التكنولوجيا الحيوية

متعدد الأوميكس والذكاء الاصطناعي في الرعاية الصحية: جبهة جديدة لاكتشاف الأدوية

mm
نُشر في
تم التحديث في
أضف Securities.io إلى مصادرك المفضلة على Google
إفصاح: قد تتلقى Securities.io تعويضًا عند استخدام روابط لمنتجات نراجعها. لا يؤثر ذلك في تقييماتنا التحريرية. لسنا مستشارًا استثماريًا مسجلًا، وهذا ليس نصيحة استثمارية. اقرأ إفصاح الشراكات التسويقية.

الطب الدقيق هو مستقبل الرعاية الصحية

في العلوم التطبيقية الدقيقة، كان تحسن دقة القياسات والأدوات أحد مصادر التقدم. وينطبق ذلك بوجه خاص على الفيزياء والكيمياء، إذ أصبحت الأدوات التحليلية قادرة على رصد تفاعلات الذرات المفردة، ما يسرّع التقدم في الطاقة النظيفة وعلوم المواد وتقنية النانو والتصنيع والحوسبة (يمكن متابعة الروابط لقراءة المقالات ذات الصلة).

لكن أحد المجالات العلمية أثبت أنه أصعب في إخضاعه للقياسات الدقيقة: علم الأحياء. فالكائنات الحية ليست مواد «بسيطة» مكوّنة من بضعة عناصر، بل آلات جزيئية فائقة التعقيد تضم ملايين، إن لم يكن مليارات، الأجزاء المختلفة.

لذلك فإن التمثيل الدقيق لخلية بشرية واحدة سيكون معقداً إلى حد يكاد يتعذر استيعابه، كما توضح صورة مولدة حاسوبياً لخلية بشرية انتشرت على نطاق واسع قبل بضعة أعوام.

المصدر: Newsweek

وقد جعل ذلك الوصول إلى فهم حقيقي للظواهر البيولوجية والكيميائية الحيوية تحدياً مستمراً.

كان علم الجينوم خطوة أولى مهمة في تفسير القالب أو التعليمات التي تستخدمها الخلايا لبناء مكوناتها الداخلية. ومن العوامل المتنامية أيضاً استخدام الذكاء الاصطناعي، إذ تستطيع الشبكات العصبية المتقدمة معالجة الكميات الهائلة من البيانات بصورة أفضل من العقل البشري.

وستقود هذه التطورات مجتمعة تحول الرعاية الصحية، مع ظهور طب دقيق وشخصي بحق يتلاءم مع التركيبة الفريدة لكل فرد من الجينات والأيض والتاريخ الطبي وغيرها.

تبلغ قيمة سوق الطب الدقيق حالياً 500 مليار دولار، وتشمل الأجسام المضادة أحادية النسيلة، وهي سوق بلغت قيمتها 222 مليار دولار في 2023، إضافة إلى علاجات السرطان المتقدمة مثل علاجات CAR-T.

ما هو متعدد الأوميكس؟

أدى التعقيد الهائل للأنظمة الحية إلى ظهور علم متعدد الأوميكس، الذي يجمع كل الفروع «الأوميكية» في العلوم البيولوجية ويُعد الخطوة التالية في التكنولوجيا الحيوية:

  • Genomics: تحليل تسلسل الحمض النووي في نواة الخلايا.
  • Transcriptomics: تحليل الـ mRNA الذي يحمل تعليمات الحمض النووي.
  • Epigenomics: تعديل الجينوم دون التأثير على التسلسل الجيني، أو “الإيبيجينيتكس”.
  • Proteomics: تحليل البروتينات، بما في ذلك تعديل البروتينات بالسكريات (“ما بعد الترجمة”).
  • Metabolomics: تحليل المركبات الكيميائية والتمثيل الغذائي.
  • Microbiomics: تحليل جميع الميكروبات التي تعيش داخل أو على الجسم.
  • Single-cell multiomics: تحليل متعدد الأوميكس على الخلايا الفردية.
  • Spatial biology: تحليل ثلاثي الأبعاد لموقع الـ mRNA أو البروتينات أو الخلايا المحددة.

المصدر: Ark Research

تظهر مجالات جديدة، منها الجينوميات الزراعية لتحسين الغلال، والجينوميات البيئية لتقييم صحة النظام البيئي وتنوعه الجيني بدقة، والأحياء التركيبية لإنشاء جينات أو سمات أو كائنات كاملة لغرض محدد.

حقق كل مجال من هذه المجالات تقدماً هائلاً بفضل طرق تحليلية جديدة ومحسنة، مدفوعة إلى حد كبير بالتطورات الثورية في تقنية النانو والبصريات وأشباه الموصلات والقدرة الحاسوبية.

لكن العلوم البيولوجية والطب بدآ يواجهان صعوبة في التعامل مع كل هذه البيانات الجديدة، والأصعب من ذلك فهم التفاعلات المعقدة بين جميع مجالات «الأوميكس» الممكنة.

يرجع ذلك بدرجة كبيرة إلى وجود تريليونات، وربما كوادريليونات، من التفاعلات المتقاطعة المحتملة بين الجينات والبروتينات والجزيئات الحيوية والبكتيريا وغيرها.

ونظرياً، يتطلب الطب الشخصي الحقيقي جمع هذه البيانات لكل فرد وربطها بسجلاته الصحية الرقمية.

انخفاض التكاليف وتدفق البيانات

أدى التطور التقني في أدوات التحليل إلى انهيار تكلفة جمع البيانات الجديدة. فعلى سبيل المثال، انخفضت تكلفة تسلسل الجينوم البشري الكامل بأكثر من مليون مرة خلال 30 عاماً، وأصبح تصنيع الحمض النووي أرخص بمقدار 10,000 مرة.

المصدر: Ark Research

فبعد أن كان تسلسل جينوم واحد يكلف 450 ألف دولار عام 2001، أصبح بالإمكان اليوم تسلسل 1.4 مليار جينوم بالمبلغ نفسه، أي ما يعادل 17% من سكان العالم.

ونتيجة لذلك، تدفقت بيانات الجينوم وسائر فروع الأوميكس على علماء الأحياء بكميات هائلة.

على سبيل المثال، يحتوي UK Biobank، أكبر قاعدة بيانات جينومية متاحة للجمهور، على بيانات تعادل 27 ضعف ما استُخدم لتشغيل أحد أكبر النماذج اللغوية الضخمة، وهو Llama 405B الذي طورته Meta (FB ).

إذا جرى تسلسل جينوم كل مولود جديد في العالم، وهو إجراء مرشح للانتشار خلال السنوات المقبلة، فسوف يولد ذلك سنوياً بيانات تعادل 10,000 مرة ما يستخدمه Llama.

المصدر: Ark Research

ولحسن الحظ، بينما تتضاعف كمية البيانات بآلاف المرات، تتحسن كفاءة أدوات التحليل الرقمي، وخصوصاً الذكاء الاصطناعي، بالمعدل نفسه تقريباً لتصبح أقوى 1,000 مرة بالتكلفة ذاتها.

المصدر: Ark Research

التطبيقات في اكتشاف الأدوية

الخلايا الافتراضية

حتى وقت قريب، كان على علماء الأحياء إجراء التجارب يدوياً لمعرفة تأثير دواء محتمل أو كيفية تفاعل بروتين مع آخر، وهي مهمة مكلفة وتستغرق وقتاً طويلاً.

أدى ذلك بطبيعة الحال إلى إبطاء اكتشاف الأدوية الجديدة ورفع تكاليف الرعاية الصحية للعلاجات المبتكرة. وكان من الممكن إجراء التجارب في المختبر أو داخل كائن حي، وغالباً ما يكون حيواناً.

ظهر أخيراً خيار جديد هو نهج المحاكاة الحاسوبية، حيث تُحاكى خلية افتراضية واحدة أو عدة خلايا على الحاسوب، ثم تتعرض للعلاج المحتمل وتحسب المحاكاة كيفية استجابتها.

المصدر: Ark Research

محاكاة محسّنة

إلى جانب بيانات الجينوم والترنسكريبتوم الكاملة، دخلت أداة أخرى مجال المحاكاة الحاسوبية: أنظمة محاكاة طي البروتين، مثل AlphaFold المعتمد على الذكاء الاصطناعي من Google (GOOGL ).

تعتمد أدوية كثيرة قائمة على البروتينات على التفاعل بين الدواء ومستقبل في خلايا الجسم أو على سطح البكتيريا أو الخلايا السرطانية المستهدفة.

إن التنبؤ الصحيح حاسوبياً بالتركيب ثلاثي الأبعاد للبروتين، أي طيّه، سيحسن جذرياً معدل نجاح تطوير الأدوية وسرعته ويخفض التكاليف.

ومع تحسن AlphaFold بما يصل إلى 500 مرة منذ 2018، ستصبح المحاكاة الحاسوبية تقنية لا غنى عنها لمعظم شركات التكنولوجيا الحيوية.

المصدر: Ark Research

تعمل شركات أخرى أيضاً على تقنيات مشابهة لـ AlphaFold ولكن للجزيئات غير البروتينية، مثل Schrödinger (SDGR )، التي تناولناها في مقال «أفضل 5 شركات للذكاء الاصطناعي والتكنولوجيا الحيوية الرقمية».

كشف السرطان

يمكن أن يكون الكشف المبكر عن السرطان، حتى عندما لا يظهر في جهاز التصوير بالرنين المغناطيسي، مسألة حياة أو موت.

تحمل تقنية جديدة تُسمى الخزعة السائلة وعداً بالكشف المبكر عن هذه السرطانات غير المرئية. وتستخدم أدوات تسلسل الجينوم للعثور على تسلسلات DNA المميزة للسرطان في دم المريض، حتى لو كانت شديدة الندرة.

الخزعات السائلة أقل تدخلاً بكثير من الخزعات التقليدية ولا تتطلب سوى عينة دم. ويمكن استخدامها أيضاً للبحث عن عدة سرطانات محتملة في الوقت نفسه.

المصدر: Ark Research

في يونيو 2024، حصل اختبار «Shield» لفحص سرطان القولون والمستقيم من Guardant Health (GH ) على موافقة FDA. كما تطور Grail (GRAL )، المنفصلة حديثاً عن Illumina (ILMN )، اختباراً مماثلاً.

إلى جانب الخزعة السائلة، تزداد شيوعاً اختبارات الحد الأدنى من المرض المتبقي (MRD) لمراقبة تعافي مرضى السرطان. ويمكنها اكتشاف عودة السرطان قبل التصوير التقليدي بما يصل إلى 20 شهراً.

المصدر: Ark Research

سيكون تعويض تكاليف اختبارات MRD والخزعة السائلة من أنظمة التأمين الصحي الخاصة والوطنية عاملاً أساسياً في تسريع تبنيها.

المختبر الآلي

مع تزايد الحاجة إلى البيانات وانخفاض تكلفة أدوات الكشف، يصبح العمل البشري الذي يتطلب مؤهلات بمستوى الدكتوراه هو العامل المقيد بصورة متزايدة، سواء من حيث التكلفة أو القدرة، لإنتاج المزيد من بيانات متعدد الأوميكس.

ينطبق ذلك على العمل اليدوي نفسه، مثل استخراج العينات، وعلى تصميم التجارب أيضاً.

يتمثل أحد الأساليب البديلة الناشئة في المختبر ذاتي التشغيل (SDL)، الذي يجمع الروبوتات والأتمتة لاستبدال العمل اليدوي الممل والبطيء وإجراء تجارب عالية الإنتاجية. كما يضيف نماذج لغوية ضخمة لتحليل البيانات وتصميم المجموعة التالية من التجارب.

المصدر: Ark Research

تعد Recursion Pharmaceuticals (RXRX ) من الشركات الرائدة في هذه الطريقة الجديدة لاكتشاف الأدوية (مزيد من المعلومات عن الشركة أدناه).

رؤى الاستثمار

رغم وجود شركات كثيرة تبتكر عند تقاطع الذكاء الاصطناعي ومتعدد الأوميكس، تبرز بعض الشركات لأهميتها أو لطموحاتها.

Recursion Pharmaceuticals

RXRX مخطط السعر

ركزت Recursion منذ تأسيسها على استخدام الذكاء الاصطناعي لتسريع اكتشاف الأدوية الجديدة. ولتحقيق ذلك تجمع بين المختبر الجاف، أي المحاكاة الحاسوبية، والمختبر الرطب الذي يستخدم العينات البيولوجية، من خلال:

  • مكتبة تضم 1.7 مليون جزيء صغير.
  • ثقافات خلوية، تحرير جينات CRISPR، عوامل قابلة للذوبان، فيروسات حية، إلخ.
  • سير عمل روبوتي مختبري مؤتمت يتيح ما يصل إلى 2.2 مليون تجربة كل أسبوع.
  • مجاهر عالية الإنتاجية وأنظمة تسلسل.
  • تدفقات فيديو مستمرة من الكاميرات، تسجل قياسات شاملة لسلوكيات الحيوانات.
  • موارد حوسبة متقدمة، والتي أنتجت أكثر من 21 بيتابايت من البيانات ذات الأبعاد العالية المملوكة.
  • بيانات ADMET (الامتصاص، التوزيع، الأيض، الإخراج، والسمية).

تمتلك Recursion أيضاً أحد أسرع الحواسيب الفائقة في العالم لتدريب نماذجها اللغوية وأنظمة الذكاء الاصطناعي الخاصة باكتشاف الأدوية. وقد تدربت النماذج على مكتبة تضم أكثر من ملياري صورة واستنتجت 6 تريليونات علاقة بين جميع التركيبات الممكنة من الجينات والمركبات.

المصدر: Ark Research

في أغسطس 2024 اندمجت Recursion مع Exscientia، وهي شركة تركز على العلاجات الدقيقة وتستخدم «أتمتة روبوتية شاملة عبر دورة التجارب بأكملها». وفي مايو 2023، استحوذت Recursion أيضاً على شركتي Cyclica وValance الناشئتين قبل السريريتين والمتخصصتين في كيمياء الأدوية، مقابل 87.5 مليون دولار إجمالاً.

باندماج هذه الشركات الجديدة ومجموعات بياناتها مع البيانات الأساسية لـ Recursion، أصبحت الشركة مؤسسة تكنولوجيا حيوية متكاملة تتولى كل شيء بدءاً من تحديد الأهداف والتنبؤات الحاسوبية وصولاً إلى التحقق داخل الكائن الحي والتجارب السريرية.

المصدر: Recursion

لدى Recursion أكثر من 20 جزيئاً في مراحل مختلفة ضمن خط البحث والتطوير، سبعة منها في المرحلتين 1/2 من التجارب السريرية، ومعظمها في الأورام والأمراض النادرة.

تشمل هذه البرامج أكثر من عشرة برامج شراكة قد تصل مدفوعاتها عند تحقيق مراحل البحث والتطوير إلى 20 مليار دولار، دُفع منها بالفعل 450 مليون دولار.

إجمالاً، تتجه Recursion الجديدة، التي نمت عبر الاستحواذات واعتمدت مبكراً على الذكاء الاصطناعي في اكتشاف الأدوية، إلى أن تصبح شريكاً رئيسياً لشركات الأدوية الكبرى الساعية إلى تجديد خطوط البحث والتطوير لديها.

Illumina

رغم أهمية فروع الأوميكس الأخرى، فإنها ترتبط كلها تقريباً بطريقة أو بأخرى بعلم الجينوم، «دليل التعليمات» الأساسي لكل خلية حية.

تعد Illumina أكبر منتج لأجهزة تسلسل الجينوم بفارق كبير. وتركز على قراءة التسلسلات الجينية القصيرة المستخدمة في الكشف عن السرطان، ولديها حالياً أكثر من 22,000 جهاز تسلسل مثبت في 165 دولة.

يُستخدم نحو نصف المواد الاستهلاكية لأجهزة Illumina في التطبيقات السريرية، والنصف الآخر في مختبرات البحث العامة والخاصة. وفي التطبيقات السريرية يأتي نصف الطلب من مجال الأورام.

المصدر: Illumina

مع تحول الجينوم ومتعدد الأوميكس إلى محور عملية اكتشاف الأدوية وتشخيص السرطان، يُتوقع ارتفاع الطلب على معدات Illumina. وتتوقع الشركة نمو الطلب على NGS (تسلسل الجيل التالي) بمعدل سنوي مركب قدره 18% للتطبيقات السريرية و6% للأبحاث، ما يرفع السوق المتاحة بحلول 2033 إلى 100 مليار دولار للقطاع السريري و25 مليار دولار للأبحاث.

المصدر: Illumina

كان لـ Illumina تاريخ معقد مع شركة الخزعة السائلة Grail (GRAL )، التي انفصلت عنها ثم أعادت Illumina الاستحواذ عليها، قبل أن تجبرها سلطات المنافسة في الولايات المتحدة والاتحاد الأوروبي على فصلها مجدداً.

بعد تجاوز هذه المشكلة، قد تستأنف Illumina نموها طويل الأجل وارتفاع سعر سهمها، ولا سيما أن اختبارات الخزعة السائلة من Grail ستعتمد على الأرجح على أجهزة التسلسل من Illumina.

Ginkgo Bioworks

تعمل معظم الشركات التي تركز على متعدد الأوميكس في قطاع الأدوية والتكنولوجيا الحيوية بسبب الربحية المحتملة لعلاجات السرطان الكبرى أو علاج الأمراض النادرة.

لكن ذلك يتجاهل الإمكانات الهائلة للأنظمة الحيوية في تطبيقات لا حصر لها، منها إنتاج المواد الكيميائية والزراعة والمواد والوقود الحيوي.

وهذا تحديداً محور عمل Ginkgo Bioworks، التي تتبع نموذجاً مبتكراً لبناء «كائنات حية حسب الطلب» لتلبية احتياجات صناعية محددة، ما يجعلها رائدة في مجال الأحياء التركيبية الناشئ (راجع «أفضل 5 شركات عامة في الأحياء التركيبية»).

وبهذه الطريقة تستطيع Ginkgo تقديم أي مستوى من التعاون، بدءاً من بيع أدوات إنتاج كائنات جديدة، مروراً بتقديم حلولها بعقود، ووصولاً إلى شراكات كاملة.

المصدر: Gingko Bioworks

تتمحور أجهزة البحث في الشركة حول عربات الأتمتة القابلة لإعادة التهيئة (RAC)، وهي وحدات يمكن دمجها معاً لتشكيل مختبرات بحثية كاملة تنتج البيانات البيولوجية بإنتاجية عالية.

اضطرت Ginkgo إلى إصلاح نموذج أعمالها في 2024 بعد فترة من التوسع والانتشار في مواقع جغرافية كثيرة. وأتاح ذلك خفض النفقات التشغيلية الفصلية من 515 مليون دولار إلى 375 مليوناً، أساساً عبر خفض التكاليف العامة إلى النصف.

من شأن ذلك أن يقرب الشركة من الربحية وأن يدعم مزيداً من التقدم في اتفاقيات البحث والمدفوعات المرتبطة بمراحلها.

التحديات

الخصوصية

إذا كان عصر تحليلات متعدد الأوميكس والطب الشخصي قريباً، فهو لا يخلو من التحديات. أولها خصوصية البيانات، وهو موضوع شديد الحساسية عندما لا تصف البيانات حياتنا الرقمية فحسب بل أجسامنا ذاتها.

حتى يتقبل الناس هذه الثورة التقنية، لا بد من توفير أمن قوي، وقصر الوصول على الأشخاص المصرح لهم، وإخفاء هوية البيانات، ومنع استخدامها لحرمان الأفراد من الرعاية الطبية أو التأمين.

كما ينبغي معالجة القلق من جمع البيانات الجينية على نطاق شامل، وخصوصاً إذا كانت متاحة لجهات غير طبية، مثل أفراد الشرطة أو أجهزة الدولة.

التنظيمات

نظراً إلى حساسية البيانات البيولوجية، يُتوقع تشديد اللوائح. وسيشمل ذلك أولاً مسألة الخصوصية، إضافة إلى موضوعات مثل:

  • مخاطر ظهور احتكار، حيث تسيطر شركة أو عدد قليل من الشركات تدريجياً على جميع بياناتنا البيولوجية، فكلما زادت البيانات، زادت كفاءة التحليلات القائمة على الذكاء الاصطناعي.
  • إدارة التوازن بين فهم المخاطر للأفراد أو للمجتمعات ككل، وتجنب التمييز أو الممارسات التجارية غير العادلة.
  • معاملة عادلة فيما يتعلق بالطب المخصص بغض النظر عن الثروة، بالإضافة إلى إدارة التكاليف الجماعية المحتملة.

سهولة الوصول

لأن الطب الشخصي وبيانات متعدد الأوميكس بالغة التعقيد، سيكون شرحها لغير العلماء أو الأطباء صعباً. ومع مخاطر عدم الإنصاف ومخاوف الخصوصية، من المرجح ظهور قدر من المقاومة أو حتى رد فعل سلبي.

كما تعرضت سياسة التطعيم الجماعي بلقاحات mRNA ضد كوفيد لتسييس شديد، فمن غير المستبعد حدوث نتيجة مماثلة لمتعدد الأوميكس والطب المدفوع بالذكاء الاصطناعي.

وبالمثل، قد تكون هذه التكنولوجيا مرتفعة التكلفة في بدايتها، وسيكون من المهم منع تحول عدم المساواة في الثروة إلى فجوة بيولوجية وصحية.

مستقبل الرعاية الصحية المدفوعة بالذكاء الاصطناعي

يؤدي الجمع بين الكميات المتزايدة من البيانات الطبية والذكاء الاصطناعي القوي والمختبرات البيولوجية المؤتمتة والمحاكاة الحاسوبية للبروتينات وحتى للخلايا الكاملة إلى إنشاء مجالات جديدة تماماً في الطب والبحث الطبي.

ومن المرجح أيضاً أن تكون هذه مجرد البداية، إذ تتراكم تطورات أخرى تسرّع الابتكار بدرجة أكبر:

في المستقبل غير البعيد، قد يُصمم معظم الطب وفق تركيبتنا الجينية الفردية، وقد نجري فحصاً سنوياً موثوقاً للسرطان عبر اختبار دم، ونتمتع بصحة وطاقة أفضل بفضل التوازن المثالي بين الأيض والميكروبيوم والجينوم.

من منظور الاستثمار، يُرجح أن تكون الشركات القادرة على إنشاء مجموعات ضخمة من البيانات البيولوجية هي الفائز الأكبر في سباق الذكاء الاصطناعي والتكنولوجيا الحيوية، أكثر من الشركات التي تمتلك خوارزمية احتكارية فريدة أو قدرة حاسوبية فقط. فتكنولوجيا الذكاء الاصطناعي تتجاوز بسرعة مراكز البيانات العملاقة كمصدر لميزة دائمة وتتجه نحو نموذج لامركزي مفتوح المصدر.

mm

جوناثان هو باحث كيميائي حيوي سابق عمل في تحليل الجينات والتجارب السريرية. وهو الآن محلل أسهم وكاتب مالي يركز على الابتكار ودورات السوق والجيوسياسة في منشورته 'The Eurasian Century".