← أحدث الأبحاث
🤖 machine learning

Proteo-R1: Reasoning Foundation Models for De Novo Protein Design

يُعد Proteo-R1 إطار عمل ثنائي الخبرة يعزز التصميم الابتكاري للبروتينات من خلال الفصل الصريح بين الاستدلال الجزيئي والتوليد الهندسي، وذلك باستخدام نموذج لغوي متعدد الوسائط لتحديد البقايا الوظيفية الحرجة كقيود صارمة لمولد قائم على الانتشار لضمان نتائج تصميم مستقرة، وقابلة للتفسير، وقابلة للتحكم.

المؤلفون الأصليون: Fang Wu, Weihao Xuan, Heli Qi, Hanqun Cao, Heng-Jui Chang, Zeqi Zhou, Haokai Zhao, Ma Jian, Carl Ma, Yu-Chi Cheng, Kuan Pang, Xiangru Tang, Zehong Wang, Guanlue Li, Hanchen Wang, Kejun Ying, Pan Lu, C
نُشر 2026-05-06
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Fang Wu, Weihao Xuan, Heli Qi, Hanqun Cao, Heng-Jui Chang, Zeqi Zhou, Haokai Zhao, Ma Jian, Carl Ma, Yu-Chi Cheng, Kuan Pang, Xiangru Tang, Zehong Wang, Guanlue Li, Hanchen Wang, Kejun Ying, Pan Lu, Chiho Im, Seungju Han, Peng Xia, Tinson Xu, Yinxi Li, Deyao Zhu, Pheng-Ann Heng, Naoto Yokoya, Masashi Sugiyama, Li Erran Li, Jure Leskovec, Yejin Choi

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 مهندس معماري ماهر يحاول تصميم مفتاح جديد، ذي شكل مخصص، ليتناسب تماماً مع قفل محدد ومعقد (هدف بروتيني).

الطريقة القديمة: المهندس المعماري الذي يعتمد على "التخمين والتحقق"
في السابق، كانت نماذج الذكاء الاصطناعي التي تحاول تصميم هذه المفاتيح تعمل مثل فنان مذعور يلقي الطلاء على لوحة فنية. كانت تولد الشكل الكامل للمفتاح دفعة واحدة، آملةً أن تستقر الذرات في أماكنها الصحيحة. وبينما كانت تتحسن في جعل المفتاح يبدو واقعياً، إلا أنها لم تكن "تفكر" حقاً في سبب حاجة أجزاء معينة من المفتاح إلى شكل محدد. كانت مجرد تأخذ عينات من الاحتمالات العشوائية حتى يبدو الشيء مقبولاً. وهذا جعل من الصعب فهم لماذا اتخذ الذكاء الاصطناعي قراراً معيناً بشأن التصميم، وإذا لم يعمل المفتاح، كان من الصعب إصلاح جزء واحد منه دون إفساد التصميم بأكمله.

الطريقة الجديدة: Proteo-R1 (الاستراتيجي و البنّاء)
يقدم البحث Proteo-R1، الذي يغير قواعد اللعبة عبر تقسيم المهمة إلى دورين متميزين، تماماً مثل مشروع بناء يضم استراتيجياً و بنّاءً.

  1. الاستراتيجي (خبير التفكير المنطقي):
  • من هم: ذكاء اصطناعي فائق الذكاء يقرأ "المخطط" (تسلسل البروتين وبنيته) و"ملاحظات العميل" (ما يجب أن يفعله المفتاح).
  • ماذا يفعلون: هذا الذكاء الاصطناعي يتوقف ليفكر قبل رسم خط واحد. إنه يحدد النقاط الأكثر حرجاً في القفل — "النقاط الساخنة" (hotspots) حيث يجب أن يلمسها المفتاح ليعمل. إنه يقرر: "حسناً، عند هذه النقطة المحددة، نحتاج إلى مرساة مشحونة هنا، وبقعة كارهة للماء هناك".
  • التشبيه: فكر في هذا كمهندس معماري يقول: "نحن بحاجة إلى عارضة فولاذية هنا لدعم السقف، ونافذة هناك للإضاءة". إنه يتخذ القرارات الصعبة والمنطقية أولاً.
  1. البنّاء (خبير التوليد):
  • من هم: طابعة ثلاثية الأبعاد عالية المهارة (نموذج انتشار/diffusion model) بارعة في إنشاء أشكال سلسة وواقعية.
  • ماذا يفلون: يتسلم البنّاء من الاستراتيجي مجموعة من القواعد الصارمة: "ابنِ بقية المفتاح، ولكن يجب أن تبقي هذه العارضة الفولاذية هنا وتلك النافذة هناك". ثم يقوم البنّاء بملء بقية التصميم، مع ضمان توافق الذرات مع بعضها البعض بشكل مثالي مع احترام قواعد الاستراتيجي غير القابلة للتفاوض.
  • التشبيه: البنّاء يشبه البنّاء الماهر الذي يعرف تماماً كيف يضع الطوب لبناء جدار جميل، لكن يُقال له بالضبط أين يوضع الباب والنوافذ. هو لا يخمن؛ بل ينفذ الخطة بدقة.

لماذا يعد هذا أمراً هاماً

  • لا مزيد من "الصندوق الأسود": في الطريقة القديمة، لم يكن بإمكانك معرفة سبب اختيار الذكاء الاصطناعي لشكل معين. مع Proteo-R1، يمكنك رؤية ملاحظات الاستراتيجي: "وضعت هذا الحمض الأميني هنا لأنه يشكل جسراً ملحياً". إنه أمر شفاف وقابل للتفسير.
  • تحكم أفضل: إذا أردت تغيير التصميم، فلا يتعين عليك التخلص من التصميم بأكمله. ما عليك سوى إخبار الاستراتيجي بتغيير قرار واحد (مثلاً: "حرك النافذة")، وسيقوم البنّاء بتعديل البقية.
  • الواقعية: نظرًا لأن البنّاء نموذج هندسي رفيع المستوى، فإن المفاتيح النهائية تبدو واقعية فيزيائياً ولا تتصادم فيها الذرات (وهو ما يحدث عندما تخمن فقط).

كيف دربوا هذا النموذج
يصف البحث معسكراً تدريبياً من ثلاث خطوات لهذا الفريق:

  1. المحاذاة (Alignment): تعليم الاستراتيجي التحدث بنفس لغة البنّاء، بحيث يفهمان هياكل وتسلسلات البروتين بشكل صحيح.
  2. تدريبات التفكير المنطقي (Reasoning Drills): إعطاء الاستراتيجي آلاف الألغاز لحلها، مثل "ابحث عن الجسور الملحية" أو "حدد النقاط الساخنة"، لكي يصبح بارعاً جداً في تحديد الأجزاء الحرجة من البروتين.
  3. الممارسة المشتركة (Joint Practice): أخيراً، يتدربون معاً. يضع الاستراتيجي خطة، ويحاول البنّاء البناء، وإذا فشلت عملية البناء، يتعلم الاستراتيجي من هذا الخطأ ليضع خطة أفضل في المرة القادوة.

النتائج
عندما اختبروا هذا النموذج على تصميم الأجسام المضادة (وهي نوع من مفاتيح البروتين المستخدمة في الجهاز المناعي)، صمم Proteo-R1 مفاتيح تناسب أقفالها بشكل أفضل وأكثر واقعية من الطرق السابقة. والأهم من ذلك، أنه لم يكتفِ بنسخ المفاتيح القديمة؛ بل صمم مفاتيح جديدة سليمة بنيوياً لأنه فهم منطق التصميم، وليس مجرد الشكل.

باختصار، يوقف Proteo-R1 الذكاء الاصطناعي عن التخمين الأعمى ويبدأ بجعله يفكر منطقياً أولاً، ثم يبني، تماماً كما يفعل الخبير البشري.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 🤖 cs.LG →