تحويل كعكة لذيذة متعددة الطبقات إلى بطاقة وصفة تحتوي فقط على أرقام للدقيق والسكر والبيض. تُسمى قوائم الأرقام هذه "بصمات" (fingerprints) لأنها تعمل كمعرف فريد لكل جزيء.

لفترة طويلة، كانت الأدوات التي استخدمها العلماء لصنع هذه البصمات تشبه الآلات القديمة والضخمة التي لا تتحدث إلا لغتها السرية الخاصة. كانت بارعة في مهمة محددة، لكنها لم تكن تستطيع التواصل مع الأدوات الحديثة والذكية جداً التي يستخدمها علماء البيانات لبناء الذكاء الاصطناعي. كان الأمر يشبه محاولة توصيل راديو قديم بنظام منزل ذكي حديث؛ حيث لم تكن الأسلاك متطابقة، وكانت العملية فوضوية وبطيئة وعرضة للأعطال. تقدم هذه الورقة أداة جديدة تسمى scikit-fingerprints، وهي تعمل كمترجم عالمي وبناء ماهر، يربط عالم الجزيئات الكيميائية بعالم تعلم الآلة الحديث.

المترجم العالمي للجزيئات

قام المؤلفان، ياكوب أدامشيكك وآدم ستانيشيفسكي، ببناء مكتبة برمجية جديدة بلغة بايثون تسمى scikit-fingerprints. فكر فيها كأنها "سكين سويسري" عملاق لبيانات الجزيئات يتناسب تماماً مع نظام "scikit-learn". إن scikit-learn هو صندوق الأدوات الأكثر شهرة لتعليم الحواسيب كيفية التعلم من البيانات، ولكن حتى الآن، لم يكن يعرف كيف يتعامل مع الجزيئات بشكل جيد. كانت الأدوات الكيميائية القديمة مثل جزر معزولة؛ حيث كان عليك كتابة كود خاص ومعقد لنقل البيانات بينها وبين خوارزميات التعلم. وتعمل scikit-fingerprints على جسر هذه الفجوة، مما يسمح للعلماء ببناء مسارات عمل كاملة لاكتشاف الأدوية باستخدام نفس الكتل النظيفة والمألوفة التي يستخدمونها لكل شيء آخر.

تعتمد المكتبة على RDKit، وهي مجموعة أدوات قوية ومفتوحة المصدر كانت المعيار السائد للتعامل مع الهياكل الكيميائية لسنوات. ومع ذلك، رغم قوة RDKit، إلا أنها لم تكن مصممة للتوافق بسلاسة مع مسارات تعلم الآلة الحديثة. تأخذ scikit-fingerprints العمل الشاق من RDKit وتغلفه في حزمة منظمة ومعيارية. وهي تضمن أن كل خطوة في العملية — من قراءة الاسم الكيميائي (سلسلة SMILES) إلى تدريب النموذج — تتبع نفس القواعد. وهذا يعني أنه يمكنك استبدال جزء واحد من عمليتك بجزء آخر دون الحاجة إلى إعادة كتابة الكود الخاص بك بالكامل.

صندوق أدوات مليء بالحيل

توضح الورقة أن هذه المكتبة تفعل أكثر من مجرد تحويل الجزيئات إلى أرقام. فهي تقدم مجموعة كاملة من الأدوات التي تغطي الرحلة بأكملها لمشروع اكتشاف الدواء:

• مصنع البصمات (The Fingerprint Factory): تتضمن المكتبة أكثر من 30 طريقة مختلفة لإنشاء البصمات الجزيئية. بعضها يبحث عن أشكال محددة (البنى الفرعية)، بينما يعد البعض الآخر عدد المرات التي تظهر فيها أنماط معينة. الأمر يشبه امتلاك قائمة طعام من كاميرات مختلفة، كل منها تلتقط صورة فريدة للجزيء لتسليط الضوء على تفاصيل مختلفة.
• الحارس (الفلاتر - The Bouncer): قبل أن تبدأ في الاختبار، قد ترغب في طرد العناصر السيئة. تحتوي المكتبة على أكثر من 30 "فلترًا" تعمل مثل حراس الملاهي الليلية؛ فهي تتحقق مما إذا كان الجزيء "يشبه الأدوية" أو إذا كان يحتوي على أجزاء خطيرة أو تفاعلية قد تفسد التجربة. إذا فشل الجزيء في اجتياز القواعد، يتم طرده تلقائياً.
• المسطرة (المسافات والتشابه - The Ruler): غالباً ما يحتاج العلماء لمعرفة مدى تشابه جزيئين. توفر المكتبة أكثر من عشر طرق لقياس هذه المسافة، حيث تعمل كمسطرة فائقة الدقة يمكنها مقارنة الجزيئات بناءً على بصماتها أو حتى أشكالها ثلاثية الأبعاد.
  ే
• شبكة الأمان (نطاق التطبيق - The Safety Net): هذه ميزة حاسمة؛ فهي تساعد العلماء على معرفة متى يكون النموذج يخمن ومتى يكون متأكداً حقاً. فهي تتحقق مما إذا كان الجزيء الجديد يشبه بما يكفي الجزيئات التي تم تدريب النموذج عليها. إذا كان الجزيء الجديد غريباً جداً، تقوم الأداة بوضع علامة عليه كـ "غير موثوق"، مما يمنع العلماء من الثقة في التنبؤات الخاطئة.
• المُجزئ (The Splitter): لاختبار ما إذا كان النموذج يعمل، تحتاج إلى تقسيم بياناتك إلى مجموعة "تدريب" ومجموعة "اختبار". توفر المكتبة طرقاً ذكية للقيام بذلك، مما يضمن أن جزيئات الاختبار مختلفة حقاً عن جزيئات التدريب، مما يعطي درجة أكثر صدقاً لمدى نجاح النموذج في العالم الحقيقي.

تسريع العملية

أحد أكبر المشاكل في هذا المجال هو أن حساب هذه البصمات يمكن أن يكون بطيئاً للغاية، خاصة عندما يكون لديك ملايين الجزيئات. تسلط الورقة الضوء على أن scikit-fingerprints مبنية من أجل السرعة. فهي تستخدم المعالجة المتوازية، مما يعني أنها تستطيع استخدام جميع أنوية معالج الكمبيوتر في وقت واحد، بدلاً من القيام بشيء واحد في كل مرة.

اختبر المؤلفون أداتهم ووجدوا أنها أسرع بكثير من الطرق القديمة. فعلى سبيل المثال، عندما حاولوا حساب نوع معين من البصمات (بصمة PubChem) لمجموعة بيانات ضخمة، كانت طريقتهم أسرع بكثير من الأدوات القائمة على الويب، والتي غالباً ما تتعطل أو تتوقف عند طلب الكثير من المهام في وقت واحد. وفي اختبارات شملت ما يقرب من 7 ملايين جزيء، تمكنت المكتبة من معالجتها بكفاءة، باستخدام تنسيق "متفرق" (sparse) يوفر كمية هائلة من ذاكرة الكمبيوتر — مما قلل من استخدام الذاكرة بمعامل يتراوح بين 39 إلى 45 مرة مقارنة بالطرق القديمة.

كما حلوا مشكلة معقدة تتعلق بضبط "المعلمات الفائقة" (hyperparameters) (وهي الإعدادات التي تتحكم في كيفية تعلم نموذج تعلم الآلة). عادةً، إذا كنت تريد العثور على أفضل الإعدادات، يجب على الكمبيوتر إعادة حساب البصمات في كل مرة يجرب فيها إعداداً جديداً، وهو أمر مضيع للوقت. scikit-fingerprints ذكية بما يكفي لحساب البصمة مرة واحدة وإعادة استخدامها لجميع الإعدادات المختلفة، مما يوفر ساعات من وقت الحوسبة.

لماذا هذا مهم؟

لا تدعي الورقة أنها اكتشفت دواءً جديداً أو حلت لغز الحياة. بدلاً من ذلك، هي تقدم حلاً عملياً مفتوح المصدر لمشكلة مملة ولكنها بالغة الأهمية: جعل أدوات الكيمياء تتحدث مع أدوات الذكاء الاصطناعي. ومن خلال جعل مسارات العمل هذه أسهل وأسرع وأقل عرضة للأخطاء، تسمح المكتبة للعلماء ببناء نماذج أولية لأفكارهم بسرعة وتكرار نتائجهم بموثوقية.

يؤكد المؤلفون أن هذا مشروع مفتوح، مما يعني أن أي شخص يمكنه استخدامه مجاناً وحتى المساهمة في تحسينه. وهم يعملون بالفعل على إضافة المزيد من الميزات، مثل استخدام الشبكات العصبية المتقدمة لإنشاء أنواع جديدة من البصمات الجزيئية. بالنسبة لمراهق فضولي أو عالم متمرس، تمثل هذه المكتبة تحولاً من النصوص البرمجية الفوضوية والمخصصة إلى مسار عمل احترافي ومنظم، حيث يصبح بناء نموذج تعلم آلة للجزيئات سهلاً مثل تركيب قطع "الليغو". إنها تحول العالم المعقد والفوضوي للبيانات الكيميائية إلى شيء منظم، فعال، وجاهز للمستقبل في مجال اكتشاف الأدوية.