أخبار ar.wedoany.com، طورت شركة إنخه للتكنولوجيا (Bota Biosciences) لغة بروتوكولات بيولوجية قابلة للترجمة البرمجية تُعرف باسم BPL، بالإضافة إلى أداة التوليد التلقائي للكود المصدري BPL-COGEN، بهدف تمكين الذكاء الاصطناعي من فهم وتنفيذ إجراءات التجارب البيولوجية بشكل فعلي.
في مجال التصنيع الحيوي، تتطلب العمليات المخبرية دقة متناهية. أي خطأ في وحدات القياس، أو انحراف في المعايير، أو خلط في تسلسل الخطوات أثناء عمليات مثل التعامل مع الماصات، وتسجيل درجات الحرارة، ونقل أطباق الزراعة، قد يؤدي إلى فشل التجربة. على الرغم من أن الذكاء الاصطناعي يمكنه مساعدة العلماء في تصميم خطط التجارب، إلا أنه يجد صعوبة في الدخول الفعلي إلى المختبر لتنفيذ العمليات. يعود السبب الرئيسي في ذلك إلى الافتقار الطبيعي للمعايير الموحدة في التجارب البيولوجية: اختلاف عادات التشغيل بين الفنيين، وتنوع تنسيقات واجهات الأجهزة، وعدم توحيد هياكل البيانات. تظل كمية كبيرة من الخبرات التجريبية محصورة في العقول البشرية، مما يجعل إعادة إنتاج التجارب صعبة، وتراكم البيانات أمراً شاقاً، وتحقيق الأتمتة الكاملة أمراً بعيد المنال.
سبق للأوساط الأكاديمية أن جربت حلولاً موحدة مثل BioCoder وAutoprotocol وAntha وLabOP، لكنها واجهت مشاكل مثل محدودية القدرة التعبيرية، أو الارتباط بأجهزة محددة، أو ارتفاع عتبة الاستخدام. قامت شركة إنخه للتكنولوجيا مؤخراً بنشر ورقة بحثية ذات صلة على منصة bioRxiv المخصصة للطباعة المسبقة في علوم الحياة، مقترحة لغة وصف بيولوجي قابلة للترجمة البرمجية والتحقق تُدعى BPL.
BPL ليست مجرد لغة وصف، بل هي لغة قابلة للترجمة البرمجية. قبل بدء التجربة، يقوم النظام بإجراء محاكاة تجريبية على مستوى البرمجيات، للتحقق من صحة الوحدات، ووجود المواد الكيميائية اللازمة، وعدم تجاوز سعة الأوعية، وعدم وجود تعارضات منطقية بين الخطوات. بمجرد اكتشاف مشكلة، يقوم النظام بالإبلاغ عن الخطأ مباشرة، بدلاً من انتظار فشل التجربة ثم إعادة العمل. بناءً على BPL، طورت الشركة أداة BPL-COGEN، التي يمكنها ترجمة متطلبات التجارب الموصوفة باللغة الطبيعية تلقائياً إلى كود BPL موحد، ثم تدخل في مرحلة فحص المترجم البرمجي (Compiler). تمر الأداة بعملية تكرارية من اكتشاف الأخطاء، والإصلاح التلقائي، وإعادة الفحص، وإعادة الإصلاح، حتى يجتاز الكود عملية الترجمة البرمجية والتحقق من المحاكاة، ثم يقوم النظام بمزامنة التعليمات المتوافقة مع المختبر لبدء التجارب الفعلية.
لتقييم دقة توليد خطط التجارب، اختار فريق البحث 30 خطة تجريبية كلاسيكية من مجلة Nature Protocols، تغطي مجالات البيولوجيا الجزيئية، وزراعة الخلايا، والتحليل الكيميائي الحيوي، وقام ببناء مجموعة بيانات اختبارية مرجعية خاصة. اعتمدت هذه المجموعة المرجعية نموذجاً يجمع بين تقييم النماذج اللغوية الكبيرة والتحقق الموضوعي بواسطة المترجم البرمجي، مع التقييم من ثلاثة أبعاد: درجة تطابق المحتوى، وفعالية الخطة، واكتمال التجربة. أظهرت النتائج أنه عند تكرار توليد الكود لنفس التجربة 10 مرات، كانت 98.3% من النتائج متطابقة تماماً، وبلغت الدرجة الإجمالية 95.1 نقطة، حيث وصلت درجة فعالية الخطة إلى 98.7 نقطة. فيما يتعلق بالتحقق بواسطة المترجم البرمجي، اكتشفت المجموعة المرجعية ما مجموعه 343 مشكلة، بما في ذلك عدم تطابق الوحدات، وتجاوز سعة الأوعية، وعدم تعريف المواد الكيميائية. بلغت نسبة نجاح الترجمة البرمجية للكود المولد في الجولة الأولى 82.3%، وبعد ثلاث جولات كحد أقصى من الإصلاح التلقائي، ارتفعت النسبة الإجمالية إلى 98.6%، مع بقاء 1.4% فقط من المشكلات غير قابلة للإصلاح.
كما أكمل فريق إنخه عمليتي تحقق مخبريتين رطبتين (Wet-lab). الأولى: تحويل نفس كود BPL إلى دليل تشغيل يدوي وسكريبت تنفيذي لجهاز الماصة الآلي، ولم تظهر نتائج التسلسل الجيني والكشف الفلوري اختلافات جوهرية بين النظامين. الثانية: في تجربة الكروماتوغرافيا السائلة، قام النظام تلقائياً بتحويل عملية التحليل التي تستغرق 32 دقيقة إلى برنامج فائق السرعة مدته 2.1 دقيقة، وتم فصل جميع المواد الخمس القابلة للذوبان في الدهون بشكل كامل عند خط الأساس، وكان ترتيب الفصل مطابقاً تماماً للطريقة الأصلية.
بناءً على لغة BPL، أطلقت شركة إنخه للتكنولوجيا منصة SAION AI للذكاء الاصطناعي الفيزيائي (Physical AI) الموجهة لمجال التصنيع الحيوي. تُصنف هذه المنصة كعالم ذكاء اصطناعي، وتتكون من ثلاثة مستويات هيكلية: مستوى الإدراك المسؤول عن فهم المشكلات العلمية وتوليد خطط التجارب، ومستوى التحكم المسؤول عن ترجمة BPL برمجياً والتحقق منها وتنسيق المهام، ومستوى التنفيذ المسؤول عن قيادة الأجهزة المخبرية الحقيقية لإتمام العمليات. في سيناريو هندسة السلالات الميكروبية، يمكن لمنصة SAION AI رفع كفاءة مشروع بحثي واحد من حوالي 500 تجربة على السلالات سنوياً في النمط التقليدي، إلى تنفيذ 300 ألف مجموعة تجارب في نفس الفترة الزمنية للمشروع الواحد، مع تحقيق تنفيذ تجريبي وتدفق عكسي للبيانات دون أي تدخل بشري طوال العملية.
تأسست شركة إنخه للتكنولوجيا في عام 2019 بمدينة هانغتشو، وقامت في مراحلها المبكرة ببناء مصنع بيولوجي (Biofoundry) يُدعى Cell2Cloud مدعوم بالذكاء الاصطناعي الفيزيائي، ويغطي كامل العملية بدءاً من هندسة السلالات وتطوير العمليات وصولاً إلى الإنتاج على نطاق واسع. يولد هذا النظام باستمرار عشرات الملايين من بيانات التجارب الحقيقية، ويتصل بملايين المعارف من الأوراق البحثية وبراءات الاختراع. حصلت المؤسسة والرئيسة التنفيذية للشركة، تسوي هاو، على درجة البكالوريوس من جامعة تورنتو في كندا، ودرجة الدكتوراه في الهندسة الطبية والفيزياء الطبية من برنامج مشترك بين كلية الطب بجامعة هارفارد ومعهد ماساتشوستس للتكنولوجيا (MIT). خلال فترة الدكتوراه، نشرت أبحاثاً كمؤلفة أولى أو رئيسية في مجلات مثل Science وNature Nanotechnology وPNAS، وتمتلك براءات اختراع متعلقة بالبيولوجيا التركيبية وأتمتة التجارب المخبرية.
في عام 2021، أكملت شركة إنخه للتكنولوجيا جولة تمويل من الفئة B بقيمة 100 مليون دولار أمريكي، بمشاركة مستثمرين من بينهم Sequoia China و5Y Capital وSource Code Capital وBaidu وMeituan وBASF وMatrix Partners China وغيرهم. تتعاون الشركة حالياً مع شركات مثل شينخهتشنغ (新和成) وSYENSQO وإيلي (伊利) وBASF وبولايا (珀莱雅) وبايتشيويلان (百雀羚) في مجالات الأغذية والتغذية الصحية والعناية الشخصية.
يقارن المراقبون في القطاع بين لغة BPL وأتمتة التصميم الإلكتروني (EDA) في صناعة أشباه الموصلات. قبل ظهور EDA، كان تصميم الرقائق يعتمد بشكل كبير على خبرة المهندسين، مع تكاليف تحقق عالية ودورات تجربة وخطأ طويلة؛ تكمن قيمة EDA في تحويل تصميم الرقائق إلى أصول رقمية قابلة للوصف والتحقق والمحاكاة. دور BPL في مجال التصنيع الحيوي مشابه لذلك، فهي ليست مجرد أداة لتحسين كفاءة التجارب، بل هي بنية تحتية أساسية موجهة لمستقبل القطاع، تمكن الذكاء الاصطناعي من التحول من مجرد تقديم اقتراحات استدلالية للتجارب، إلى عالم ذكاء اصطناعي قادر على تنفيذ عمليات التجارب الرطبة بشكل مستقل.
