A Systematic Evaluation of Co-folding Model Representations for Small-Molecule Learning
تُثبت هذه الورقة أن نموذج الطي المشترك Boltz2، الذي يستفيد من التفاعلات بين البروتين واللجين في مرحلة ما قبل التدريب، يُنتج تمثيلات للجزيئات الصغيرة تتفوق وتتكامل مع النماذج القائمة المستقلة عبر مهام متنوعة تشمل التنبؤ بخصائص ADMET، والنمذجة التوليدية، والتحسين الموجه بالبنية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تحاول تعليم روبوت كيف يفهم شكل وسلوك وحدات البناء الكيميائية الصغيرة (الجزيئات الصغيرة) للمساعدة في تصميم أدوية جديدة.
عادةً ما يعلم العلماء هذه الروبوتات من خلال عرض ملايين الجزيئات المنعزلة عليها، مثل النظر إلى قطعة "ليجو" واحدة في الفراغ والسؤال: "ماذا تفعل هذه القطعة؟". يتعلم الروبوت شكل القطعة، لكنه لا يرى أبداً كيف تلتصق هذه القطعة بقطع أخرى.
تقدم هذه الورقة البحثية طريقة جديدة وأكثر ذكاءً لتعليم الروبوت. فبدلاً من النظر إلى القطعة بمفردها، يظهرون للروبوت القطعة بينما هي ملتصقة بالفعل بآلة معقدة (بروتين). وهذا ما يسمى "الطي المشترك" (co-folding).
إليك تفصيل اكتشافهم باستخدام تشبيهات بسيطة:
١. المشكلة: التعلم في الفراغ
معظم نماذج الذكاء الاصطنيً الحالي للكيمياء تشبه الطلاب الذين يدرسون فقط بطاقات استذكار لكلمات مفردة. هم يعرفون شكل الكلمة، لكنهم لم يروها أبداً مستخدمة في جملة. إنهم يفتقدون السياق حول كيفية تفاعل الكلمات مع بعضها البعض. في الكيمياء، يعني هذا أن الذكاء الاصطناعي يفتقد كيفية تفاعل جزيء الدواء مع البروتين الذي من المفترض أن يستهدفه.
٢. الحل: معلم "الطي المشترك"
استخدم الباحثون نموذج ذكاء اصطناعي قوي وجديد يسمى Boltz2. في الأصل، تم تدريب Boltz2 على التنبؤ بكيفية طي البروتين وجزيء الدواء معاً ليشكلوا شكلاً ثلاثي الأبعاد. إنه يشبه مهندساً معمارياً بارعاً يعرف تماماً كيف تندمج كل قطعة في الجدار.
السؤال الكبير كان: هل يمكننا أخذ هذا المهندس المعماري، وهو خبير في بناء الجدران، واستخدامه فقط لفهم الطوب نفسه؟
٣. التجربة: إعادة استخدام المهندس المعماري
أخذ الفريق "عقل" Boltz2 (تمثيلاته الداخلية) وطبقوه على مهام لا يتواجد فيها البروتين. لقد عاملوا Boltz2 كمعلم عام للجزيئات الصغيرة.
وقد اختبروا هذا "المعلم" بثلاث طرق رئيسية:
- الاختبار (التنبؤ بخصائص ADMET): سألوا Bolth2 عما إذا كان الدواء سيكون آمناً أو ساماً (الامتصاص، التمثيل الغذائي، إلخ).
- النتيجة: سجل Bolth2 نتائج تضاهي، أو حتى تتفوق على، النماذج المدربة خصيصاً لهذه الاختبارات، رغم أنه لم يُدرّس صراحةً لهذه المهام. لقد تعلم قواعد الكيمياء بمجرد مراقبة كيفية تفاعل الجزيئات مع البروتينات.
- حصة الكتابة الإبداعية (توليد الجزيئات): حاولوا تعليم الروبوت كيف يبتكر جزيئات جديدة. عادةً ما يكون هذا بطيئاً ويعتمد على التجربة والخطأ.
- النتيجة: باستخدام "فهم" Bolth2 كدليل، تعلم الروبوت إنشاء جزيئات صالحة وعالية الجودة بسرعة مضاعفة. كان الأمر بمثابة إعطاء الروبوت خريطة للمدينة بدلاً من تركه يتجول بلا هدى.
- رحلة البحث عن الكنز (تحسين اللجين): طلبوا من الروبوت إيجاد المفتاح المثالي (الجزيء) ليتناسب مع قفل محدد (البروتين).
- النتيجة: بدلاً من الحصول على درجة "نعم/لا" فقط حول مدى ملاءمة المفتاح، استخدم الروبوت "مشاعر" Bolth2 التفصيلية حول الملاءمة (التمثيلات الوسيطة) ليتعلم بشكل أسرع. لقد وجد مفاتيح أفضل بمحاولات أقل.
٤. السر الكامن: منظور جديد
وجدت الورقة أن Bolth2 لا يحفظ الحقائق فحسب؛ بل يتعلم نوعاً مختلفاً من الخرائط لعالم الكيمياء.
- النماذج الحالية تشبه خريطة لشوارع المدينة (البنية الجزيئية).
- أما Bolth2 فهو يشبه خريطة لحركة المرور في المدينة وكيفية تفاعل السيارات مع التقاطعات (التفاعلات الجزيئية).
ولأن هذه الخرائط مختلفة، فإن دمجها (مثل استخدام Bolth2 جنباً إلى جنب مع نموذج قديم) يخلق "خريطة فائقة" هي أفضل من أي منهما بمفرده.
٥. الخلاصة
تخلص الورقة إلى أن مشاهدة تفاعل الجزيئات مع البروتينات هي طريقة قوية لتعليم الذكاء الاصطناعي حول الجزيئات.
لقد أثبتوا أنه ليس من الضروري تدريب نموذج من الصفر على ملايين الجزيئات المنعزلة للحصول على نتيجة رائعة. يمكنك أخذ نموذج مدرب على تفاعلات البروتين والدواء المعقدة، وتجريده من البروتين، واستخدام "معرفته" بالجزيء لحل مشكلات مستقلة.
باخت-اختصار: لقد أظهروا أن الذكاء الاصطناعي المدرب على بناء هياكل معقدة (معقدات البروتين والدواء) هو في الواقع معلم بارع لفهم الأجزاء الفردية (الجزيئات الصغيرة) بشكل أفضل من النماذج التي تدرس الأجزاء في عزلة. وهذا يجعل Bolth2 أداة جاهزة للاستخدام المباشر في اكتشاف الأدوية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.