Assessing chemical toxicity across Eukaryota using multimodal transformers

إن العالم الطبيعي عبارة عن شبكة واسعة ومترابطة من الحياة، بدءاً من الكائنات وحيدة الخلية المتناهية الصغر وصولاً إلى أكبر الثدييات. لعدة عقود، عرف العلماء أن المواد الكيميائية التي صنعها الإنسان تهدد هذه الشبكة، مسببة ضرراً للحشرات والطيور والنظم البيئية بأكملها. ولحماية الطبيعة، يحتاج المنظمون إلى معرفة أي المواد الكيميائية خطيرة على أي كائنات حية. ومع ذلك، توجد فجوة هائلة في معرفتنا؛ فبينما يتم اكتشاف آلاف المواد الكيميائية الجديدة كل عام وتعيش ملايين الأنواع على كوكب الأرض، لم نختبر سوى جزء ضئيل جداً منها. إن الاختبارات التقليدية بطيئة، ومكلفة، وغالباً ما تقتصر على عدد قليل من الحيوانات القياسية مثل الأسماك والجرذان والطحالب. وهذا يتركنا في حالة تخمين حول سلامة معظم المواد الكيميائية لمعظم الأنواع، مما يجعل من الصعب وقف التلوث قبل أن يسبب أضراراً لا يمكن إصلاحها.

ولجسر هذه الفجوة، لجأ الباحثون إلى الذكاء الاصطناعي. فبدلاً من اختبار كل مادة كيميائية على كل حيوان في المختبر، يقومون بتعليم الحواسيب التعرف على الأنماط في البيانات التي نمتلكها بالفعل. ومن خلال تعلم كيفية تفاعل الهياكل الكيميائية مع بيولوجيا الأنواع المختلفة، يمكن لهذه النماذج الحاسوبية التنبؤ بالسمية لحالات لم تُجرَ فيها أي تجربة من قبل. ويعد هذا النهج بزيادة سرعة تقييمات السلامة والكشف عن المخاطر الخفية لعدد لا يحصى من الأنواع التي لم تُدرس قط.

وفي دراسة جديدة، طور فريق من العلماء أداة جديدة قوية تسمى TRIDENT-2 لمعالجة هذا التحدي. تم تصميم هذا النظام للتنبؤ بمدى سمية مادة كيميائية لأي كائن حقيقي النواة (eukaryotic organism) — وهي مجموعة تشمل جميع أشكال الحياة المعقدة تقريباً، من النباتات والفطريات إلى الحيوانات. قام الباحثون بتدريب نموذجهم على مجموعة ضخمة من البيانات الموجودة، حيث جمعوا أكثر من 560,000 اختبار سمية. غطت هذه الاختبارات أكثر من 82,000 مادة كيميائية مختلفة وما يقرب من 6,800 نوع، وهو ما يمثل حوالي ثلث جميع المجموعات المعروفة من الحياة حقيقية النواة. وشملت البيانات مجموعة متنوعة من السيناريوهات، مثل مدة تعرض الكائن لمادة كيميائية، وكيفية تعرضه لها، والآثار المحددة التي لوحظت، مثل الموت أو تغيرات في النمو أو تحولات سلوكية.

إن جوهر TRIDENT-2 هو نوع من الذكاء الاصطناعي يُعرف باسم "المحول متعدد الوسائط" (multimodal transformer). وببساط، يعني هذا أن الكمبيوتر لا ينظر فقط إلى الهيكل الكيميائي أو الحيوان بشكل منفصل؛ بل يتعلم فهم كيفية تلاؤمهما مع ظروف الاختبار. فهو يعالج الشكل الجزيئي للمادة الكيميائية، ونوع الكائن الحي، وطريق التعرض، ومدة التجربة، جميعها في وقت واحد. ومن خلال التعلم من هذا المزيج المتنوع من المعلومات، يمكن للنموذج رصد روابط عميقة بين الأنواع والمواد الكيميائية المختلفة. فعلى سبيل المثال، يمكنه استخدام ما يعرفه عن تأثير مادة كيميائية على فأر لاستنتاج توقع مدروس حول كيفية تأثير تلك المادة نفسها على قارض قريب أو حتى قريب بعيد في جزء مختلف من المملكة الحيوانية.

عندما اختبر الفريق نظام TRIDENT-2، وجدوا أنه قادر على التنبؤ بالسمية بدقة ملحوظة، حتى بالنسبة للأنواع والمواد الكيميائية التي لم يسبق له رؤيتها من قبل. استطاع النموذج تقدير التركيز الذي تسببه مادة كيميائية لتأثير معين، مثل قتل نصف تعداد سكاني، بمستوى من الدقة يضاهي الطرق التقليدية. والأهم من ذلك، أن النموذج أدى بشكل جيد عبر شجرة الحياة بأكملها، من الحشرات والنباتات إلى الفطريات والمخلوقات البحرية. وقد أظهر أنه من خلال التعلم من نطاق واسع من البيانات، يمكنه ملء الفراغات للأنواع التي نادراً ما تُختبر. فعلى سبيل المثال، بينما تركز الاختبارات القياسية غالباً على الأسماك والقوارض، نجح TRIDENT-2 في التنبؤ بسمية مجموعات مثل الديدان والفطريات والحشرات، والتي غالباً ما يتم التغاضي عنها رغم أهميتها لصحة النظام البيئي.

كما قارن الباحثون TRIDENT-2 بعدة أدوات موجودة يستخدمها المنظمون والعلماء. وتفوق النموذج الجديد باستمرار على هذه الأساليب القديمة، خاصة عند التنبؤ بالتأثيرات لأنواع أو مواد كيميائية خارج النطاق الضيق للاختبارات التقليدية. وبينما كانت الأدوات الأخرى محدودة بعدد قليل من حيوانات الاختبار وأنواع محددة من المواد الكيميائية، استطاع TRIDENT-2 التعامل مع آلاف الأنواع ومجموعة واسعة من المواد. وأظهرت الدراسة أن النموذج يمكنه الحفاظ على دقته حتى عندما يُطلب منه التنبؤ بتأثيرات مواد كيميائية تختلف بنيوياً عن تلك الموجودة في بيانات التدريب، أو لأنواع بعيدة تطورياً عن تلك التي درسها.

ولإظهار كيفية عمل ذلك في سيناريو من الواقع العملي، طبق الفريق TRIDENT-2 على آلاف المبيدات الحشرية. ورسموا خريطة لكيفية تأثير هذه المواد الكيميائية على الأنواع المختلفة عبر الشجرة حقيقية النواة. وكشفت النتائج أنه بينما كانت بعض المبيدات شديدة السمية لأهدافها المقصودة، مثل الحشرات أو الأعشاب الضارة، فإنها كانت تشكل أيضاً مخاطر على الأنواع غير المستهدفة، مثل أنواع معينة من الديدان والفطريات والنباتات. وقد تمكن النموذج من اكتشاف هذه الحساسيات النوعية الدقيقة التي كان من الممكن إغفالها إذا تم النظر إلى البيانات في مجموعات عامة فقط. وهذا المستوى من التفصيل ضروري لفهم التأثير الحقيقي للتلوث على التنوع البيولوجي.

وتخلص الدراسة إلى أن الذكاء الاصطناعي يمكنه التغلب على قيود البيانات طويلة الأمد التي أعاقت تقييم المخاطر البيئية. فمن خلال استخدام الكم الهائل من البيانات الموجودة، وإن كانت غير متوازنة، لتعلم المبادئ العامة للسمية، يتيح TRIDENT-2 للعلماء تقييم سلامة المواد الكيميائية لملايين الأنواع التي لم تُختبر قط. وهذه القدرة لا تحل محل الحاجة إلى التجارب الفيزيائية، بل تقدم وسيلة لتحديد التجارب الأكثر احتياجاً وتحديد التهديدات المحتملة قبل أن تسبب ضرراً واسع النطاق. إن هذه الأداة متاحة الآن للاستخدام العام، مما يوفر مساراً جديداً لحماية التنوع البيولوجي في الكوكب من موجة التلوث الكيميائي المتزايدة.