ملخص تقني: CrystalBoltz

بيان المشكلة

توفر نماذج التنبؤ ببنية البروتين المدربة على قواعد البيانات العامة (مثل AlphaFold وBoltz-2) مقدمات هيكلية قوية، ولكنها عادة ما تكون غير مشروطة ببيانات تجريبية جديدة. في علم البلورات بالأشعة السينية (X-ray crystallography)، يتمثل التحدي الرئيسي في "مشكلة الطور" (phase problem): حيث تفتقر سعات عامل البنية المقاسة ($|F_o|$) إلى معلومات الطور، مما يعني أنها لا تحدد بشكل فريد خريطة كثافة الإلكترونات أو البنية الذرية. وبناءً على ذلك، يظل تحديد البنية مسألة عكسية تتطلب نماذج مرشحة تكون منطقية هيكلياً ومتسقة مع بيانات الحيود المقاسة في آن واحد.

تعتمد سير العمل الحالية غالباً على عمليات تنقيح يدوية كبيرة من قبل الخبراء أو طرق تكرارية تواجه صعوبة في دمج البيانات التجريبية مباشرة في عملية أخذ العينات التوليدية. وبينما تحاول الطرق الحديثة توجيه المتنبئات باستخدام إشارات تجريبية، إلا أنها غالباً ما تعمل على مدخلات التسلسل أو التمثيلات الكامنة، بدلاً من الشرط المباشر على سعات عامل البنية المرصودة. علاوة على ذلك، فإن طرق التنقية الموجهة تجريبياً الموجودة حالياً قد تكون مكلفة حاسوبياً، مما يحد من فائدتها أثناء جلسات جمع البيانات النشطة.

المنهجية

CrystalBolze هو إطار عمل توليدي متكامل يصيغ تحديد البنية البلورية كعملية أخذ عينات من التوزيع اللاحق موجه بالتجربة باستخدام مقدمة انتشار (diffusion prior). تعمل الطريقة في مرحلتين متميزتين:

1. أخذ عينات الانتشار الموجه بالتجربة

جوهر CrystalBoltz هو دمج مقدمة انتشار مشروطة بالتسلسل (Boltz-2) مع احتمالية بلورية قابلة للاشتقاق. الهدف هو أخذ عينات لبنية $X$ من التوزيع اللاحق $p(X|a, c, y)$، حيث $a$ هو تسلسل البروتين، و$c$ تمثل معاملات البلورة (الخلية الوحدة والمجموعة الفراغية)، و$y$ هي الملاحظات التجريبية ($|F_o|$).

• أخذ عينات التوزيع اللاحق بالانتشار (DPS): تقوم الطريقة بتعزيز المعادلة التفاضلية العشوائية العكسية (SDE) لمقدمة Boltz-2 باستخدام تدرجات الاحتمالية التجريبية. واتباعاً لإطار عمل DPS، يتم تقريب الاحتمالية الهامشية غير القابلة للحل باستخدام صيغة Tweedie، وذلك باستخدام التنبؤ بخطوة واحدة للمزيل ($\hat{X}_0$) كتقدير نقطي للبنية النظيفة.
• النموذج الأمامي القابل للاشتقاق: لتمكين التوجيه القائم على التدرج، يستخدم CrystalBolz أداة SFCalculator، وهي أداة توفر حساباً قابلاً للاشتقاق لتشتت المذيب الضخم وعوامل البنية. وهذا يسمح بالحساب المباشر للتدرجات بالنسبة للإحداثيات الذرية.
• توجيه الاحتمالية: يتم اشتقاق إشارة التوجيه من هدفين للاحتمالية يقارنان السعات المحسوبة ($|F_c|$) بالسعات المرصودة ($|F_o|$):
  1. فقد خسارة المربعات الصغرى غير المتجانسة (نموذج الخطأ الغاوسي).
  2. احتمالية توزيع رايس (Rice distribution)، والتي تأخذ في الاعطتبار الخصائص الإحصائية لعوامل البنية (التوزيع الطبيعي المعقد للانعكاسات غير المركزية، والتوزيع الطبيعي الحقيقي للانعكاسات المركزية) وتدمج أخطاء الإحداثيات الذرية عبر معامل $\sigma_A$.
• الجدولة (Scheduling): لا يتم تطبيق التوجيه منذ بداية عملية الانتشار. بدلاً من ذلك، يبدأ أخذ العينات بدون توجيه للسماح بظهور طي هيكلي أولي (coarse backbone fold). ويتم تشغيل التوجيه التجريبي عند خطوة زمنية محددة ($t_g$) بمجرد تشكل بنية معقولة، وذلك لمنع المراحل المبكرة الصاخبة من الانجذاب نحو نقاط صغرى زائفة بفعل تدرج الاحتمالية.

2. التنقية ما بعد التوجيه

تنتج مرحلة الانتشار بنية عالمية، ولكنها قد تفتقر إلى الدقة المحلية (مثل أشكال السلاسل الجانبية/rotamers) وعوامل B دقيقة. تقوم المرحلة الثانية بعملية تنقية ما بعد التوجيه:

• يتم محاذاة البنية التي تمت إزالة الضجيج منها مع إطار البلورة.
• يتم تحسين الإحداثيات الذرية وعوامل B المتناحية (isotropic B-factors) بشكل مشترك مقابل البيانات التجريبية.
• على عكس مرحلة الانتشار، التي تعتمد على تدرجات الاحتمالية المنتشرة عبر المزيل، تقوم هذه المرحلة بتحسين الهدف البلوري مباشرة (إما معامل الارتباط أو عامل R) باستخدام النموذج الأمامي وحده.
• يتم تهيئة عوامل B من درجات pLDDT الخاصة بالمقدمة وتثبيتها ضمن نطاقات فيزيائية ($[1, 80] \text{ \AA}^2$).

المساهمات الرئيسية

1. صياغة كأخذ عينات من التوزيع اللاحق: قدمت الورقة تحديد البنية البلورية كعملية أخذ عينات من التوزيع اللاحق موجه بالتجربة باستخدام مقدمة انتشار، مما يربط مباشرة بين سعات عامل البنية التجريبية والبنى الذرية في عملية متكاملة.
2. توجيه الاحتمالية الأصيل للبلورات: استنتج المؤلفون توجيهاً للاحتمالية أصيلاً للبلورات من أهداف عامل البنية القابلة للاشتقاق (باستخدام SFCalculator)، مما يمكن النموذج من حل التغيرات الهيكلية الكبيرة التي قد تغفل عنها المقدمات المعتمدة على التسلسل فقط.
3. خط معالجة هجين: تجمع الطريقة بين أخذ العينات الموجه (للبحث عن الطي العالمي) ومرحلة التنقية ما بعد التوجيه (لتحسين الإحداثيات المحلية وعامل B)، مما يفصل بين مهام تحديد الطي والدقة في المطابقة.
4. الكفاءة: يحقق الإطار مقاييس اتفاق تضاهي أحدث المعايير مع تقليل وقت التشغيل بشكل كبير مقارنة بالطرق الموجهة تجريبياً الموجودة.

النتائج التجريبية

قيم المؤلفون CrystalBoltz على ستة أهداف بروتينية من قاعدة بيانات PDB (8DWN, 4NTZ, 7O51, 7SEZ, 7VNX, 1L63) بدقات تتراوح بين 1.69 إلى 2.20 أنجستروم.

• الدقة: حقق CrystalBolz باستمرار قيم أقل لـ RMSD الإحداثي وقيم أقل لعوامل R ($R_{work}$ و $R_{free}$) مقارنة بالنماذج المرجعية القوية، بما في ذلك Phenix (المُهيأ من Boltz-2)، وBoltz-2 غير الموجه، وROCKET (طريقة حديثة موجهة بالبيانات تعتمد على تحسين تضمينات MSA).
  • في الأهداف ذات الاختلافات الهيكلية الكبيرة عن المقدمة (مثل 8DWN و4NTZ)، أظهر CrystalBolz القدرة على تصحيح إعادة الترتيب الهيكلي الكبير، حيث قلل RMSD من ~2.6–4.5 Å (في النماذج المرجعية) إلى ~1.3 Å.
  • في الأهداف التي كانت فيها المقدمة قريبة بالفعل من الحقيقة الأرضية (ground truth)، قدم CrystalBolz تحسينات متسقة في عوامل R.
• وقت التشغيل: حقق CrystalBolz تسريعاً بمقدار 33.3 ضعفاً مقارنة بـ ROCKET على نفس الأجهزة (NVIDIA A6000). فبينما تطلب ROCKET حوالي 376 دقيقة (تتضمن تحسين MSA تكراري وعدة مراحل تنقية)، أكمل CrystalBolz المهمة في حوالي 11.3 دقيقة. هذا الاختزال يجعل التنقية الموجهة تجريبياً أمراً ممكناً خلال جلسات جمع البيانات بدلاً من كونها خطوة معالجة لاحقة خارج الخط الزمني.
• دراسات الاستبعاد (Ablation Studies):
  • نموذج المذيب: أدى تضمين حد المذيب الضخم القابل للاشتقاق في النموذج الأمامي إلى تحسين معامل الارتباط (CC) باستمرار بمقدار ~0.05–0.10، مما يؤكد ضرورة نمذجة تشتت المذيب.
  • تنقية عامل B: أدى تحسين عوامل B بالتزامن مع الإحداثيات إلى تحسين RMSD من خلال استيعاب الاضطراب المحلي، مما سمح للإحداثيات بالاسترخاء بشكل أكثر دقة نحو المرجع.
  • الجدولة: كان تأخير التوجيه حتى ظهور الطي الهيكلي (mid-way guidance) أمراً حاسماً؛ حيث أدى تطبيق التوجيه من الخطوة الأولى إلى تدهور الأداء عن طريق سحب المسار نحو نقاط صغرى سيئة قبل استقرار الطبوغرافيا.

الأهمية والادعاءات

تدعي الورقة أن نقل الشرط التجريبي إلى عملية أخذ العينات التوليدية هو مسار فعال نحو تحديد بنية أسرع ومتسق مع البيانات. ومن خلال دمج المقدمات الهيكلية المتعلمة مع الأهداف الأصلية للبلورات في خط استنتاج واحد، يجسّر CrystalBolz الفجوة بين التنبؤ عالي الدقة والتحقق التجريبي.

يضع المؤلفون هذا العمل كإثبات مفهوم لـ بناء وتنقيه النماذج المتكاملة باستخدام الاحتمالات القابلة للاشتقاق. ويبرزون قدرة الطريقة على التعامل مع التغيرات الهيكلية الكبيرة مع الحفاظ على أوقات تشغيل بالدقائق، مما يجعلها منافسة لخطوط التنقية الكلاسيكية. يُقدم إطار العمل كنموذج قابل للتعميم على الوسائط التجريبية الأخرى (مثل Cryo-EM) طالما وجد نموذج أمامي قابل للاشتقاق، رغم أن العمل الحالي يركز حصرياً على البلورات بالأشعة السينية. يقر المؤلفون بوجود قيود، مثل الاعتماد على الهياكل المرجعية للمحاذاة (عبر الاستبدال الجزيئي) والتقيد الحالي بالبروتينات أحادية السلسلة، مشيرين إلى هذه القيود كمسارات طبيعية للتحسينات الهندسية والخوارزمية المستقبلية.