DeepConf: Machine Learning Conformer Reconstruction of Biomolecules from Scanning Tunneling Microscopy Images
تقدم هذه الورقة DeepConf، وهو إطار عمل للتعلم الآلي يستفيد من نظرية الدالة الكثافية المتسارعة لتوليد بيانات تدريب وإعادة بناء الهياكل ثلاثية الأبعاد للجزيئات الحيوية مثل الببتيدات والسكريات المتعددة من صور مجهر المسح النفقي الماسح بدقة عالية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تحاول فهم شكل لعبة معقدة ومرنة (مثل قطعة من الأوريغامي أو كرة خيوط متشابكة) بمجرد النظر إلى ظل باهت باللونين الأبيض والأسود يلقيه على الحائط. هذا هو بالضبط ما يواجهه العلماء عندما يحاولون فهم الجزيئات الحيوية (مثل البروتينات والسكريات) باستخدام مجهر قوي يسمى المجهر الماسح النفقي (STM).
إن المجهر الماسح النفقي (STM) مذهل؛ إذ يمكنه رؤية الجزيئات الفردية. لكن الصور التي ينتجها غالباً ما تكون مربكة. فمن الممكن للجزيء الواحد أن يلتوي ويتغير إلى أشكال عديدة (تسمى التشكيلات أو الـ conformations)، ولا توضح صورة المجهر دائماً أي جزء هو أي جزء. تقليدياً، كان على العلماء التحديق في هذه الظلال الباهتة لساعات، مستخدمين عقولهم لتخمين الشكل ثلاثي الأبعاد. كانت العملية بطيئة، ومرهقة، وعرضة للخطأ البشري.
هنا يأتي دور DeepConf، وهو "محقق ذكاء اصطناعي" جديد يحل هذا اللغز تلقائياً. وإليك كيف يعمل، مقسماً إلى خطوات بسيطة:
١. المشكلة: "الظل" مقابل "الجسم"
فكر في صورة المجهر الماسح النففي (STM) كأنها عرض لظلال اليد. أنت ترى ظلاً على الحائط، لكنك لا تعرف بالضبط كيف يمسك لاعب الظل يديه لصنع هذا الشكل.
- التحدي: الجزيئات الحيوية مرنة. فقد يلتف البروتين مثل الزنبرك أو يتمدد مثل المعكرونة. ويتغير الظل في كل مرة.
- الطريقة القديمة: حاول العلماء إعادة هندسة الظل يدوياً. كان الأمر يشبه محاولة تخمين وضعية اليد الدقيقة للاعب الظل بمجرد النظر إلى ظل باهت.
٢. الحل: تدريب الذكاء الاصطناعي باستخدام ظلال "وهمية"
لتعليم الكمبيوتر كيفية حل هذه المشكلة، تحتاج عادةً إلى آلاف الأمثلة الحقيقية. لكن التقاط صور حقيقية للجزيئات يستغرق وقتاً طويلاً جداً (مثل محاولة تصوير تشكيل سحابي معين لا يوجد إلا لثانية واحدة).
- خدعة DeepConf: بدلاً من انتظار الصور الحقيقية، قام الباحثون ببناء مصنع افتراضي.
- الخطوة ١ (الباني): كتبوا برنامجاً حاسوبياً يبني ملايين الجزيئات الوهمية، ويلويها في كل شكل ممكن يمكن تخيله.
- الخطوة ٢ (محرك الفيزياء): استخدموا "محاكي فيزياء" فائق السرعة (نسخة مختصرة من الرياضيات الكمومية المعقدة) لحساب ما سيكون عليه ظل هذه الجزيئات الوهمية.
- الخطوة ٣ (الكاميرا): قاموا بمحاكاة عملية التقاط المجهر لصورة هذه الظلال الوهمية، مع إضافة "ضجيج" و"تغبيش" لجعلها تبدو تماماً مثل الصور الحقيقية الفوضوية من المختبر.
الآن، أصبح لديهم مكتبة ضخمة من أزواج (الظل + الشكل الحقيقي). يتعلم الذكاء الاصطناعي: "آه، عندما أرى ظلاً يشبه حرف 'C'، فإن الجزيء في الواقع ملتف على شكل 'C'".
٣. المحقق الذكي: من الظل إلى النموذج ثلاثي الأبعاد
بمجرد تدريب الذكاء الاصطناعي على ملايين هذه الأمثلة الوهمية، يعرضون عليه صورة حقيقية من المختبر.
- السحر: ينظر الذكاء الاصطناعي إلى الظل الباهت ويقول فوراً: "أنا أعرف هذا! بناءً على ما تعلمته، هذا الجزيء ملتف بهذا الشكل".
- النتيجة: يقوم بإخراج نموذج ثلاثي الأبعاد دقيق للجزيء، موضحاً مكان كل ذرة بالضبط.
٤. ما مدى جودته؟
اختبر الباحثون هذا النظام على نوعين من الجزيئات:
- الببتيدات (سلاسل البروتين): فكر في هذه السلاسل كأنها خيط من الخرز. لقد حصل الذكاء الاصطناعي على الشكل بدقة مذهلة، حيث لم يخطئ في تحديد موقع الذرات الفردية بأكثر من عرض ذرة واحدة (حوالي ٢ أنجستروم).
- الجليكانات (سلاسل السكر): هذه تشبه الشبكات ثلاثية الأبعاد المتشابكة. وهي أصعب في الرؤية لأنها ضخمة ومستديرة. ومع ذلك، كان الذكاء الاصطناعي جيداً جداً، حيث حصل على الشكل العام بشكل صحيح، وإن كان أقل دقة قليلاً من البروتينات (بفارق حوالي ٤ أنجستروم).
٥. لماذا يهم هذا؟
تخيل لو استطعت دخول غرفة، والنظر إلى ظل على الحائط، ومعرفة الشكل ثلاثي الأبعاد الدقيق للجسم الذي يلقي هذا الظل فوراً، دون أن تلمسه أبداً.
- السرعة: ما كان يستغرق خبيراً بشرياً أياماً من التخمين، يستغرق الآن ثوانٍ من الكمبيوتر.
- الأتمتة: هذا يمهد الطريق لنظام مؤتمت بالكامل. في المستقبل، يمكننا مسح عينة بيولوجية، وسيمكن للكمبيوتر فوراً إخبارنا بالبنية الهيكلية لكل جزيء بداخلها، مما يساعدنا على فهم الأمراض، أو تصميم أدوية جديدة، أو فهم كيف تعمل الحياة عند أصغر مستوياتها.
باختختصار: DeepConf هو أداة تعلم آلي تتعلم قراءة "ظلال" الجزيئات من خلال التدرب على ملايين الأمثلة المولدة حاسوبياً. إنه يحول صور المجهر الباهتة والمربكة إلى مخططات ثلاثية الأبعاد واضحة لللبنات الأساسية للحياة، ويقوم في ثوانٍ بما كان يستغرق البشر أياماً للقيام به.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.