💻 bioinformatics

Structural motif search across the protein-universe with Folddisco

يقدم المؤلفون Folddisco، وهو أداة برمجية وخادم ويب مجاني يتيح البحث السريع والدقيق والفعال من حيث التخزين عن الأنماط الهيكلية عبر 53 مليون بنية بروتينية، وذلك من خلال استخدام فهرس مدمج للميزات الهندسية المستقلة عن الموضع ونظام تسجيل يعتمد على الندرة.

المؤلفون الأصليون: Kim, H., Kim, R. S., Mirdita, M., Yoon, J., Steinegger, M.

نُشر 2026-02-20

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Kim, H., Kim, R. S., Mirdita, M., Yoon, J., Steinegger, M.

البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل

تخيل أن لديك مكتبة ضخمة تحتوي على 53 مليون كتاب (بنى بروتينية). معظم هذه الكتب جديدة تمامًا وقد كتبها ذكاء اصطناعي فائق الذكاء (AlphaFold) لأننا لم نتمكن من قراءتها جميعًا فعليًا بعد.

تخيل الآن أنك تبحث عن مصافحة سرية معينة أو عقدة صغيرة فريدة داخل هذه الكتب. هذه "العقدة" هي نمط بنيوي (structural motif). إنها نمط ثلاثي الأبعاد صغير مكون من بضعة أحماض أمينية فقط (وهي وحدات البناء للبروتينات) يخبرك بالضبط بما يفعله البروتين — مثل مفتاح يناسب قفلًا معينًا، أو أداة تقطع الحمض النووي (DNA).

المشكلة؟ البحث عن هذه العقد الصغيرة في 53 مليون كتاب باستخدام الطرق القديمة يشبه محاولة البحث عن إبرة في كومة قش عبر قراءة كل صفحة في كل كتاب. هذا الأمر يستغرق أيامًا، ويتطلب مستودعًا مليئًا بالأقراص الصلبة، وغالبًا ما يفشل في العثور على الإبرة تمامًا.

إليك Folddisco.

ما هو Folddisco؟

فكر في Folddisco كأنه أمين مكتبة سحري فائق السرعة لا يقرأ الكتب، بل لديه نظام بطاقات فهرسة ضخم وذكي للغاية.

إليك كيف يعمل، مقسمًا عبر تشبيهات بسيطة:

1. نظام "بطاقة الميزة" (الفهرسة)

بدلاً من تخزين الكتاب بأكمله، ينظر Folddisco إلى كل زوج من "الجيران" (الأحماض الأمينية) في البروتين وينشئ بطاقة هوية صغيرة لهم.

الطريقة القديمة: كانت البطاقة تقول فقط: "هذان الجاران قريبان من بعضهما".
طريقة Folddisco: البطاقة أكثر ذكاءً بكثير. فهي تقول: "هذان الجاران قريبان، وهما يتجهان في هذا الاتجاه المحدد، وأذرعهما الجانبية ملتفة بالضبط بهذا الشكل".

يقوم Folddisco بإنشاء فهرس ضخم من هذه البطاقات. ولأن نظام تنظيمه ذكي جدًا، فإن هذا الفهرس لـ 53 مليون بروتين يتسع في قرص صلب قياسي (1.45 تيرابايت)، بينما كانت الطرق القديمة ستتطلب قرصًا بحجم منزل صغير (5.7 تيرابايت).

2. "درجة الندرة" (نظام التسجيل)

هذا هو المكون السري. تخيل أنك تبحث عن نمط معين.

إذا رأيت نمطًا يشبه سلمًا حلزونيًا شائعًا (helix)، فهو ليس مميزًا جدًا. الجميع يمتلك مثل هذه الأنماط. لذا يعطي Folddisco هذا النمط درجة منخفضة.
إذا رأيت نمطًا يشبه طائر الكركي الورقي (أوريغامي) نادر ومعقد، فهو مميز جدًا. يعطي Folddisco هذا النمط درجة عالية.

من خلال التركيز على الأنماط "النادرة"، يعرف Folddisco فورًا أي الكتب تستحق الفحص وأيها مجرد ضجيج. إنه يتجاهل الأشياء الشائعة ويركز على "المصافحات" الفريدة.

3. البحث (الاستعلام)

عندما تطلب من Folddisco البحث عن نمط (مثل "إصبع الزنك" الذي يمسك بالحمض النووي DNA):

المرشح الأولي (Pre-Filter): يتحقق من بطاقات الفهرس الخاصة به في ثوانٍ. ويقول: "حسنًا، من بين 53 مليون كتاب، 500 كتاب فقط تمتلك بطاقة تطابق طائر الكركي الورقي النادر هذا".
المطابقة: بعد ذلك، يتحقق بسرعة من تلك الكتب الـ 500 ليرى ما إذا كانت "المصافحة" تتطابق تمامًا.

النتيجة؟

السرعة: يجد الإجابات في ثوانٍ. بينما كانت الطرق القديمة تستغرق ساعاتًا أو أيامًا.
الدقة: يجد "المصافحات" حتى لو بدا البروتين مختلفًا قليًا أو كان ملتويًا بشكل غريب.
المرونة: يمكنك أن تطلب منه البحث عن عقدة صغيرة مكونة من 3 أجزاء، أو نمط طويل ومتقطع يمتد عبر البروتين. الأدوات القديمة لم تكن تستطيع التعامل مع إلا واحد منهما فقط.

لماذا يهم هذا؟

البروتينات هي آلات الحياة. أحيانًا، نعرف اسم البروتين ولكن لا نعرف ماذا يفعل.

مثال: تخيل العثور على بروتين من محار أعماق البحار لم يدرسه أحد من قبل. يمكن لـ Folddisco النظر إلى شكله ثلاثي الأبعاد، والعثور على عقدة "إصبع الزنك"، وإخبارك فورًا: "مهلاً، هذا البروتين على الأرجح يرتبط بالحمض النووي تمامًا مثل عامل النسخ البشري!"
مثال: يمكنه التمييز بين البروتين الذي هو في حالة "تشغيل" (نشط) والبروتين في حالة "إيقاف" (غير نشط) بمجرد النظر إلى الزاوة الدقيقة لبعض الذرات.

الخلاصة

قبل Folddisco، كان البحث عن هذه الأنماط الثلاثية الأبعاد الصغيرة والحاسمة في عالم البروتينات بأكွယ်، يشبه محاولة العث على حبة رمل محددة على جميع شواطئ الأرض باستخدام عدسة مكبرة.

Folddisco يشبه قمرًا صناعيًا يرصد تلك الحبة المحددة من الرمل فورًا، ويخبرك بمكانها بالضبط، ويشرح لك لماذا هي مميزة — كل ذلك في الوقت الذي يستغرقه تحضير كوب من القهوة.

إنه مجاني، مفتوح المصدر، ومتاح كأداة عبر الويب، مما يسمح للعلماء بفك أسرار البروتينات بشكل أسرع من أي وقت مضى.

ملخص تقني لورقة بحثية بعنوان: "البحث عن الأنماط الهيكلية عبر الكون البروتيني باستخدام Folddisco"

1. بيان المشكلة

تعد الأنماط الهيكلية للبروتينات (Protein structural motifs) — وهي أنماط ثلاثية الأبعاد متكررة وقصيرة مرتبطة بالوظيفة (مثل المواقع التحفيزية، جيوب الارتباط، وأصابع الزنك) — حاسمة لفهم وظيفة البروتين، خاصة للبروتينات ذات التسلسلات غير المعروفة أو التماثل المنخفض في التسلسل. ومع ذلك، فإن اكتشاف هذه الأنماط في قواعد البيانات الهيكلية واسعة النطاق أمر مستعصٍ حوسبياً بسبب:

اللاخطية: على عكس محاذاة الهيكل الشامل (مثل Foldseek)، غالباً ما تتكون الأنماط من بقايا (residues) قد تكون بعيدة في التسلسل الأولي ولكنها قريبة في الفضاء ثلاثي الأبعاد.
حدود القابلية للتوسع: تعتمد الطرق الحالية مثل بحث RCSB motif و pyScoMotif على فهرسة أزواج البقايا المتقاربة. وبما أن عدد الأزواج يتزايد تربيعياً مع عدد البقايا، فإن فهرسة قواعد البيانات الضخمة (مثل AlphaFold DB التي تضم ملايين الهياكل) يتطلب وقتاً وتخزيناً هائلين (على سبيل المثال، استغرق RCSB نحو 3.5 يوم و55 جيجابايت لحوالي 160 ألف هيكل؛ بينما تطلب pyScoMotif نحو 73 جيجابايت لحوالي 195 ألف هيكل).
الصلابة: تفتقر الأدوات الحالية إلى المرونة في التعامل مع الأنماط القصيرة، أو التطابقات الجزئية، أو القطع غير المتصلة، كما تفتقر إلى المرونة في التعامل مع استبدالات الأحماض الأمينية أو التغيرات التشكيلية.

2. المنهجية

Folddisco هو خوارزمية مبتكرة للبحث عن الأنماط مصممة للتغلب على هذه القيود من خلال استراتيجية فهرسة هندسية مستقلة عن الموقع.

أ. استخراج الميزات والترميز

الأزواج المتقاربة: تفحص الخوارزمية أزواج البقايا ضمن نصف قطر محدد (الافتراضي 20 أنجستروم) في كل من أنماط الاستعلام وهياكل قاعدة البيانات.
مجموعة الميزات السبع: لكل زوج، يستخرج Folddisco سبع ميزات هندسية:
1. هوية الحمض الأميني للبقية 1 (AA1).
2. هوية الحمض الأميني للبقية 2 (AA2).
3. المسافة بين ذرات $C\alpha$ .
4. المسافة بين ذرات $C\beta$ .
5. الزاوية المتداخلة بين ناقلات $C\alpha-C\beta$ .
6. الميزة الجديدة 1: زاوية الالتواء (Dihedral angle) التي تشمل $N-C\alpha-C\beta-C\beta$ (من البقية 1).
7. الميزة الجديدة 2: زاوية الالتواء التي تشمل $N-C\alpha-C\beta-C\beta$ (من البقية 2).
- ملاحظة: إن تضمين زوايا الالتواء (الميزتان 6 و7)، المستوحى من trRosetta، يلتقط اتجاه السلسلة الجانبية، مما يحسن الدقة بشكل كبير مقارنة بالطرق السابقة التي استخدمت مسافات $C\beta$ فقط.
الترميز البتي (Bit-Encoding): يتم تحويل هذه الميزات السبع إلى قيم منفصلة (discretized) وترميزها بتاتياً في عدد صحيح واحد غير موقع بسعة 32 بت. يسمح هذا التمثيل المدمج بالتخزين الفعال والبحث السريع.

ب. استراتيجية الفهرسة

فهرس مستقل عن الموقع: على عكس الطرق التقليدية التي تخزن مواقع البقايا، يقوم فهرس Folddisco برسم خرائط ترميزات الميزات فقط إلى معرفات الهياكل (Structure IDs). وهذا يقلل حجم الفهرس بشكل جذري.
استغلال الندرة: فضاء الميزات عالي الندرة (أكثر من 93% من الترميزات النظرية لا يتم ملاحظتها أبداً). يقوم Folddisco بتخزين الترميزات الملحوظة فقط في مصفوفة مرتبة مع إزاحات مضغوطة بنظام (delta-compressed offsets)، مما يتيح البحث الثنائي ( $O(\log N)$ ).
القابلية للتوسع: عملية بناء الفهرس متعددة الخيوط (multi-threaded) بالكامل.

ج. مسار الاستعلام

تتضمن عملية البحث أربع خطوات:

استخراج الميزات والترميز: تتم معالجة نمط الاستعلام لتوليد ترميزات الميزات.
التصفية المسبقة (التقييم القائم على الندرة):
- يبحث النظام عن ترميدات الاستعلام في الفهرس لاسترجاع الهياكل المرشحة التي تشترك في مجموعة ميزات واحدة على الأقل.
- البحث الموسع: للتعامل مع المرونة التشكيلية، يقوم النظام بتوليد ترميدات بديلة عبر السماح بانحرافات صغيرة في المسافة ( $\pm 0.5$ أنجستروم) والزوايا ( $\pm 5^\circ$ )، بالإضافة إلى استبدالات الأحماض الأمينية (مثل تجميع الأحماض الأمينية الكارهة للماء).
- درجة التغطية: يتم ترتيب المرشحين باستخدام درجة التردد العكسي للوثيقة (IDF). تُعطى أوزان أعلى لمجموعات الميزات النادرة (مثل الثلاثيات التحفيزية المحددة) مقارنة بالمجموعات الشائعة (مثل تفاعلات الحلزون-الحلزون). كما يتم تطبيق عقوبة الطول لمنع البروتينات الكبيرة من الحصول على ترتيب عالٍ بسبب التطابقات العشوائية.
مطابقة البقايا: بالنسبة للمرشحين الذين تم تصفيتهم مسبقاً، يتم إنشاء رسم بياني (graph) حيث تمثل العقد البقايا وتمثل الحواف مجموعات الميزات المتطابقة. تحدد المكونات المتصلة (باستخدام خوارزمية Tarjan للمكونات المتصلة بقوة) المجموعات المتماسكة من البقايا التي تشكل النمط.
التراكب (Superposition): يتم تراكب الاستعلام على البقايا المتطابقة لحساب RMSD، وTM-score، والمقاييس الهندسية الأخرى.

3. المساهمات الرئيسية

السرعة والكفاءة: Folddisco أسرع بـ 20 ضعفاً في الاستعلام وأكثر كفاءة في التخزين بـ 4 أضعاف من الطرق المتطورة (pyScoMotif). يمكنه فهرسة 53 مليون هيكل (AFDB50) في أقل من 25 ساعة باستخدام فهرس مدمج بسعة 1.45 تيرابايت (مقارنة بـ 5.7 تيرابايت متوقعة لـ pyScoMotif).
تعدد الاستخدامات: إنه أول طريقة قادرة بكفاءة على البحث عن كل من الأنماط القصيرة المنفصلة (مثل أصابع الزنك) والقطع الطويلة غير المتصلة (مثل حلقات تنشيط GPCR) في غضون ثوانٍ.
دقة معززة: إن تضمين زوايا التواء السلسلة الجانبية ونظام تسجيل IDF القائم على الندرة يحسن الحساسية بشكل كبير، لا سيما بالنسبة للتطابقات الجزئية والأنماط في التسلسلات المتباعدة.
سهولة الوصول: تتوفر الأداة كبرنامج مفتوح المصدر مجاني وعبر خادم ويب (search.foldseek.com/folddisco) مع فهارس جاهزة لقواعد البيانات الرئيسية (AFDB50، PDB، ESM30، إلخ).

4. النتائج

الاختبار المعياري (أصابع الزنك وSerine Peptidases):
- في البروتوم البشري (23 ألف هيكل)، تفوق Folddisco على RCSB و pyScoMotif و MASTER في اكتشاف أنماط أصابع الزنك المكونة من أربعة بقايا كاملة، محققاً استدعاءً (recall) أعلى مع الحفاظ على الدقة.
- بالنسبة لأنماط serine peptidase، كان الأداء مشابهاً للأدوات الحالية، لكن Folddisco كان أسرع بكثير.
اختبار SCOPe المعياري (العائلات الهيكلية):
- أظهر Folddisco حساسية فائقة (AUC 0.837 مقابل 0.285 لـ pyScoMotif للأنماط الكاملة) في تحديد أعضاء العائلة بناءً على البقايا المحفوظة والمبعثرة.
- على عكس pyScoMotif الذي تدهورت أداؤه مع الاستعلامات الأقصر، تحسنت حساسية Folddisco مع إضافة المزيد من المعلومات (البقايا).
اختبار M-CSA (المواقع التحفيزية):
- حقق Folddisco قيمة AUC بلغت 0.432 (الوضع الافتراضي) و0.463 (الوضع الحساس) مقارنة بـ 0.344 لـ pyScoMotif، مما يمثل تحسناً بنسبة 25.6%.
التطبيقات الواقعية:
- التوصيف الوظيفي: نجح في تحديد أنماط أصابع الزنك في البروتينات غير المصنفة من البيانات الميتاجينومية (ESM30) وبروتومات المحار حيث فشلت الطرق القائمة على التسلسل.
- الحالات التشكيلية: ميز بين الحالات النشطة وغير النشطة لـ GPCRs باستخدام أنماط التنشيط المحددة (CWxP, NPxxY, DRY).
- كشف الواجهات: حدد أنماط واجهة البروتين-البروتين (مثل نطاقات الغلوبولين المناعي) ونجح في الاستعلام عن المواقع النشطة والوظيفية (allosteric) المتزامنة.

5. الأهمية

يمثل Folddisco تحولاً نوعياً في المعلوماتية الحيوية الهيكلية بجعل البحث عن الأنماط الهيكلية على مستوى النمط قابلاً للتوسع ليشمل الكون البروتيني بأكمله.

سد الفجوة: يتيح التوصيف الوظيفي لمئات الملايين من الهياكل المتوقعة (AlphaFold, ESM) التي تفتقر إلى البيانات التجريبية، وتحديداً للعناصر الوظيفية القصيرة التي يغفل عنها محاذاة التسلسل.
الرؤى الميكانيكية: من خلال اكتشاف الأنماط الهيكلية المحفوظة بغض النظر عن التباين في التسلسل، فإنه يسهل اكتشاف العلاقات التطورية والآليات الوظيفية عبر مجموعات تصنيفية متنوعة.
الاستعداد للمستقبل: إن قدراته في الفهرسة المدمجة والاستعلام السريع ضرورية للجيل القادم من البيولوجيا الهيكلية، حيث ستستمر قواعد البيانات في النمو بشكل أسّي.

باختสร، يحل Folddisco مشكلة "البحث عن إبرة في كومة قش" المتمثلة في إيجاد أنماط ثلاثية الأبعاد وظيفية محددة في مجموعات بيانات هيكلية ضخمة، مقدمًا أداة أسرع، أصغر حجماً، وأكثر دقة من أي بديل موجود.