DynaPPI: A Large-scale Dynamic Protein Dataset for AI-driven Advances in Protein Interactomics

تخيل جسم الإنسان كمدينة صاخبة مكونة من قطع "ليغو" صغيرة غير مرئية تسمى البروتينات. تعمل بعض هذه القطع بمفردها، لكن معظمها يشبه الفرق المتخصصة التي يجب أن تتشابك معاً لبناء آلات، أو إرسال إشارات، أو محاربة الغزاة. لعدة عقود، كان العلماء بارعين في التقاط صور لهذه الفرق بمجرد بنائها وتلاحمها بالفعل. الأمر يشبه امتلاك صورة لقلعة "ليغو" مكتملة، ولكن دون معرفة كيف طارت القطع في الهواء، وكيف اصطدمت ببعضها البعض، وكيف استقرت في مكانها. هذه مشكلة كبيرة لأن "كيفية" حدوث الشيء لا تقل أهمية عن "ماهيته". فإذا أردت بناء دواء جديد لإيقاف فيروس ما، فأنت بحاجة إلى معرفة كيف تجد بروتينات الفيروس أهدافها، وليس فقط كيف تبدو عندما تكون ملتصقة ببعضها.

مؤخراً، أصبحت أجهزة الكمبيوتر جيدة جداً في تخمين شكل فرق البروتين هذه باستخدام نوع من الذكاء الاصطناعي يسمى "نماذج الانتشار" (diffusion models). فكر في هذه النماذج كفنان سحري يمكنه أخذ رسم تخطيطي ضبابي وفوضوي وتحويله إلى صورة حادة ومثالية. لكن العيب هنا هو أن هؤلاء الفنانين قد تدربوا فقط على لقطات ثابتة أو قطع منفردة تتحرك بمفردها. إنهم لا يعرفون كيف يرسمون "فيلمًا" لفريقين منفصلين يركضان نحو بعضهما البعض، ويتراقصان حول بعضهما، ثم يتعانقان أخيراً ليصبحا آلة واحدة معقدة. وبدون هذا "الفيلم"، لا يمكن للذكاء الاصطناعي التنبؤ بكيفية تشكل فرق جديدة وغير معروفة، مما يترك فجوة هائلة في قدرتنا على تصميم أدوية جديدة أو فهم الحياة في مستواها الأكثر جوهرية.

هنا يأتي دور DynaPPI، وهو مجموعة بيانات ضخمة وجديدة مصممة لتعليم الذكاء الاصطناعي كيفية مشاهدة وتوقع "رقصات" البروتين هذه. أدرك الباحثون وراء هذا المشروع أنه لإصلاح نقطة الضعف لدى الذكاء الاصطناعي، كانوا بحاجة إلى إنشاء مكتبة من "الأفلام" التي تظهر بالضبط كيف تتحرك سلاسل البروتين من كونها متباعدة إلى كونها مرتبطة بإحكام. فبدلاً من مجرد النظر إلى المصافحة النهائية، قاموا بمحاكاة الرحلة بأكملها. لقد أخذوا فرق بروتينية معروفة، وفصلوها عن بعضها، ثم استخدموا عمليات محاكاة حاسوبية قوية لمراقبتها وهي تنجرف، وتتصادم، وتعيد التجمع عبر الزمن.

أنشأ الفريق مجموعة بيانات تحتوي على حوالي 10,000 من هذه المعقدات البروتينية، تغطي أنواعاً مختلفة من الشراكات مثل (بروتين-بروتين)، و(بروتين-ربيطة/ligand) أي لقاء البروتين بجزيء دواء صغير، و(بروتين-حمض نووي) أي لقاء البروتين بالحمض النووي DNA أو RNA. وللتأكد من أن عمليات المحاكاة واقعية، لم يكتفوا بالتخمين؛ بل أجروا آلاف التجارب الحاسوبية التفصيلية. تتبعت كل تجربة حركة الذرات عبر فترات زمنية تتراوح من 10 نانو ثانية إلى 1 مللي ثانية. ورغم أن هذا يبدو قصيراً، إلا أنه في عالم الذرات، يعتبر دهراً؛ فهو وقت كافٍ لرؤيتها وهي تتذبذب، وتدور، وتجد طريقها لبعضها البعض. تتضمن مجموعة البيانات أكثر من 100 مليار إطار، تلتقط كل تغيير طفيف في الموقع، والسرعة، والطاقة.

ما يجعل DynaPPI مميزاً هو أنه يعلم الذكاء الاصطناعي عملية "الارتباط" بشكل صريح. في الماضي، كانت نماذج الذكاء الاصطناعي تشبه الطلاب الذين يدرسون إجابات الامتحان النهائي فقط. أما الآن، ومع DynaPPI، فإنهم يدرسون "الواجبات المنزلية" خطوة بخطوة. تُظهر مجموعة البيانات للذكاء الاصطناعي كيف تتصرف البروتينات عندما تكون بعيدة، وكيف يتغير شكلها عندما تقترب، وما هو شكل "المرحلة المتوسطة" قبل أن تنغلق وتترابط. لقد قام الباحثون بمحاكاة هذه الأحداث عبر أخذ هياكل معروفة، وفصل السلاسل، ثم تركها حرة في محيط افتراضي من الماء والملح ليروا ما إذا كانت ستجد طريقها لبعضها البعض مرة أخرى. كما أجروا هذه المحاكاة عدة مرات (نسخ مكررة) لضمان التقاط عشوائية الطبيعة، تماماً مثل رمي النرد مرات عديدة لرؤية جميع النتائج الممكنة.

يشير البحث إلى أنه من خلال تغذية نماذج الانتشار بهذه البيانات الديناميكية، يمكن للذكاء الاصطناعي تعلم التنبؤ ليس فقط بالشكل النهائي لمعقد البروتين، بل بالمسار الكامل الذي يتخذه للوصول إلى ذلك الشكل. وهذا قد يغير قواعد اللعبة في تصميم الأدوية. تخيل القدرة على محاكة كيفية مطاردة جزيء دواء جديد لبروتين مسبب للمرض، واكتشاف "الجيوب المؤقتة" التي تفتح فقط أثناء "الرقصة"، بدلاً من مجرد النظر إلى الباب المغلق. يقترح المؤلفون أن هذا يمكن أن يساعد العلماء في تصميم أدوية أفضل، وهندسة آلات بيولوجية جديدة، وحتى الاستعداد للأوبئة المستقبلية من خلال فهم كيفية تفاعل الفيروسات مع الخلايا البشرية.

ومع ذلك، من المهم ملاحظة أن هذا هو مقترح وإنشاء لمورد، وليس منتجاً نهائياً قد حل بالفعل كل الألغاز. يوضح البحث خطة لبناء مجموعة البيانات هذه، واصفاً كيف سيختارون البروتينات، وكيف سيقومون بتنقية البيانات، وكيف سيجرون عمليات المحاكاة. لقد وضعوا أهدافاً محددة، مثل ضمان تغطية البيانات لمجموعة متنوعة من أنواع البروتينات، وأن تكون عمليات المحاكاة دقيقة بما يكفي لتطابق التجارب الواقعية. كما يقرون بأنه بينما يمكنهم محاكاة هذه العمليات، فإن الاختبار الحقيقي سيكون عندما يستخدم علماء آخرون هذه البيانات لتدريب نماذج الذكاء الاصطناعي الخاصة بهم ويرون ما إذا كانت تلك النماذج ستنجح في التنبؤ بهياكل لم ترها من قبل. لقد صُممت مجموعة البيانات لتكون مفتوحة ومتاحة، مما يسمح للمجتمع العلمي العالمي بالبناء على هذا الأساس ودفع حدود ما يمكن للذكاء الاصطناعي القيام به في علم الأحياء.