جولة تفصيلية من Google DeepMind تكشف عن اكتشاف ببتيد مضاد للميكروبات

نشرت Google DeepMind في 15 أكتوبر 2026 عرضًا تقنيًا تفصيليًا استخدم فيه علماء الأحياء Google Antigravity، منصة التطوير القائمة على الوكلاء التابعة لها، لتحديد ببتيد مرشح جديد مضاد للميكروبات في Streptococcus pseudopneumoniae، وقالت الشركة إن المرشح الواعد يخضع للتحقق في المختبر.

يضع العرض التفصيلي، الذي أعدّه Pengfei Tian وMaxwell L Bileschi وZoi Tsangalidou وSukhdeep Singh وLucy J. Colwell، هذا العمل في سياق تزايد مقاومة مضادات الميكروبات، التي يقول المنشور إنها قد تؤدي إلى نحو 10 ملايين وفاة سنويًا على مستوى العالم بحلول عام 2050. ويعرض الببتيدات المضادة للميكروبات، ولا سيما البكتريوسينات، بوصفها بديلًا واعدًا للمضادات الحيوية التقليدية؛ إذ تطورت طبيعيًا لاستهداف مواطن الضعف الأساسية لدى البكتيريا المنافسة، بدءًا من أغلفتها الخلوية ووصولًا إلى آلياتها الداخلية الضرورية. ووفقًا للمنشور، أسهم التسلسل الجينومي والميتاجينومي في إثراء قواعد البيانات العالمية بمليارات تسلسلات الأحماض الأمينية الطبيعية، وأفضى هذا المخزون إلى بكتريوسينات واسعة الاستخدام مثل Nisin، إلى جانب اكتشافات مستخرجة من الجينومات، منها Darobactin وDynobactin وLariocidin، بينما لا تزال ملايين التسلسلات في قاعدة بيانات UniProt غير موصوفة وظيفيًا. وطوّرت Google نموذج ProtNLM (نموذج اللغة الطبيعية للبروتينات)، الذي يصفه المنشور بأنه نموذج تعلّم عميق دُرّب على التنبؤ بالوظيفة البيولوجية مباشرةً من تسلسلات الأحماض الأمينية الخام، وقالت DeepMind إنها أضافت تسميات وظيفية عالية الثقة إلى ملايين المدخلات التي لم تكن تحمل أسماءً في UniProt.

من البحث في UniProt إلى مرشح مُحدَّد حاسوبيًا

في العرض التفصيلي، يبدأ الباحث والوكيل الذكي بهدف بيولوجي محدد: العثور على ببتيدات جديدة مضادة للميكروبات في Streptococcus pseudopneumoniae والتحقق منها حاسوبيًا. وخلال جلسة تفاعلية متعددة الجولات، يوجّه الباحث الاستراتيجية العلمية، محددًا الأسئلة التي ينبغي طرحها والأدلة التي ينبغي جمعها، بينما يتولى الوكيل تنسيق العمل عبر قواعد البيانات وتحليل البنية وتركيب ما ورد في الدراسات. وتُظهر لقطات الواجهة المنشورة أن الجلسة أُجريت مع اختيار نموذج Gemini 3.8 Flash في واجهة Antigravity.

استعلم الوكيل من UniProt وقلّص ملايين المدخلات إلى قائمة مختصرة من المرشحين، وحدد بكتريوسينًا يحمل معرّف UniProt ‏A0A0U0D591، وهو ببتيد يتكون من 97 حمضًا أمينيًا وينتمي إلى عائلة Lactococcin 972. ويقول المنشور إن المرشح يُتوقع أن يكون فعالًا ضد مسببات الأمراض المسببة لالتهابات الجهاز التنفسي. وللتحقق من جدة المرشح، وجّه الباحث الوكيل إلى فحصه ومقارنته ببروتينات Swiss-Prot المنقحة عبر خدمة EMBL-EBI NCBI-BLAST، ويذكر العرض التفصيلي أن الفحص أكد عدم وجود أي بروتين متماثل معه في التسلسل على نحو ذي دلالة بين البروتينات التي خضعت للمراجعة اليدوية.

بعد ذلك، استرجع الوكيل النموذج ثلاثي الأبعاد المتوقع للمرشح من قاعدة بيانات AlphaFold Protein Structure Database، وأجرى بحثًا باستخدام Foldseek في البنى المحددة تجريبيًا للتعرف على البروتينات المتماثلة البعيدة، ثم أسقط النماذج بعضها على بعض لتقييم مدى التشابه. وقالت DeepMind إن الأدلة البنيوية دعمت تنبؤ ProtNLM، إذ أظهرت أن طيّ المرشح يشبه إلى حد كبير بكتريوسينًا حُددت بنيته تجريبيًا. وبفحص الجينات المجاورة، وجد الوكيل أن المرشح يقع على بُعد 6 أزواج قاعدية قبل أوبيرون مترابط بإحكام، يضم ناقلًا من عائلة ABC من نوع البيرمييز وبروتينًا شريكًا محتملًا يرتبط بـATP، إلى جانب بكتريوسين آخر موصوف ومنظّم نسخي من عائلة XRE. ويصف المنشور هذا النمط بأنه دليل سياقي قوي على أن المرشح جزء من نظام بكتريوسيني فعّال.

بعد مراجعة الدراسات المنشورة، اقترح الوكيل، وفقًا للمنشور، آلية عمل تستهدف انقسام الخلايا البكتيرية، وطيفًا متوقعًا من الفعالية يشمل عدة مسببات أمراض مقاومة للأدوية. ثم حوّل الوكيل نتائجه المستخلصة حاسوبيًا إلى بروتوكول مختبري يشمل التعبير عن البروتين واختبار الحساسية لمضادات الميكروبات والتحقق من ارتباطه بالهدف واختبار السمية في المختبر. وتصف DeepMind المرشح بأنه خيار واعد معقول بيولوجيًا، تدعمه أدلة بنيوية وجينومية، لكنه لا يزال بحاجة إلى التحقق في المختبر.

عارض للبنى الجزيئية الحيوية مدمج في Antigravity

بالتزامن مع العرض التفصيلي، كشفت DeepMind عن عارض البنى الجزيئية الحيوية، وهو أداة للتصور ثلاثي الأبعاد مدمجة مباشرةً في Antigravity، تتيح للباحث والوكيل العمل ضمن عرض مرئي مشترك. وعندما يسترجع الوكيل البنى من قاعدة بيانات AlphaFold أو من تنبؤات العالم نفسه، يمكنه تشغيل العارض ديناميكيًا وإبراز المناطق الوظيفية المهمة لشرح فرضياته بصريًا. ويجري تبادل المعلومات في الاتجاهين: فالإجراءات، مثل إبراز بقايا محددة أو تثبيت ملاحظات مباشرةً على جيب الارتباط، تُزامن مع الوكيل. ويورد المنشور مثالًا لباحث يحدد منطقة تهمه في فضاء ثلاثي الأبعاد ويسأل عن تأثير شريط β في ارتباط Lipid II، ما يتيح للوكيل الاستدلال انطلاقًا من السياق البنيوي الدقيق الذي يراه العالم.

منصة Antigravity للعلوم وبرنامج إتاحة الوصول

تقول صفحة العلوم في Antigravity إن تخصيصات الوكلاء تزوّدهم بإضافات ومهارات ووكلاء فرعيين وخطافات متخصصة في المجال، لإنجاز الأعمال عبر أكثر من 30 قاعدة بيانات رئيسية لعلوم الحياة، بما فيها AlphaGenome Atlas بسعة 1PB وUniProt وPubChem وChEMBL، مع إمكانية تثبيت إضافة Science بنقرة واحدة من سوق التخصيصات داخل التطبيق. ووفقًا للصفحة، يستطيع الباحثون الاستعلام مباشرةً عن النماذج المتقدمة وقواعد البيانات التابعة لـ Google DeepMind، مثل AlphaGenome وAlphaFold Database وAtlas، داخل مساحة عمل الأبحاث، كما يمكنهم إنتاج عروض بنيوية ثلاثية الأبعاد باستخدام PyMOL جاهزة للنشر، ونصوص تحليلية قابلة لإعادة الإنتاج، ومخرجات علمية قابلة للتحقق. وتشير الصفحة إلى مستودع مفتوح المصدر للتخصيصات على GitHub، وتذكر أن التطبيق متاح لأجهزة سطح المكتب على macOS وWindows وLinux وGooglebook، وتفيد بأن Google تتيح لـ10,000 عالم وصولًا مجانيًا إلى Gemini 4 Argon في Antigravity ضمن أعلى فئة استخدام لديها.

تصف DeepMind Antigravity بأنها بيئة عمل للعلوم قائمة على الوكلاء، تختصر عملية البحث التي كانت مجزأة عبر قواعد بيانات متعددة في جلسة واحدة، وقالت إن بإمكان الباحثين توجيه المحادثة المعروضة إلى مسارات جديدة، مثل إضافة معايير تصفية جديدة، أو استكشاف أطوال مختلفة للتسلسلات، أو استهداف مسببات أمراض أخرى ذات أولوية، وتوسيع نطاق البحث من الكائنات المتعايشة مع الإنسان إلى الميكروبات البيئية. والمرشح الذي عُرض في الشرح التفصيلي، إلى جانب عدة مرشحين آخرين اكتُشفوا عبر خط الأنابيب نفسه، يخضع للتحقق في المختبر الرطب، حيث قالت DeepMind إن النتائج التجريبية ستقدم الاختبار الحاسم لتحليل الوكيل.