LLM-Guided Retrieval for Prediction of Molecular Perturbation Responses

تخيل أنك محقق يحاول اكتشاف كيف سيتفاعل مشتبه به معين مع نوع جديد من الأصفاد. في عالم الطب، هؤلاء "المشتبه بهم" هم خلايا حية دقيقة، و"الأصفاد" هي أدوية جزيئية صغيرة. أمضى العلماء سنوات في بناء مكتبات ضخمة من البيانات، تسجل كيفية تفاعل آلاف الخلايا المختلفة عند تعرضها لآلاف الأدوية المختلفة. هذا يشبه امتلاك ألبوم صور ضخم لكل تركيبة ممكنة من المشتبه به والأصفاد. ولكن تكمن المشكلة هنا: هناك عدد هائل من التركيبات الممكنة لدرجة أنه من المستحيل فيزيائياً اختبارها جميعاً. لا يمكنك تجربة كل دواء على كل سلالة خلوية في الكون.

إذًا، كيف يتوقع العلماء ما سيحدث لخلية لم يختبروها بعد؟ إنهم يستخدمون خدعة ذكية تسمى "الاسترجاع" (retrieval). بدلاً من بناء آلة فائقة التعقيد لتخمين الإجابة من الصفر، يبحثون عن دواء مشابه تم اختباره بالفعل. إذا كان الدواء (أ) والدواء (ب) متشابهين جداً، ونحن نعرف كيف غير الدواء (أ) خلية ما، يمكننا التخمين بأن الدواء (ب) سيفعل شيئاً مشابهاً. الأمر يشبه التنبؤ بأداء فيلم جديد من خلال النظر في كيفية أداء أفلام مشابهة في الماضي. السؤال الكبير الذي تعالجه هذه الورقة البحثية هو: كيف نجد أفضل دواء مشابه لاستخدامه كمرجع؟ هل من الأفضل النظر إلى البنية الكيميائية (مثل مقارنة اللون والشكل للأصفاد)، أم أن هناك طريقة أذكى لإيجاد تطابق؟

قرر الباحثون في هذه الورقة، بقيادة بيتي شيونغ وفريقها، تجربة نهج جديد: لقد طلبوا من نموذج لغوي كبير (LLM) — وهو نوع من الذكاء الاصطناعي الذي يقرأ ويفهم ملايين الكتب والأوراق العلمية — أن يعمل كدليل للمحقق. أطلقوا على طريقتهم اسم الاسترجاع الموجه بالنماذج اللغوية الكبيرة (LGR).

إليك كيف تعمل تجربتهم، باستخدام استعارة مرحة. تخيل أنك تحاول التنبؤ بكيفية تفاعل خلية معينة، لم تُختبر بعد، مع دواء جديد. لديك "مجموعة مرشحة" من الأدوية الأخرى التي تم اختبارها بالفعل على نفس نوع الخلية.

1. الطريقة القديمة: عادةً، ينظر العلماء إلى البنية الكيميائية للأدوية. قد يقولون: "هذان الدواءان متشابهان كيميائياً، لذا فمن المحتمل أن يعملان بشكل متشابه". هذا يشبه الحكم على الكتاب من غلافه فقط.
2. الطرق الجديدة (LGR): قام الباحثون بتغذية اسم الدواء الجديد وقائمة الأدوية المرشحة في ذكاء اصطناعي. وطلبوا من الذكاء الاصطناعي قراءة معرفته الداخلية بالبيولوجيا والقول: "بناءً على كيفية عمل هذه الأدوية داخل الجسم (آليات عملها ومساراتها)، أي منها يعد المطابق الأفضل؟". يعمل الذكاء الاصطناعي مثل أمين مكتبة واسع المعرفة، لا يعرف فقط كيف تبدو الكتب، بل يعرف أيضًا محتواها.
3. التنبؤ: بمجرد أن يختار الذكاء الاصطناعي أفضل 10 أدوية مشابهة، يأخذ الباحثون ببساطة متوسط ما فعلته تلك الأدوة العشرة بالخلية. هم لا يستخدمون معادلة رياضية معقدة لتخمين النتيجة؛ بل يأخذون فقط متوسط النتالئج الحقيقية للجيران الذين وجدهم الذكاء الاصطناعي.

اختبرت الورقة هذه الفكرة على مجموعة بيانات ضخمة تسمى Tahoe-100M، والتي تحتوي على بيانات حول كيفية تفاعل الخلايا مع العديد من الأدوقاء. نظروا في ثلاثة سيناريوهات مختلفة:

• أدوية غير مرئية (Unseen Drugs): اختبار دواء لم يره النموذج من قبل.
• سلالات خلوية غير مرئية (Unseen Cell Lines): اختبار نوع من الخلايا لم يره النموذج من قبل (وهذا هو التحدي الأصعب).
• العالم المفتوح (Open World): السماح للذكاء الاصطناعي بالاختيار من أي دواء في قاعدة البيانات، وليس فقط من قائمة مقيدة.

ماذا وجدوا؟
تشير النتائج إلى أن استخدام الذكاء الاصطناعي لاختيار "الجيران" هو تغيير لقواعد اللعبة، خاصة عند التعامل مع أنواع جديدة من الخلايا.

• اتجاه أفضل: الاكتشاف الأكثر إثارة هو فيما يتعلق بـ "دقة الإشارة" (sign accuracy). وهذا يعني التنبؤ بما إذا كان الجين سيتم تنشيطه (رفع مستواه) أو تثبيطه (خفض مستواه). كانت الطريقة الموجهة بالذكاء الاصطناعي أفضل بكثير في تحديد الاتجاه الصحيح مقارنةً بمتوسط جميع الأدوية أو استخدام التشابه الكيميائي. لقد نجح الذكاء الاصطناعي في تخمين أن دواءً ما سيزيد من نشاط جين معين، بينما كانت الطرق الأخرى غالباً ما تخطئ في تحديد الاتجاه.
• فوز "الخلية غير المرئية": عندما حاول الفريق التنبؤ بكيفية تفاعل نوع جديد تماماً من الخلايا، سحق منهج الذكاء الاصطناعي المنافسة. فقد حقق درجة ارتباط قدرها 0.56 (وهي مقياس لمدى قرب التنبؤ من الواقع)، بينما حققت الطريقة التالية الأفضل درجة 0.42 فقط. ومن حيث الخطأ، كان متوسط الخطأ المطلق (MAE) لطريقة الذكاء الاصطناعي هو 0.011، وهو أقل (أفضل) من 0.0137 الذي حققه خط الأساس القائم على متوسط الدواء.
• البساطة تنتصر: تجادل الورقة بأنك لست بحاجة إلى نموذج تنبؤ فائق التعقيد وعالي القدرة. "الخلطة السرية" لم تكن خوارزمية متطورة لحساب الإجابة؛ بل كانت ببساطة العثور على الجيران الصحيحين لعمل المتوسط لهم. لقد قام الذكاء الاصطناعي بالعمل الشاق المتمثل في إيجاد الأصدقاء المناسبين، وتولى المتوسط البسيط بقية المهمة.

ماذا يعني هذا؟
يشير المؤلفون إلى أنه بالنسبة للتنبؤ بكيفية تأثير الأدوية على الخلايا، فإن جودة "الاسترجاع" (إيجاد الأدوية المشابهة الصحيحة) أكثر أهمية من تعقيد نموذج التنبؤ نفسه. لقد وجدوا أن الذكاء الاصطناعي، من خلال عمله كدليل مقيد، يمكنه الاستفضاء من المعرفة البيولوجية التي فاتت المقارنات الكيميائية البسيطة.

ومع ذلك، تشير الورقة بحذر إلى أن هذا ليس حلاً سحرياً يحل كل شيء. فقد واجه الذكاء الاصطناعي صعوبات أحياناً إذا كانت الأدوية غامضة جداً أو إذا لم يتمكن من العثดี على عدد كافٍ من المطابقات الصالحة في القائمة. وأيضاً، بينما كان الذكاء الاصطناعي بارعاً في تحديد اتجاه التأثير (ارتفاع أو انخفاض)، إلا أنه لم يكن مثالياً دائماً في التنبؤ بـ حجم التأثير بدقة. ويقترح المؤلفون أنه في المستقبل، قد نجمع هذا الدليل الذكي مع طرق أخرى للحصول على أفضل ما في العالمين.

باختالصر، تظهر هذه الورقة أنه في بعض الأحيان، أفضل طريقة للتنبؤ بالمستقبل ليست في بناء كرة بلورية أكبر وأذكى، بل في سؤال أمين مكتبة واسع الاطلاع لمساعدتك في العث بجلب كتب التاريخ الصحيحة لتتعلم منها. من خلال السماح للذكاء الاصطناعي بتوجيه البحث عن الأدوية المشابهة، يمكن للعلماء تقديم تخمينات أفضل بكثير حول كيفية عمل العلاجات الجديدة، خاصة في الحالات التي لديهم فيها القليل جداً من البيانات للبدء بها.