Molecular property prediction is a computational method using graph neural networks and AI to estimate material characteristics without laboratory experiments.التنبؤ بالخصائص الجزيئية هو مجال متعدد التخصصات يقع عند تقاطع الكيمياء والفيزياء والمعلوماتية، حيث تُدرَّب النماذج الحاسوبية على بيانات تجريبية لتقدير خصائص الجزيئات دون الحاجة إلى تخليقها مخبرياً. قد تستند النماذج إلى قوانين فيزيائية (ميكانيكا الكم) أو إلى التحليل الإحصائي لكميات ضخمة من البيانات (التعلم الآلي). وهي تتنبأ بمعاملات مثل السمية والنشاط البيولوجي والذوبانية ودرجة الانصهار وحتى لون المادة.
تعود الجذور إلى ستينيات القرن العشرين، حين صاغ كوروين هانش علاقات كمية بين البنية والخواص (QSAR)، مقترحاً معادلات خطية تربط كراهية الماء للمستبدلات بالنشاط البيولوجي. وفي سبعينيات وثمانينيات القرن العشرين، أتاح تطور التقنيات الحاسوبية إدراج مؤشرات كيميائية كمومية وواصفات ثلاثية الأبعاد. وجاءت نقطة التحول في العقد الثاني من القرن الحادي والعشرين مع ظهور التعلم العميق وتوفر وحدات معالجة الرسوميات: إذ تعلمت النماذج «قراءة» الجزيئات مباشرة من البنية البيانية، محققة دقة عالية في التنبؤ بالذوبانية والسمية وطاقات الحالات المثارة. واليوم، أصبح التنبؤ بالخصائص جزءاً لا يتجزأ من الفحص الافتراضي في الصيدلة وتصميم المواد الجديدة.
يقوم أي تنبؤ على تمثيل الجزيء في فضاء الواصفات أو تمثيل متجهي. أبسط الواصفات: تعداد الذرات من نوع معين، والكتلة الجزيئية، والمساحة السطحية. والواصفات الأكثر تعقيداً ترمّز معلومات عن الحلقات، ومانحات/مستقبلات الروابط الهيدروجينية، والشحنات الجزئية (المحسوبة، مثلاً، بطريقة غاستايغر). في الشبكات العصبية البيانية، يحصل كل ذرة على متجه سمات يُحدَّث تكرارياً برسائل من الذرات المجاورة؛ ثم يُجمَّع المتجه النهائي للجزيء ويُمرَّر إلى طبقة متصلة بالكامل تُصدر التنبؤ. يهدف التدريب إلى تصغير دالة الخسارة، مثل متوسط مربع الخطأ للخواص المستمرة أو الإنتروبيا المتقاطعة للتصنيف. أهم القوانين الفيزيائية التي تستند إليها الطرق الكمومية: معادلة شرودنغر (المستقلة والمعتمدة على الزمن) ومبدأ باولي (الذي يمنع فرميونين من احتلال الحالة الكمومية نفسها). أما النماذج الإحصائية فلا تحتاج إلى فيزياء صريحة، لكن اختيار السمات غالباً ما يسترشد بمبدأ «الشبيه يجذب الشبيه»: فالجزيئات المتشابهة تمتلك خواصاً متقاربة. ويُفحص جودة النموذج على عينة اختبار منفصلة باستخدام مقاييس مثل (R²، وRMSE، وAUC).
يُسرِّع تطوير مواد وأدوية جديدة، من البلاستيك القابل للتحلل الحيوي إلى الأدوية المضادة للسرطان الموجهة.
تستطيع الخوارزميات الحديثة في ثوانٍ فحص ملايين المتغيرات الجزيئية لدواء جديد، بينما يستغرق تخليق واختبار جزيء واحد في المختبر أسابيع ويكلف آلاف الدولارات.
















