أخبار ar.wedoany.com، أعلن شو جينبو، مؤسس شركة "موليكيولار ميند" (Molecular Mind)، خلال منتدى "شنغهاي قوه تو" (Shanghai Guotou) الرائد لعام 2026، عن الإتاحة الرسمية لنظام تشغيل الاقتصاد الحيوي الأصلي القائم على الذكاء الاصطناعي، والذي طورته الشركة ذاتياً، تحت اسم "MoleculeOS" (ويُختصر بـ MOS). يُصمم هذا النظام ليكون نظام تشغيل يعمل بالذكاء الاصطناعي مخصصاً للبحث والتطوير في مجال علوم الأحياء، ويهدف إلى تحويل دور الذكاء الاصطناعي من مجرد "أداة تنبؤ" ذات وظيفة واحدة إلى "منظم" لسير عمل البحث والتطوير. يشهد النمط التقليدي لاكتشاف الجزيئات القائم على "الغربلة والتجربة والخطأ" تحولاً نحو نمط أكثر تحديداً يتمثل في "إنشاء الجزيئات"، مما يعيد تعريف البنية التحتية للبحث والتطوير في المجال الحيوي.
يتميز نظام MoleculeOS بقدرته على فهم النوايا البيولوجية للمستخدم بشكل مستقل، بدءاً من أهداف المشروع كمدخلات. يقوم النظام تلقائياً بتفكيك المهام وجدولة مجموعة النماذج الداخلية لتنفيذ مهام مثل التنبؤ بالبنية وتصميم الجزيئات، ليقدم في النهاية توصيات اتخاذ القرار ويوثق مساراً كاملاً وقابلاً للتتبع للبحث والتطوير. تستمد قدراته الأساسية من مجموعة النماذج التي طورتها الشركة ذاتياً، والتي تشمل النموذج الأساسي متعدد الوسائط للبروتينات "نيو أوريجين" (NewOrigin، أو "داروين")، ونموذج التنبؤ بالبنية الشاملة للذرات للجزيئات الكبيرة المعقدة "MMFold"، بالإضافة إلى نماذج التصميم التوليدية "MMDesign" الموجهة للأجسام المضادة النانوية والإنزيمات والبروتينات الوظيفية.
من حيث المؤشرات التقنية، حقق نموذج MMFold في اختبار FoldBench المعياري نسبة نجاح بلغت 68.6% في التنبؤ بـ 172 واجهة تفاعل بين الأجسام المضادة والمستضدات. أما منصة التصميم الابتدائي للأجسام المضادة، فقد أظهرت في اختبارات شملت 12 هدفاً، وباختبار لا يتجاوز 50 جزيئاً مرشحاً لكل هدف، نسبة نجاح في الوصول إلى الهدف تجاوزت 90%. هذه النماذج لا تعمل كأدوات منعزلة داخل نظام MoleculeOS، بل يتم تنظيمها بشكل موحد لتحقيق تحليل شامل يسترشد بالهدف النهائي للبحث والتطوير.
في سير العمل التقليدي للبحث والتطوير، تتضمن مهام تصميم الجزيئات الكبيرة مراحل متعددة مثل تحليل الهدف، والنمذجة التسلسلية، والتنبؤ بالبنية، وهي موزعة بين أدوات وفرق مختلفة، وتعتمد على الجدولة اليدوية. من خلال جعل "نية البحث والتطوير" هي مدخل النظام، يمكن للباحثين في نظام MoleculeOS طرح أهداف مباشرة مثل تحسين ألفة الجسم المضاد، فيقوم النظام تلقائياً بجدولة النماذج حول هذا الهدف لإنجاز المهام المنهجية. في أحد مشاريع تحسين الأجسام المضادة لنقاط التفتيش المناعية، تم ضغط المهام التي كانت تستغرق أسابيع في العمليات التقليدية إلى بضع ساعات فقط. يتم توثيق كل مسار كامل من نية البحث والتطوير إلى الاستنتاج تلقائياً من قبل النظام كأصل هيكلي للبحث والتطوير، يمكن استدعاؤه في المشاريع اللاحقة.
يُعد شو جينبو أحد الباحثين الأوائل في مجال التنبؤ بالبنية البروتينية. فقد أثبتت طريقته "RaptorX-Contact" التي قدمها في عام 2016 دور التعلم العميق في تحسين دقة التنبؤ بالبنية البروتينية. ويرى أن جوهر المنافسة في تكنولوجيا الذكاء الاصطناعي الحيوي قد تحول من القدرات النموذجية المنفردة إلى البنية التحتية المنهجية للبحث والتطوير، وأن المفتاح يكمن في "توليد جزيئات تستحق التحقق التجريبي بدقة أكبر".
قبل الإتاحة الرسمية، كان نظام MoleculeOS قد استُخدم بالفعل كقاعدة هندسية داخلية لشركة "موليكيولار ميند" لدعم العديد من مشاريع الأدوية المبتكرة والتصنيع الحيوي. وتخطط الشركة مستقبلاً للإتاحة المستمرة لمزيد من قدرات النماذج ووحدات البحث والتطوير الذكية، لتعزيز التطبيق الواسع النطاق لنظام التشغيل هذا في مجالات الأدوية المبتكرة والتصنيع الحيوي وعلم الأحياء التركيبي وغيرها.
