ChromOps.jl: High-order simulation and discrete forward sensitivity analysis for chromatography models

تخيل عالماً يحاول فيه العلماء تحضير دفعة مثالية من الدواء، لكن المكونات عبارة عن بروتينات غير مرئية تطفو في حساء سائل. لفصل الأشياء الجيدة عن السيئة، يستخدمون عملية تسمى "الكروماتوغرافيا"، وهي في الأساس سباق عالي التقنية. يتدفق السائل عبر عمود طويل وضيق مليء بحبيبات صغيرة. بعض البروتينات تلتصق بالحبيبات مثل "الفيلكرو" (لاصق الخطاف)، بينما ينطلق البعض الآخر مباشرة عبرها. ومن خلال تغيير "نكهة" السائل بعناية (مثل إضافة الملح)، يمكن للعلماء جعل البروتينات تنفصل عن الحبيبات في أوقات مختلفة، مما يسمح بجمعها بشكل منفصل.

إن تصميم هذا السباق أمر صعب للغاية. الأمر يشبه محاولة التنبؤ بدقة بكيفية تحرك حشد من الناس عبر متاهة بينما الجدران تتحرك والأرضية لزجة. يستخدم العلماء نماذج رياضية معقدة لمحاكاة هذا السباق على أجهزة الكمبيوتر، آملين في العثور على الإعدادات المثالية دون إضاعة مواد باهظة الثمن. ولكن هناك عقبة: هذه النماذج الرياضية معقدة للغاية لدرجة أن معرفة كيفية تعديلها للحصول على نتيجة أفضل تشبه محاولة حل متاهة وأنت معصوب العينين. عادةً، عليك تخمين إعداد ما، ثم تشغيل المحاكاة، ورؤية كيف سارت الأمور، ثم التخمين مرة أخرى، وتكرار العملية. وهذا يستغرق وقتاً طويلاً جداً. السؤال الكبير هو: هل يمكننا بناء برنامج كمبيوتر فائق الذكاء لا يقوم فقط بتشغيل السباق، بل يخبرنا فوراً أي "مقبض" يجب تدويره لجعل السباق أسرع أو أنقى، دون الحاجة إلى إنسان للقيام بالعمليات الحسابية؟

هذه هي قصة أداة جديدة تسمى ChromOps.jl، ابتكرها باحثون من شركة "نوفو نورديسك" (Novo Nordisk) ومعهد ماساتشوستس للتكنولوجيا (MIT). لقد بنوا محاكياً رقمياً لسباقات البروتينات هذه، وهو ليس سريعاً فحسب، بل هو أيضاً "واعٍ بذاته" حول كيفية تغير نتائجه عند تعديل الإعدادات.

السباق والقواعد

لفهم ما فعله الباحثون، فكر في عمود الكروماتوغرافيا كطريق سريع. السيارات هي البروتينات، والطريق يحتوي على مسارين: الطريق السريع المفتوح (السائل) والشوارع الجانبية (المسام الصغيرة داخل الحبيبات). تنتقل السيارات بين المسارات، وبعض السيارات تعلق في الشوارع الجانبية لفترة من الوقت. الهدف هو التنبؤ بدقة متى ستخرج كل سيارة من الطريق السريع.

كان على الباحثين اختيار أفضل طريقة لرسم هذا الطريق السريع على الكمبيوتر. تخيل أنك ترسم خريطة لطريق متعرج. يمكنك رسمها ببضع مربعات ضخمة وغير دقيقة (تفاصيل منخفضة)، أو يمكنك استخدام ملايين البلاطات الصغيرة والدقيقة (تفاصيل عالية). في الماضي، استخدم العلماء طريقتين رئيسيتين لرسم هذه الخرائط:

1. DG-SEM: وهي طريقة تقسم الطريق إلى قطع وتستخدم رياضيات منحنية متطورة داخل كل قطعة. إنها قوية ولكنها قد تكون ثقيلة وبطيئة.
2. FD-SBP: وهي طريقة تستخدم شبكة من النقاط وقواعد بسيطة وذكية لربطها. هي أبسط من الناحية المفاهيمية، مثل استخدام مسطرة وشبكة بدلاً من المنحنيات الحرة.

اختبر الفريق كلتا الطريقتين في سباق محاكى لـ ستة أنواع مختلفة من البروتينات (بالإضافة إلى الملح) تتحرك عبر عمود بطول 10 ملم. أرادوا معرفة أي طريقة يمكنها التنبؤ بنتائج السباق بشكل أسرع وأكثر دقة.

"سحر" الرياضيات ذاتية الوعي

السحر الحقيقي لـ ChromOps.jl ليس مجرد السرعة؛ بل في كيفية تعامله مع أسئلة "ماذا لو". عادةً، إذا كنت تريد معرفة كيف يؤثر تغيير تركيز الملح على النتيجة، عليك تشغيل المحاكاة، ثم تغيير الملح، ثم تشغيلها مرة أخرى، ثم المقارنة. إذا كان لديك 24 مقبضاً مختلفاً للتحكم بها (مثل مستويات الملح، لزوجة البروتين، سرعة التدفق)، فقد تضطر لتشغيل المحاكاة 25 مرة فقط للحصول على صورة كاملة.

تستخدم هذه الأداة الجديدة تقنية تسمى تحليل الحساسية الأمامي المنفصل (DFSA). فكر في الأمر كوضع "الأكوان المتوازية". بدلاً من تشغيل المحاكاة مرة واحدة، يقوم الكمبيوتر بتشغيلها مرة واحدة ولكنه يحمل "ظلاً" صغيراً لكل مقبض قد تقوم بتدويره. وبينما تحسب المحاكاة السباق، فإنها تحسب في الوقت نفسه كيف ستتغير النتيجة إذا قمت بتحريك أي من الـ 24 مقبضاً.

وجد الباحثون أن وضع "الظل" هذا فعال للغاية. فمقابل كل مقبض إضافي يريدون تتبعه، يحتاج الكمبيوتر إلى القيام بـ 1.4 ضعف العمل المطلوب لتشغيل دورة عادية واحدة فقط. هذا يعني أنه يمكنهم الحصول على الإجابات لجميع المقابض الـ 24 في وقت يعادل تقريباً الوقت اللازم لتشغيل المحاكاة 35 مرة بالطريقة القديمة. إنه يشبه الحصول على تقرير درجات كامل لكل المواد الدراسية بمجرد خوض اختبار واحد.

الفائز: البساطة تفوز

عندما قارنوا بين طريقتي رسم الخرائط (DG-SEM مقابل FD-SBP) في سباق البروتينات الستة هذا، كانت النتائج مفاجئة. توقع الباحثون أن تكون الطريقة المنحنية المتطورة (DG-SEM) هي البطلة لأنها تُستخدم غالباً في الأعمال عالية الدقة. ومع ذلك، فإن الطريقة الأبسط القائمة على الشبكة (FD-SBP) كانت هي الفائزة بالفعل.

إليك السبب:

• السرعة: كانت طريقة FD-SBP أسرع في حساب الحركة الأساسية للبروتينات.
• الدقة: على الرغم من أنها تبدو أبسط، إلا أن FD-SBP كانت في الواقع أكثر دقة لكل نقطة بيانات. لقد احتاجت إلى نقاط بيانات أقل للحصول على نفس مستوى التفاصيل الذي توفره الطريقة المتطورة.
• سرعة "الظل": عندما قاموا بتفعيل وضع "الأكوان المتوازية" (DFSA) لتتبع جميع المقابض، ظلت FD-SBP هي الخيار الأسرع.

قاس الباحثون الوقت المستغرق للحصول على نتيجة بدقة عالية. ووجدوا أنه للحصول على مستوى معين من الدقة، كانت طريقة FD-SBP أسرع باستمرار من DG-SEM، سواء كانوا يشغلون السباق فقط أو يشغلونه مع حسابات "الظل" لـ 24 معياراً مختلفاً.

لماذا يهم هذا؟

تظهر الورقة البحثية أنك لست بحاجة دائماً إلى أكثر الرياضيات تعقيداً وثقلاً لحل مشكلة ما. أحياناً، يكون النهج الأبسط الذي يتعامل بشكل أفضل مع ذاكرة الكمبيوتر وسرعته هو المفتاح.

من خلال الجمع بين طريقة الرياضيات الأبسط هذه مع تحليل الحساسية بوضع "الأكوان المتوازية"، أنشأ الفريق أداة تجعل من السهل كثيراً على العلماء تحسين عمليات فصل البروتين لديهم. فبدلاً من قضاء أيام في التخمين والتجربة، يمكنهم الآن استخدام الكمبيوتر ليخبرهم فوراً: "إذا زدت كمية الملح بهذا القدر، فإن النقاء سيرتفع بهذا القدر".

تؤكد الدراسة أن هذه الأداة الجديدة، ChromOps.jl، تعمل تماماً كما هو مخطط لها. فهي توفر تدرجات (gradients) دقيقة (إجابات "ماذا لو") بدقة الآلة، مما يعني أن الرياضيات دقيقة بقدر ما يمكن للكمبيوتر أن يكون. وهي تتوسع بشكل جيد، حيث تتعامل مع ما يصل إلى 24 معياراً بكفاءة. والأهم من ذلك، أنها تلغي الحاجة إلى أن يكتب العلماء يدوياً صيغاً رياضية معقدة لربط النقاط. الكمبيوتر يقوم بالعمل الشاق، مما يسمح للباحثين بالتركيز على صنع أدوية أفضل بدلاً من الصراع مع المعادلات.

باخت مختصر، توضح الورقة البحثية أن محاكاة هذه السباقات البروتينية المعقدة تتطلب طريقة شبكية أبسط وأذكى، مدمجة مع تقنية حساب "الظل" الذكية، لتكون هي الطريقة الأسرع والأكثر موثوقية للمضي قدماً.