علامة مائية ذكية تحمي البروتينات من الاستخدامات الخبيثة

هل يمكن لعلامة مائية رقمية أن تحمي العالم من بروتين مصمَّم بالذكاء الاصطناعي لأغراض خبيثة؟ هذا هو السؤال الذي يحاول باحثو Google DeepMind الإجابة عنه في ورقة بحثية نُشرت الأربعاء، بعد ما يقارب عاماً كاملاً من تحذيرات لم تجد بعدُ رداً عملياً واضحاً. فمنذ أن بدأت أدوات تصميم البروتينات بالذكاء الاصطناعي تنتج إنزيمات تُحلّل البلاستيك أو تُبطل مفعول بروتينات السموم، ظهر إلى جانبها خطر أقلّ إشادةً: الإمكان نفسه قابل للاستخدام في تصميم سموم جديدة أو تعديل سلوك بروتينات فيروسية، وبرمجيات فحص التسلسلات الجينية المستخدمة حالياً لدى شركات تصنيع الحمض النووي لا تملك دائماً القدرة على تمييز هذه التصاميم، لأنها ببساطة غير موصوفة بما يكفي في قواعد البيانات المعروفة.

الفكرة التي يطرحها فريق DeepMind ليست حلاً نهائياً لهذه الثغرة، بل أداة تصنيف: بدل أن تُغرق شركات تصنيع الحمض النووي في محاولة تحليل كل تسلسل غامض، يمكنها استخدام "علامة مائية" مدمجة داخل تسلسل البروتين نفسه للتمييز بين تصاميم صادرة عن جهات موثوقة وأخرى مجهولة المصدر تستحق فحصاً أدق. وهذا مجال يُوصف في الأدبيات المتخصصة بأنه من أكثر الميادين تقدماً نسبياً في مواجهة مخاطر الذكاء الاصطناعي، مقارنةً بميادين أخرى تحرّكت فيها الاستجابات ببطء لافت.

كيف تُبنى هذه البروتينات أصلاً؟

لفهم العلامة المائية، لا بد من فهم المادة التي تُطبَع عليها. البروتينات مبنية من 20 حمضاً أمينياً، لكل منها جزء ثابت يتكرر على طول السلسلة يتألف أساساً من ذرّتَي كربون مرتبطتين وذرّة نيتروجين وهذا الجزء الثابت هو ما يُشكّل العمود الفقري الطويل للبروتين. أما ما يميّز حمضاً أمينياً عن آخر فهو "السلسلة الجانبية"، التي قد تكون بسيطة كذرّة هيدروجين واحدة أو معقّدة كبنية حلقية كبيرة، وقد تكون هيدروكربونية أو حمضية أو قاعدية. هذه السلاسل الجانبية هي التي تحدّد كيف يلتفّ العمود الفقري في الفضاء ثلاثي الأبعاد؛ ففي البروتينات القابلة للذوبان، تنكمش السلاسل الهيدروكربونية إلى الداخل بينما تواجه السلاسل الحمضية والقاعدية والمحتوية على مجموعات هيدروكسيل الماء المحيط. بعض المناطق في البروتين تتحمّل تغييرات طفيفة في التسلسل دون أن يتأثر عملها، بينما قد يكفي تغيير بسيط في مناطق أخرى لتعطيل البروتين كلياً وهنا بالضبط تكمن الفرصة والمخاطرة معاً.

أداة التصميم التي استخدمها فريق Google تُسمّى ProteinMPNN، وهي من تطوير مختبر Baker Lab بقيادة David Baker، الحائز على جائزة نوبل نفسها التي شارك فيها رئيس DeepMind. تعمل الأداة على مرحلتين: أولاً تحدَّد أداة أخرى شكل العمود الفقري المناسب، ثم تختار ProteinMPNN الأحماض الأمينية واحداً تلو الآخر على طول هذا العمود، آخذةً بعين الاعتبار مدى ملاءمتها للبنية والتفاعلات مع الأحماض المجاورة وأي قيود تجريبية مطلوبة، كتشكيل جيب حفّاز أو التفاعل مع بروتين آخر (ورقة ProteinMPNN الأصلية منشورة هنا).

آلية الطبع: مفتاح خفي داخل كل حمض أميني

هنا يتدخّل SynthIDBio، وهو امتداد لتقنية SynthID التي تستخدمها Google أصلاً لوضع علامات مائية خفية في النصوص والصور المولَّدة بالذكاء الاصطناعي، عبر التحيّز الطفيف لاحتمالات اختيارات النموذج بحيث تتوزّع إشارة معينة داخل المحتوى. في حالة البروتينات، يتدخّل SynthIDBio أثناء مرحلة اختيار الأحماض الأمينية في ProteinMPNN: يستخدم مفتاحاً والأحماض الأمينية المختارة سابقاً لاقتراح الحمض التالي، وتتحقق ProteinMPNN من توافق هذا الاقتراح مع بروتين وظيفي فإن كان متوافقاً يُدمج، وإن لم يكن يُرفض. عملياً، يعني هذا تفضيل حمض أميني على آخر متى كان البديلان يؤديان الوظيفة نفسها، مثل اختيار اللوسين أو الأيزوليوسين أو الفالين بدلاً من غيرها، أو السيرين بدلاً من الثريونين. وقد وصف أحد مطوّري النظام العملية بأنها بحث داخل نطاق البروتينات الوظيفية عن تسلسلات تحتوي على عدد كافٍ من الأحماض الأمينية الحاملة للعلامة المائية، والتي تتوزّع عشوائياً على طول البروتين بأكمله.

اكتشاف العلامة لاحقاً يتطلّب معرفة المفتاح، ومسح التسلسل كاملاً، وقياس عدد الأحماض المطابقة له إحصائياً وقد طوّرت Google برمجية مخصّصة لهذا الغرض. تكمن نقطة القوة هنا في أنّ إزالة العلامة ليست سهلة كإزالتها من صورة رقمية: البروتينات المحتوية على 500 حمض أميني تُعدّ كبيرة نسبياً، وتحمل مادة أقل بكثير مما تحمله صورة من ملايين البكسلات لإخفاء الإشارة فيها، ما يجعل مسألة الكفاية الطولية للعلامة تحدياً حقيقياً.

اختبار واعد لكنه غير حاسم

اختبر الفريق التصاميم عبر تصميم بروتينات معدّة للتفاعل الفيزيائي مع بروتينات طبيعية سبق أن استُهدفت بتصاميم مماثلة بالذكاء الاصطناعي، ونجحت البروتينات الحاملة للعلامة المائية في الارتباط بأهدافها المقصودة. لكن هذا الاختبار كما تُقرّ الورقة نفسها ضمنياً أقل صرامة من إثبات أن البروتين يعمل فعلياً كحفّاز، إذ لم يُقيَّم النشاط التحفيزي لهذه التصاميم. النتائج تشير إلى أن الطبع قد ينجح في مهام تصميم أكثر تعقيداً، لكنها لا تُثبت ذلك بشكل قاطع.

والحدود لا تتوقف هنا. البروتينات القصيرة جداً قد لا تحتوي على أحماض أمينية كافية لتمييز العلامة إحصائياً، ودمج تصميم يحمل علامة مائية مع بروتين فلوريسنت طبيعي كما يُفعل عادة في المختبرات لأغراض التتبّع البصري قد يُخفّف العلامة حتى تصبح غير قابلة للكشف. والقرار الإحصائي نفسه، أي تحديد "الحد الفاصل" بين علامة موجودة وأخرى غائبة، يفرض مفاضلة بين نتائج إيجابية كاذبة وأخرى سلبية كاذبة، وهي مفاضلة تقنية عادية لكنها تعني عملياً أن النظام لن يكون دقيقاً بنسبة 100%.

من يحمل المفتاح؟ سؤال الثقة لا يقل أهمية عن سؤال التقنية

الأهم من كل ذلك، بنظري، هو النموذج الذي تقترحه Google لتشغيل هذا النظام على أرض الواقع: أن تُوزَّع مفاتيح الطبع من جهات موثوقة جامعات وشركات تقنية حيوية كبرى على شركات تصنيع الحمض النووي، بحيث يمكن لهذه الشركات التعرّف على أن بروتيناً مجهولاً هو تصميم بذكاء اصطناعي صادر عن مصدر موثوق، وتركيز الانتباه بدلاً من ذلك على التصاميم "المشابهة للذكاء الاصطناعي" التي تفتقر إلى علامة موثوقة. هذا نموذج قائم بالكامل على الثقة المؤسسية وأمن توزيع المفاتيح؛ فإن تسرّب مفتاح واحد أو أُسيء استخدامه، ينهار الأساس الذي يقوم عليه كل النظام. وهذا تذكير بأن العلامة المائية للبروتينات، تماماً كنظيرتها في النصوص والصور، لا تضمن أمن أي طلبية حمض نووي بحد ذاتها هي تُبسّط عملية الفحص فقط، ولا تحلّ محلّها.

يضاف إلى ذلك أن ProteinMPNN ليست الأداة الوحيدة في هذا المجال؛ فحزم تصميم بروتينات أخرى لا تعتمد جميعها على النهج نفسه القائم على اختيار حمض أميني واحد تلو الآخر، وبعضها فقط متوافق تقنياً مع طريقة SynthIDBio. ولم تُعالج Google بعد مسألة التكامل مع طرق التصميم الأخرى، ما يحدّ حالياً من نطاق من يمكنه أصلاً وضع علامة مائية على تصاميمه.

الخلاصة، بعد قراءة الورقة المنشورة في مجلة Nature (رقم التعريف الرقمي 10.1038/s41586-026-10965-y): الفكرة ذكية هندسياً، والاختبار الأولي مشجّع، لكن قيمتها العملية بصيغتها الحالية لا تزال غير مؤكدة. لا ننصح أحداً باعتبار هذا حلاً جاهزاً لمشكلة أمن البروتينات المصمَّمة بالذكاء الاصطناعي؛ هو، في أفضل الأحوال، طبقة فحص إضافية تعتمد على نظام ثقة مركزي لم تُختبر متانته بعد في الواقع، وعلى بروتوكولات لم تُعمَّم على كامل صناعة تصميم البروتينات. المتابعة المنطقية التالية هي أن نرى هل ستتبنّى مختبرات ومؤسسات أخرى غير Google هذا النهج، أم يبقى حبيس منظومتها الخاصة.