← أحدث الأبحاث
🧬 الأحياء

Integrated Machine Learning and Structure-Based Computational Prioritization of KIF11 Inhibitor Candidates for CNS-Oriented Drug Discovery

تقدم هذه الدراسة سير عمل حوسبي متكامل يعتمد على التعلم الآلي والأساس الهيكلي، نجح في تحديد خمسة مرشحات متنوعة هيكلياً لتثبيط بروتين KIF11 ذات قدرة تنبؤية عالية ونافذية عالية للحاجز الدموي الدماغي لاستخدامها في اكتشاف أدوية الأورام الموجهة للجهاز العصبي المركزي.

المؤلفون الأصليون: Sourajyoti Goswami, Puspita Roy, Shouvik Kumar Nandy

نُشر 2026-09-29
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Sourajyoti Goswami, Puspita Roy, Shouvik Kumar Nandy

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

السرطان هو مرض يتميز بالنمو غير المنضبط، حيث تنقسم الخلايا دون توقف. ولإيقاف هذه العملية الجامحة، يبحث العلماء غالبًا عن طرق لتعطيل الآلية التي تسمح للخلايا بالانقسام إلى اثنتين. أحد الأجزاء الحيوية في هذه الآلية هو بروتين يسمى KIF11، والذي يعمل كمحرك جزيئي لتنظيم السقالات الداخلية اللازمة لانقسام الخلايا. وعندما يتم حظر هذا البروتين، لا تستطيع الخلية الانقسام بشكل صحيح وتموت في النهاية. وهذا يجعل KIF11 هدفًا واعدًا لأدوية السرطان الجديدة. ومع ذلك، فإن علاج أنواع السرطان التي تنشأ في الدماغ، مثل الورم الأرومي الدبقي، يمثل تحديًا فريدًا. فالدماغ محمي بحاجز بيولوجي يمنع معظم المواد من الدخول، مما يعني أن الدواء يجب أن يُصمم خصيًا ليعبر هذا الجدار ليصل إلى الورم. إن العثور على جزيء يكون قويًا بما يكفي لإيقاف السرطان وصغيرًا بما يكفي لدخول الدماغ هو عملية توازن صعبة للباحثين.

في دراسة حديثة، طور فريق من العلماء من الهند استراتيجية جديدة تعتمد على الحاسوب لإيجاد عقاقير محتملة يمكنها حل هذه المشكلة. فبدلاً من اختبار آلاف المواد الكيميائية في المختبر واحدة تلو الأخرى، وهو أمر بطيء ومكلف، استخدموا برامج حاسوبية متقدمة لمحاكاة كيفية تفاعل الجزيئات المختلفة مع بروتين KIF11. بدأ الباحثون بجمع مجموعة ضخمة من البيانات الموجودة حول كيفية تأثير المواد الكيميائية المختلفة على KIF11، وقاموا بتنقية المعلومات لضمان دقتها واتساقها. ثم علموا نظامًا حاسوبيًا كيفية التعرف على الأنماط في أشكال هذه الجزيئات وخصائصها الكيميائية، مما سمح للنظام بالتنبؤ بأي المواد الكيميائية الجديدة وغير المختبرة التي قد تكون مثبطات فعالة. ولضمان موثوقية تنبؤاتهم، استخدموا طريقة صارمة حيث تعلم الحاسوب من مجموعة من المواد الكيميائية وتم اختباره على مجموعة منفصلة تمامًا لم يسبق له رؤيتها من قبل، مما منع النظام من مجرد حفظ الإجابات.

نجح النموذج الحاسوبي في تحديد العديد من المرشحين الواعدين، لكن الباحثين لم يتوقفوا عند هذا الحد. فقد أرادوا معرفة ما إذا كان بإمكان هذه الجزيئات أن تتناسب بالفعل داخل الجيب المحدد في بروتين KIF11 حيث يتعين عليها الارتباط للقيام بعملها. وباستخدام تقنية تسمى "الإرساء الجزيئي" (molecular docking)، قاموا بمحاكاة التفاعل الفيزيائي بين أفضل المرشحين وبنية البروتين. هذه العملية تشبه محاولة إدخال مفتاح في قفل لمعرفة ما إذا كان الشكل متطابقًا، ولكن يتم ذلك بالكامل داخل الحاسوب. أظهرت عمليات المحاكاة أن الجزيئات المختارة يمكنها بالفعل الاستقرار في المكان الصحيح على البروتين. كما أجرى الفريق فحوصات لمعرفة ما إذا كانت هذه الجزيئات ستتمكن من عبور الحاجز الدموي الدماغي والوصول إلى الدماغ، وكذلك ما إذا كانت ستكون آمنة للتعامل معها من قبل الجسم. ووجدوا أن أفضل المرشحين لديهم احتمالية عالية جدًا لدخول الدماغ، وهو مطلب حاسم لعلاج أورام الدماغ.

من بين الجزيئات التي تم تحديدها، برز واحد كأكثرها واعدًا. هذا المركب، المعروف بالرمز CHEMBL392148، تم التنبؤ بأنه سيكون فعالاً للغاية في إيقاف بروتين KIF11 ولديه فرصة ممتازة لعبور الدماغ. نظر الباحثون أيضًا عن كثب في التركيب الكيميائي لهذا الجزيء وغيره للتأكد من أنها لا تحتوي على أجزاء معروفة بسميتها أو عدم استقرارها. وبينما أظهر أحد المرشحين علامة تحذير صغيرة تتعلق بسمة كيميائية محددة، بدا الخيار الأول نظيفًا وآمنًا بناءً على النماذج الحاسوبية. كما سلطت الدراسة الضوء على مصدر قلق محتمل يتعلق بالسلامة: حيث أظهرت جميع المرشحات الخمسة الأفضل إشارة إلى أنها قد تؤثر على النظام الكهربائي للقلب، وهي مخاطرة تتطلب الاختبار في مختبر حقيقي قبل أي استخدام بشري.

يؤكد الباحثون أن هذه النتائج هي نقطة انطلاق وليست منتجًا نهائيًا. فالجزيئات التي حددوها لا تزال مجرد تنبؤات حاسوبية. الخطوة التالية ستكون تصنيع هذه المواد الكيميائية في المختبر واختبارها على بروتينات وخلايا حقيقية لمعرفة ما إذا كانت ستتصرف كما توقع الحاسوب. توفر الدراسة مسارًا واضحًا ومنطقيًا للمضي قدمًا، حيث تقدم قائمة مختصرة من الهياكل الكيميائية المحددة التي تستحق المزيد من البحث. ومن خلال الجمع بين التعلم الآلي والتحليل الهيكلي المفصل، نجح الفريق في تضييق نطاق البحث عن دواء لسرطان الدماغ إلى حفنة من المرشحين عالي الجودة، مما وفر الوقت والموارد مع التركيز الجهود على الحلول الأكثر احتمالية.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 🧬 q-bio →