An agentic AI environment to support biomedical research in collaborative academic environments
تقدم الورقة البحثية "Murmurent"، وهو بيئة برمجية مشتركة ومفتوحة المصدر مصممة لدعم الأبحاث الطبية الحيوية التعاونية من خلال توفير وكلاء متخصصين، وذاكرة متعددة المستويات، وقابلية التتبع، وإجراءات تشغيل قياسية مفروضة تقلل من الحواجز التقنية للمختبرات الأكاديمية التي تستخدم الذكاء الاصطناٍعي الوكيل، وهو ما تم إثباته من خلال تطبيقه في تحديد المثبطات لبروتين Pin1.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل
في المختبر الحديث، توسعت أدوات الاكتشاف لتتجاوز بكثير المجاهر وأنابيب الاختبار. يعتمد العلماء الآن بشكل كبير على الحواسيب لغربلة جبال من البيانات، وتصميم جزيئات جديدة، والتنبؤ بكيفية سلوك الأنظمة البيولوجية. وقد جلب هذا التحول الذكاء الاصطناዊ القوي إلى هذا المجال، بقدرته على قراءة الأوراق العلمية، وكتابة الأكواد البرمجية، واقتراح التجارب. ومع ذلك، لا تزال هناك فجوة كبيرة بين القوة الخام لهذه الأنظمة الذكية والواقع اليومي للبحث الأكاديمي. فمعظم الباحثين هم خبراء في علم الأحياء أو الكيمياء، وليس في هندسة البرمجيات المعقدة المطلوبة لإدارة هؤلاء المساعدين الرقميين بأمان. وبدون إشراف دقيق، قد يتسبب الذكاء الاصطناعي عن غير قصد في تسريب بيانات المرضى الحساسة، أو فقدان تتبع قرار حاسم اتُخذ قبل أسابب، أو تكرار خطأ أدى إلى إضاعة أيام من وقت الحوسبة. إن التحدي لا يكمن فقط في امتلاك مساعد ذكي، بل في امتلاك نظام يفهم قواعد المختبر، ويحمي المعلومات الخاصة، ويساعد الفريق على العمل معاً دون حاجة أي شخص ليكون خبيراً في الحاسوب.
ولسد هذه الفجوة، طور فريق من الباحثين في جامعة ويسترن بكندا إطار عمل برمجياً جديداً يسمى "مورمورنت" (Murmurent). وهم يصفونه ليس مجرد أداة، بل كنظام تشغيل للذكاء الاصطناዊ، مصمم خصيصاً لبيئة البحث العلمي الفوضوية والتعاونية وعالية المخاطر. وبدلاً من أن تطلب كل مختبر بناء بروتوكولات السلامة وأنظمة إدارة البيانات الخاصة بها من الصفر، يوفر "مورمورنت" أساساً مشتركاً. فهو يقع تحت طبقة نماذج الذكاء الاصطناዊ، ليعمل كطبقة حوكمة تدير الهويات، وتؤمن البيانات، وتتذكر تاريخ المشروع. ينظم النظام العمل في "مشاريع" حيث يمكن لعدة باحثين التعاون، بحيث يجلب كل منهم أساليبه الخاصة إلى سؤال مشترك. وهو يستخدم مجموعة من المساعدين الرقميين المتخصصين، لكل منهم دور محدد: أحدهم يتولى تحليل البيانات، وآخر يبحث في الأدبيات العلمية، وثالث يقوم بإنشاء الرسوم التوضيحية، وآخرون يعملون كمدققين للتحقق من الأخطاء أو المخاوف الأخلاقية. والأهم من ذلك، أن النظام يفرض قواعد صارمة تلقائياً؛ فهو يمنع الذكاء الاصطناዊ من حذف الملفات المهمة، أو إرسال بيانات خاصة إلى الإنترنت العام، أو اتخاذ قرارات تنتهك معايير السلامة الخاصة بالمختبر، بغض النظر عن كيفية صياغة الباحث البشري لطلبه.
اختبر الباحثون هذا النظام من خلال معالجة مشكلة صعبة في اكتشاف الأدوية: وهي إيجاد جزيء يمكنه تثبيط بروتين يسمى "Pin1". هذا البروتين مرتبط بالسرطان والأمراض التنكسية العصبية، لكن من الصعب جداً استهدافه لأن موقعه النشط عبارة عن أخدود ضحل بدلاً من جيب عميق، مما يجعل من الصعب على الأدوية الالتصاق به. لم يعتمد الفريق على طريقة واحدة، بل استخدموا "مورمورنت" لتنسيق أربعة توجهات مختلفة في آن واحد. استخدم أحد أعضاء الفريق نموذج تعلم عميق لتوليد جزيئات جديدة من الصفر. وبدأ آخر بجزيء معروف بضعف الارتباط وقام بتعديل بنيته. وركز ثالث على استراتيجية كيميائية محددة لربط جزيء بالبروتين بشكل دائم، بينما قام الرابع بدمج أجزاء كيميائية مختلفة للبحث عن ملاءمة أفضل. في بيئة تقليدية، ربما كان هؤلاء المجموعات الأربعة سيعملون في عزلة، مستخدمين معايير مختلفة وفاقدين تتبع تقدم بعضهم البعض. أما مع "مورمورنت"، فقد عملوا بالتوازي داخل نفس البيئة الآمنة، وضمن النظام أن يستخدموا جميعاً نفس البيانات المرجعية، ونفس فحوصات السلامة، ونفس الطريقة في تسجيل قراراتهم.
بينما كانت التوجهات الأربعة تعمل، لعب المدققون المدمجون في النظام دوراً حيوياً. فقد لاحظ أحد المساعدين الرقميين، الذي يعمل كناقد، أن الطريقة التي كان يستخدمها الفريق في البداية لقياس النجاح كانت معيبة؛ إذ كانت الطريقة التي يستخدمونها لتصنيف الجزيئات الجديدة هي في الواقع تتعرف فقط على شكل المواد الأولية بدلاً من التنبؤ بمدى جودة ارتباطها بالبروتين. ولأن النظام سجل كل خطوة وقرار، تمكن الفريق من تتبع هذا الخطأ وصولاً إلى مصدره. قاموا بتعديل أساليبهم، وأعادوا إجراء الحسابات، واكتشفوا أن النتائج الواعدة الأولية لم تكن في الواقع أفضل من الصدفة العشوائية. هذا التصحيح جنب الفريق إضاعة الموارد في جزيئات من غير المرجح أن تنجح. كما أدار النظام اللوجستيات المعقدة للمشروع، مثل توزيع مهام الحوسبة الثقيلة عبر معالجات رسومية متعددة للانتهاء في ساعات بدلاً من أيام، وضمان عدم خروج الجزيئات المرشحة الحساسة أبداً من الشبكة المحلية الآمنة.
لم تكن نتيجة هذه التجربة دواءً جديداً واحداً، بل كانت عرضاً لكيفية توجيه مثل هذا النظام للبحث العلمي. لم ينتج أي من التوجهات الأربعة جزيئاً يمكن للنظام أن يصنفه بثقة كفائز، ويرجع ذلك أساساً إلى أن البروتين صعب الاستهداف للغاية ولم تكن هناك أمثلة كافية معروفة للمقارنة بها. ومع ذلك، كشفت العملية عن نقاط القوة والضعف في كل نهج، مما سمح للباحثين بتنقيح استراتيجياتهم. نجح النظام في منع الفريق من مطاردة الآمال الكاذبة ووفر سجلاً واضحاً وقابلاً للتدقيق لسبب التخلي عن مسارات معينة. وجد الباحثون أن النظام سمح لمتدرب في المختبر "الرطب" (wet-lab) ذي الخبرة المحدودة في البرمجة بالمشاركة في تحليل بيانات معقد، مع ضمان قدرة الباحث الرئيسي على الإشراف على العملية بأكملها دون الحاجة إلى الإدارة الدقيقة لكل سطر من الأكواد.
يمثل "مورمورنت" تحولاً في كيفية إجراء العلوم الأكاديمية في عصر الذكاء الاصطناዊ. فهو ينتقل من فكرة وجود متحكم مركزي واحد يدير كل تجربة، إلى نموذج حيث ينسق مجموعات من الباحثين أعمالهم ضمن إطار عمل مشترك وآمن. النظام لا يستبدل العالم، بل يتولى الأعباء الإدارية والأمنية التي غالباً ما تبطئ البحث. ومن خلال إدارة الذاكرة، وفرض الأمن، وتنسيق الوكلاء المتعددين، فإنه يسمح للباحثين بالتركيز على العلم نفسه. لقد جعل الفريق البرنامج مفتوح المصدر، مما يسمح للمختبرات الأخرى بتبنيه وتكييفه. وبينما لا يضمن النظام نجاح كل تجربة، فإنه يوفر هيكلاً قوياً يساعد في ضمان أنه عندما تفشل التجارب، تكون الأسباب واضحة، والبيانات آمنة، والدروس المستفادة محفوظة للمستقبل. يقدم هذا النهج مساراً عملياً لدمج الذكاء الاصطناዊ القوي في العالم التعاوني والمتنوع وغير المتوقع للبحوث الطبية الحيوية الأكاديمية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.