🧬 biology

ZeroFold: Protein-RNA Binding Affinity Predictions from Pre-Structural Embeddings

يُعد ZeroFold نموذجاً قائماً على تقنية المحولات (transformer) يستفيد من التضمينات ما قبل الهيكلية المستمدة من النموذج التأسيسي Boltz-2 للتنبؤ بدقة بآلفة الارتباط بين البروتين والحمض النووي الريبي (RNA) مباشرة من التسلسل، متجاوزاً بذلك بفعالية تحدي المرونة الهيكلية للحمض النووي الريبي دون الحاجة إلى هياكل ثلاثية الأبعاد صريحة.

المؤلفون الأصليون: Josef Hanke (Yusuf Hamied Department of Chemistry, University of Cambridge, UK), Sebastian Pujalte Ojeda (Yusuf Hamied Department of Chemistry, University of Cambridge, UK), Shengyu Zhang (Yusuf Hamie

نُشر 2026-03-26

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Josef Hanke (Yusuf Hamied Department of Chemistry, University of Cambridge, UK), Sebastian Pujalte Ojeda (Yusuf Hamied Department of Chemistry, University of Cambridge, UK), Shengyu Zhang (Yusuf Hamied Department of Chemistry, University of Cambridge, UK), Werngard Czechtizky (Medicinal Chemistry, Research and Early Development, Respiratory and Immunology, BioPharmaceuticals R and D, AstraZeneca, Sweden), Leonardo De Maria (Medicinal Chemistry, Research and Early Development, Respiratory and Immunology, BioPharmaceuticals R and D, AstraZeneca, Sweden), Michele Vendruscolo (Yusuf Hamied Department of Chemistry, University of Cambridge, UK)

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 التنبؤ بمدى جودة تلاحم قطعتي أحجية (بازل) محددتين معاً. إحدى القطعتين هي بروتين، والأخرى هي حمض نووي ريبوزي (RNA). في عالم البيولوجيا، تشبه هذه التفاعلات رقصة: حيث يلتف البروتين والـ RNA، ويدوران، ويتغير شكلهما للعثور على الملاءمة المثالية. إذا تطابقا جيداً، فإنهما يرتبطان بقوة؛ وإذا لم يتطابقا، فإنهما يبتعدان عن بعضهما.

لفترة طويلة، كافح العلماء للتنبؤ بدقة بمدى قوة هذه "الرقصة". وإليك السبب: الـ RNA مرن للغاية. فهو ليس كالصخرة الصلبة، بل يشبه قطعة من المعكرونة المطبوخة؛ فهو يتلوى ويتحرك في أشكال عديدة ومختلفة.

المشكلة القديمة: خطأ "التجميد"

حاولت النماذج الحاسوبية السابقة حل هذه المشكلة عبر أخذ صورة واحدة "مجمدة" للـ RNA، وتخمين الشكل الذي سيتخذه، ثم حساب مدى ملاءمته للبروتين.

المشكلة في هذا النهج تشبه محاولة التنبؤ بمدى براعة راقص من خلال النظر إلى صورة واحدة ثابتة له. فأنت تفقد كل الحركة، والمرونة، وحقيقة أنه قد يغير وضعية جسده ليمسك بيد شريكه. من خلال إجبار الـ RNA على اتخاذ شكل ثابت واحد، يقوم الحاسوب بالتخلص من معلومات حاسمة حول كيفية سلوكه في الواقع.

الحل الجديد: ZeroFold

هنا يأتي دور ZeroFold، وهو نموذج ذكاء اصطناعي جديد طوره باحثون من جامعة كامبريدج وشركة أسترازينيكا (AstraZeneca). بدلاً من النظر إلى "الصورة" النهائية (البنية ثلاثية الأبعاد المتوقعة)، ينظر ZeroFold إلى الرسومات التخطيطية التي رسمها الحاسوب قبل أن يقرر الشكل النهائي.

فكر في الأمر بهذه الطريقة:

الطريقة القديمة: يقوم الذكاء الاصطناعي برسم تمثال واحد صلب للـ RNA ويسأل: "هل يناسب هذا التمثات؟"
ZeroFold: ينظر الذكاء الاصطناعي إلى "الاسكتشات" الأولية المتموجة التي رسمها الفنان، والتي تُظهر الـ RNA وهو يتحرك، ويتمدد، ويجرب وضعيات مختلفة. إنه يفهم أن الـ RNA هو "سحابة من الاحتمالات" وليس مجرد جسم واحد.

تُسمى هذه "الرسومات التخطيطية" بـ التضمينات ما قبل الهيكلية (pre-structural embeddings). وهي عبارة عن رمز سري يحتوي على كل المعلومات المتعلقة بمرونة الـ RNA دون الحاجة للالتزام بشكل واحد فقط.

كيف يعمل ZeroFold

العقل (Boltz-2): يستخدم ZeroFold عقل ذكاء اصطنا-مدرب مسبقاً وضخم يُدعى "Boltz-2"، والذي يعرف بالفعل الكثير عن كيفية بناء البروتينات والـ RNA.
الاختصار: بدلاً من انتظار Boltz-2 حتى ينتهي من رسم الصورة ثلاثية الأبعاد النهائية، يقوم ZeroFold بإيقاف العملية مبكراً ويأخذ "الأفكار" (التضمينات) التي كان Boltz-2 يمر بها بينما كان لا يزال في مرحلة استيعاب الأمور.
الخاطبة (Matchmaker): يستخدم ZeroFold آلية انتباه خاصة (مثل الخاطبة) ليرى كيف تتفاعل "أفكار" البروتين مع "أفكار" الـ RNA.
التنبؤ: بناءً على هذا التفاعل، يتنبأ بقوة الارتباط (affinity) مباشرة من تسلسل الحروف (الشفرة الجينية)، دون الحاجة أبداً لرؤية بنية ثلاثية الأبعاد.

لماذا يهم هذا الأمر؟

لتدريب هذا الذكاء الاصطناعي، بنى الباحثون مكتبة ضخمة تسمى PRADB، تحتوي على أكثر من 2600 زوج فريد من البروتين والـ RNA مع قياسات واقعية لمدى قوة التصاقهما ببعضهما.

وعندما اختبروا ZeroFold:

كان دقيقاً للغاية: حقق درجة قدرها 0.65، وهي تقترب من أفضل درجة ممكنة يمكن أن تحققها التجارب البشرية (بما أن التجارب البشرية نفسها تحتوي على نسبة من الخطأ والضجيج).
كان عادلاً: عند اختباره ضد نماذج رائدة أخرى، لم يفز ZeroFold لمجرد أنه "غش" برؤية أمثلة مشابهة من بيانات التدريب الخاصة به. فحتى عندما جعلوا الاختبار أكثر صرامة (عبر إزالة أي أمثلة مشابهة)، ظل ZeroFold قوياً بينما تعثرت النماذج الأخرى.
إنه سريع: ولأنه يتخطى خطوة بناء النموذج ثلاثي الأبعاد، يمكنه فحص آلاف المرشحات الدوائية المحتملة في الوقت الذي تستغرقه الطرق الأخرى لفحص عدد قليل فقط.

الصورة الكبيرة

هذا يعد طفرة لأنه يحل مشكلة المرونة. لسنوات، كنا نعتقد أننا بحاجة إلى خريطة ثلاثية الأبعاد مثالية للتنبؤ بكيفية تفاعل الجزيئات. لكن ZeroFold يثبت أننا لسنا بحاجة لذلك. فمن خلال فهم الأشكال المحتملة التي يمكن أن يتخذها الجزيء (سحابة الاحتمالات)، يمكننا التنبؤ بكيفية سلوكه في العالم الحقيقي.

هذا يفتح الباب لتصميم أدوية جديدة تستهدف الـ RNA (المشارك في العديد من الأمراض) دون الحاجة لمعرفة البنية ثلاثية الأبعاد الدقيقة للهدف أولاً. الأمر يشبه تعلم التنبؤ بحركات شريك الرقص من خلال فهم إيقاعه وأسلوبه، بدلاً من حفظ وضعية واحدة ثابتة له.

إليك ملخص تقني مفصل لورقة البحث بعنوان "ZeroFold: التنبؤ بآلفة الارتباط بين البروتين والحمض النووي الريبوزي (RNA) من التضمينات ما قبل الهيكلية."

1. بيان المشكلة

يعد التنبؤ الدقيق بآلفة الارتباط بين البروتين والحمض النووي الريبوزي (RNA) مشكلة حرجة لم تُحل بعد في البيولوجيا الهيكلية، وهي ضرورية لفهم التنظيم الجيني وتصميم العلاجات التي تستهدف الـ RNA. تواجه النهج الحالية تحديين رئيسيين:

المرونة الهيكلية: على عكس البروتينات، توجد جزيئات الـ RNA كمجموعات تشكيلية ديناميكية. تعتمد الطرق التقليدية القائمة على البنية غالباً على هيكل ثلاثي الأبعاد ثابت واحد، مما يؤدي إلى التخلص من معلومات المجموعة التشكيلية (ensemble) الحاسمة المتعلقة بالارتباط.
ندرة البيانات والتعميم: قواعد البيانات الموجودة صغيرة (بضعة آلاف من النقاط)، وتعاني العديد من النماذج من تسرب البيانات أو الإفراط في التخصيص (overfitting) بسبب التشابه العالي في التسلسل بين مجموعات التدريب والاختبار. علاوة على ذلك، تتطلب الطرق القائمة على البنية هياكل تم تحديدها تجريبياً، وهي غير متوفرة للغالبية العظمى من أزواج البروتين والـ RNA.

2. المنهجية: ZeroFold

يقترح المؤلفون ZeroFold، وهو نموذج يعتمد على المحولات (transformer-based) يتنبأ بآلفة الارتباط مباشرة من التسلسل عبر الاستفادة من التضمينات ما قبل الهيكلية (pre-structural embeddings).

المفهوم الجوهري: التضمينات ما قبل الهيكلية

بدلاً من فك تشفير هيكل ثلاثي الأبعاد ثابت واحد (الذي يؤدي إلى انهيار المجموعة التشكيلية)، يستخرج ZeroFold تمثيلات وسيطة من نموذج تأسيسي للجزيئات الحيوية (Boltz-2) قبل خطوة فك تشفير الهيكل.

المنطق: هذه التضمينات تشفر ضمنياً مجموعة التشكيلات الممكنة وخصائص الارتباط المرتبطة بها، مما يحافظ على المعلومات التي تُفقد عندما يُجبر نظام ديناميكي على اتخاذ تشكيل واحد.
المدخلات: تم استخدام Boltz-2 لأنه يدعم بشكل أصيل بنية موحدة للبروتينات، والـ RNA، والـ DNA، ويتعامل مع الأحماض الأمينية غير الطبيعية أو النوكليوتيدات المعدلة.

بنية النموذج

يتكون ZeroFold من أربعة مكونات رئيسية:

المشفرات (RNA والبروتين):
- يستخرج نوعين من التمثيلات من الطبقة النهائية لجذع Boltz-2:
  - تمثيلات فردية ( $s$ ): تضمينات لكل بقايا/نوكليوتيد (البعد: 384).
  - تمثيلات زوجية ( $z$ ): تضمينات زوجية تشفر العلاقات المكانية والتطورية (البعد: 128).
- تمر هذه التضمينات عبر طبقات انتقالية مع اتصالات متبقية (residual connections). يتضمن مشفر الـ RNA تضميناً متعلمًا لنوع الحمض النووي (RNA مقابل DNA) مدمجاً مع التمثيل الفردي.
وحدة الانتباه عبر الوسائط (Cross-Modal Attention Module):
- تدمج تمثيلات البروتين والـ RNA المشفرة لنمذجة التفاعلات عبر الواجهة.
رأس التنبؤ بالآلفة (Affinity Prediction Head):
- يأخذ التمثيل المشترك ويخرج تقديراً عددياً لآلفة الارتباط ( $pK_D$ ).
استراتيجية التدريب:
- ترجيح العينات: لمنع الانحياز نحو العائلات ذات العينات العالية (مثل البروتينات الريبوسومية)، يتم ترجيح العينات عكسياً مع حجم مجموعات تسلسل البروتين والـ RNA الخاصة بها.

3. المساهمات الرئيسية

أ. قاعدة بيانات PRADB

لمعالجة ندرة البيانات، أنشأ المؤلفون قاعدة بيانات PRADB (Protein-RNA Affinity Database)، وهي قاعدة بيانات منسقة تضم 2,621 زوجاً فريداً من البروتين والـ RNA مع آلفات مقاسة تجريبياً ( $pK_D$ ).

المصادر: تم تجميعها من أربعة قواعد بيانات: ProNAB، وBioLiP2، وUTexas Aptamer Database، وPDBbind+.
المعالجة المسبقة: تم حل التكرارات في الأزواج (مع تفضيل بيانات PDBbind+)، وتم تطبيق تجميع (clustering) صارم لضمان عدم مشاركة أي تسلسل في مجموعة الاختبار لأكثر من 40% من الهوية مع مجموعة التدريب.

ب. بروتوكول تقييم مبتكر

قدم المؤلفون مجموعات فرعية للتقييم تزداد صرامة لضمان مقارنة عادلة مع النماذج الرائدة (SOTA):

الأساس (Baseline): حد الهوية القياسي بنسبة 40%.
المجموعات الفرعية الصارمة: استبعاد التسلسلات الموجودة في مجموعات تدريب المنافسين (CoPRA و DeePNAP) بشكل منهجي، وتطبيق حدود هوية أكثر صرامة (70% و 40%) للقضاء على تسرب البيانات.

ج. الكفاءة الحسابية

يتجاوز ZeroFold خطوة فك تشفير الهيكل المكلفة حسابياً والمطلوبة في مسارات العمل القائمة على البنية، حيث يمرر التضمينات ما قبل الهيكلية مباشرة إلى رأس الآلفة. وهذا يتيح عمليات المسح الافتراضي عالية الإنتاجية.

4. النتيات

مقاييس الأداء

على مجموعة اختبار محجوزة (حد هوية 40%)، حقق ZeroFold:

معامل ارتباط سبيرمان (SCC): 0.65
معامل ارتباط بيرسون (PCC): 0.63
جذر متوسط مربع الخطأ (RMSE): 1.47
متوسط الخطأ المطلق (MAE): 1.14

يشير المؤلفون إلى أن معامل SCC الذي يقارب 0.6–0.7 يمثل الحد الأعلى العملي الذي تفرضه ضوضاء القياس التجريبي، مما يشير إلى أن ZeroFold قد اقترب من السقف الذي تفرضه جودة البيانات الحالية.

التحليل المقارن

مقابل Co-PRA (القائم على البنية): سجل CoPRA معامل SCC قدره 0.59 على معيار الاختبار الخاص به (حد هوية 70%). وتحت معيار ZeroFold الأكثر صرامة (40%)، انخفض أداء CoPRA بشكل كبير (انخفض PCC من 0.50 إلى 0.22 مع إزالة التداخل). حافظ ZeroFold على PCC مستقر (~0.6) وتفوق على CoPRA حتى عندما كان بإمكان CoPRA الوصول إلى الهياكل المحددة تجريبياً.
مقابل DeePNAP (القائم على التسلسل): سجل DeePNAP ارتباطاً عالياً (0.92) ولكنه عانى عند التقييم على المجموعات الفرعية الأكثر صرامة بسبب نقص تصفية التسلسل. تفوق ZeroFold باستمرار على DeePNAP عبر جميع المجموعات الفرعية المفلترة، مما أظهر قدرة فائقة على التعميم رغم تدريبه على مجموعة بيانات أصغر.

تحليل نطاق الآلفة

يتفوق ZeroFold في التمييز خشن الحبيبات (التمييز بين الروابط الضعيفة والروابط القوية).
ينخفض الأداء في التصنيف دقيق الحبيبات ضمن نطاقات الآلفة العالية (SCC ~0.28)، مما يشير إلى قيود في تمييز الاختلافات الطفيفة بين الروابط القوية، ويرجع ذلك على الأرجح إلى الضوضاء التجريبية.

5. الأهمية والخاتمة

تحول في النموذج: تثبت هذه الدراسة أن التضمينات ما قبل الهيكلية هي تمثيل متفوق للجزيئات الحيوية المرنة مقارنة بالهياكل المتوقعة الثابتة. من خلال التقاط معلومات المجموعة التشكيلية دون الالتزام بتشكيل واحد، يتغلب ZeroFold على "عنق زجاجة المرونة" في نمذجة الـ RNA.
التعميم: يثبت ZeroFold أن التنبؤ عالي الأداء بآلفة الارتباط ممكن دون الحاجة لهياكل محددة تجريبياً، مما يجعله قابلاً للتطبيق على الغالبية العظمى من أزواج البروتين والـ RNA التي تفتقر إلى البيانات الهيكلية.
الآفاق المستقبلية: تشير النتائج إلى أن التحسينات المستقبلية في التنبؤ بالآلفة ستعتمد بشكل أقل على تعقيد البنية المعمارية وأكثر على توليد مجموعات بيانات تجريبية أكبر، وأعلى جودة، وأكثر اتساقاً في القياس لتجاوز سقف الضوضاء الحالي.

باختصار، يضع ZeroFold معياراً جديداً للتنبؤ بآلفة الارتباط بين البروتين والـ RNA من خلال الاستفادة من التمثيلات الوسيطة للنماذج التأسيسية، مما يوفر حلاً قوياً لا يعتمد على البنية لعمليات اكتشاف الأدوية والجينوم الوظيفي.