تفوق SMCL‑DTA على المنافسين في ستة اختبارات لتفاعل الأدوية مع الأهداف

تم تقديم إطار ذكاء اصطناعي جديد يُدعى SMCL‑DTA في ورقة نُشرت في 29 سبتمبر 2026. يهدف إلى مساعدة الباحثين على توقع قوة ارتباط الدواء بالبروتين بشكل أسرع وأكثر موثوقية.

لماذا يهم ارتباط الدواء بالهدف

تساعد توقعات قوة الارتباط في تقليل عدد المركبات التي يجب اختبارها مخبرياً. النماذج السابقة غالباً ما تعالج الدواء والبروتين بصورة منفصلة وقد تُفرط في التعميم عندما تكون البيانات قليلة.

كيف يعمل SMCL‑DTA

أولاً، يقوم النظام بإخفاء أجزاء من رسم الجزيء مع الحفاظ على بنية الرسم لتبقى البُنى الفرعية المهمة محفوظة. ثانياً، يُنشئ عدة مناظير لنفس زوج الدواء‑البروتين ويُدرّب متعلمًا متباينًا يعتبر أزواجًا ذات توقعات ارتباط متقاربة إيجابية. أخيراً، يدمج أوصاف السطح لكل من الدواء والبروتين، ما يزود النموذج بمعلومات فيزيائية لا تتوفر في التسلسلات وحدها.

النتائج

اختبر الباحثون الطريقة على ست مجموعات اختبار عامة. في اختبارات البدء الدافئ حققت أو تجاوزت أفضل الدرجات المنشورة. في تقسيمات البدء البارد القائمة على الهياكل، التي تحاكي اكتشاف عائلات كيميائية جديدة تماماً، حافظ SMCL‑DTA على تفوقه، مظهرًا تعميمًا قويًا.

أظهر تجربة الفحص الافتراضي ضد بروتين SOAT1 أن النموذج يستطيع تحديد مركبات واعدة للاختبار الفعلي.

ما يزال غير مُختبر

الدراسة تقتصر على مجموعات البيانات المتاحة وتجربة مختبرية واحدة. لم تُجرَ بعد اختبارات سريرية واسعة النطاق ولا تم نشر النموذج في خطوط اكتشاف الأدوية الفعلية.