ابتكار نموذج جديد لتوليد جزيئات دوائية عبر التعلم المعزز متعدد الأهداف

في الآونة الأخيرة، بات توليد جزيئات دوائية قادرة على إحداث تغييرات ظاهرة مرغوبة محور اهتمام متزايد في عالم الأبحاث الطبية. وعلى الرغم من أن الطرق السابقة كانت تعتمد على ملفات التعبير الجيني لتوجيه عملية توليد الجزيئات، إلا أنها كانت تتجاهل تأثير الجزيئات على السياقات الخلوية. لمواجهة هذه الإشكالية، تم تطوير SmilesGEN، وهو نموذج جديد يعتمد على هندسة المُشفرات التلقائية المتغيرة (Variational Autoencoder - VAE) لتوليد جزيئات ذات تأثيرات علاجية محتملة.

يعمل SmilesGEN على دمج نموذج VAE مدرب مسبقاً متخصص في الأدوية (SmilesNet) مع نموذج VAE يركز على ملفات التعبير الجيني (ProfileNet). يحقق هذا الدمج نموذجاً مشتركاً يعكس التفاعل بين تأثيرات الأدوية والاستجابات الجينية ضمن فضاء كامن مشترك. ومن خلال فرض ProfileNet لإعادة بناء ملفات التعبير قبل المعالجة، يمكن للقيم الجينية أن تقوم بإلغاء التأثيرات الناجمة عن الأدوية في الفضاء الكامن، بينما يستفيد SmilesNet من ملفات التعبير المرغوبة لتوليد جزيئات شبيهة بالأدوية.

تشير التجارب العملية إلى أن SmilesGEN يتفوق على النماذج الحالية الرائدة في مجال توليد الجزيئات، حيث يتمتع بمعدل أعلى من الصلاحية والتميّز والجدة، بالإضافة إلى تشابه أعلى مع الجزيئات المعروفة المستهدِفة للبروتينات ذات الصلة. كما تمت أيضاً تجربة SmilesGEN في تحسين الجزيئات القائمة على الهياكل وتوليد العوامل العلاجية، مما يؤكد على أدائه الفائق في إنتاج جزيئات ذات تشابه أكبر مع الأدوية المعتمدة.

تأسس SmilesGEN كإطار عمل قوي يعزز توقيع الجينات لتوليد جزيئات تشبه الأدوية، وتمتلك القدرة الواعدة لإحداث تغييرات ظاهرة مرغوبة في الخلايا. لمزيد من المعلومات، يمكن زيارة [رابط المشروع](https://github.com/hliulab/SmilesGEN).