Zero-Shot Protein-Ligand Binding Site Prediction from Protein Sequence and SMILES
تقدم هذه الورقة إطار عمل مرجعي منهجي ثلاثي المراحل يستفيد من النماذج اللغوية للبروتينات والكيميائيات للتنبؤ بمواقع ارتباط البروتين والربيطة من خلال التسلسل ورموز SMILES، مما يثبت أنه في حين يحسن التكييف مع الربيطة الأداء على الربيطات المعروفة، فإن نهج "الصفر استباقي" (zero-shot) باستخدام التضمينات الكيميائية سابقة التدريب يتيح تنبؤاً فعالاً على الربيطات غير المرئية سابقاً.
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
داخل كل خلية حية، تعمل البروتينات كآلات جزيئية تحافظ على استمرارية الحياة. فهي تنطوي في أشكال معقدة للقيام بمهام مثل نسخ التعليمات الجينية أو محاربة العدوى. وغالباً ما تحتاج هذه الآلات إلى الإمساك بجزيئات كيميائية أصغر، تُعرف باسم "الربيطات" (ligands)، لكي تؤدي وظيفتها. وعندما يمسك البروتين بجزيء معين، فإنه يفعل ذلك في موقع دقيق على سطحه، تماماً مثل مفتاح يناسب قفلاً محدداً. إن معرفة مكان هذا القفل بدقة على البروتين أمر بالغ الأهمية للعلماء؛ فإذا تمكن الباحثون من تحديد هذه المواقع، يمكنهم فهم كيفية عمل الأمراض وتصميم أدوية جديدة تهدف إما إلى منع أو تنشيط هذه التفاعلات. ولعقود من الزمن، اعتمد إيجاد هذه المواقع على تجارب مخبرية مكلفة وبطيئة تلتقط صوراً للجزيئات. والآن، يتجه العلماء إلى الحواسيب للتنبؤ بهذه المواقع بشكل أسرع، لكن لا تزال هناك عقبة رئيسية: تعاني الحواسيب عندما تواجه نوعاً جديداً من الجزيئات الكيميائية التي لم ترها من قبل.
لقد طور فريق من الباحثين طريقة جديدة لتعليم الحواسيب كيفية إيجاد مواقع الارتباط هذه، حتى عندما تكون الجزيئات الكيميائية غير مألوفة تماماً. لقد بنوا نظاماً يتعلم من المكتبة الواسعة لأشكال البروتينات المعروفة والصيغ الكيميائية للجزيئات لتقديم تخمينات مدروسة حول مكان اتصالها. اختبر الفريق نهجهم في ثلاثة سيناريوهات مختلفة لمعرفة مدى نجاحه. أولاً، نظروا في الكيماويات الشائعة التي رأت الحواسيب العديد من المرات من قبل. ثانياً، اختبروه على كيماويات ظهرت مرات قليلة فقط في بيانات التدريب. وأخيراً، تحدوا النظام باختبار "التعلم الصفري" (zero-shot test)، حيث كان على الكمبيوتر التنبؤ بمواقع الارتباط لآلاف المواد الكيميائية التي لم يسبق له مواجهتها أثناء تدريبه. هذا الاختبار الأخير هو الأكثر صعوبة، إذ يحاكي الموقف الواقعي حيث يكتشف عالم مرشحاً دوائياً جديداً ويحتاج إلى معرفة كيفية تفاعله مع البروتين فوراً.
بدأ الباحثون بتدريب نموذج حاسوبي باستخدام قاعدة بيانات ضخمة لتسلسلات البروتينات وشركاء ارتباطها المعروفين. قاموا أولاً بإنشاء نظام أساسي تعلم التنبؤ بمواقع الارتباط لكيمائي واحد محدد في كل مرة. وقد نجح هذا بشكل جيد مع الكيماويات الشائعة، ولكنه تطلب نموذجاً منفصلاً لكل نوع من أنواع الجزيئات، وهو أمر غير فعال. بعد ذلك، قاموا بتحسين النظام من خلال تعليمه التعرف على كيماويات مختلفة دفعة واحدة، باستخدام رمز خاص لكل منها. سمح هذا لنموذج واحد بالتعامل مع العديد من الجزيئات المختلفة، وكان أداؤه أفضل من النسخة الأولى. ومع ذلك، لا يزال هذا النهج يفشل عند مواجهة كيمياء جديدة تماماً لأن الكمبيوتر لا يملك رمزاً لها. ولحل هذه المشكلة، قدم الفريق مرحلة ثالثة؛ فبدلاً من استخدام رمز مُعد مسبقاً للكيمياء، قاموا بتغذية الكمبيوتر بالصيغة الهيكلية للكيمياء، مكتوبة كسلسلة نصية تسمى "سلسلة SMILES". واستخدموا برنامجاً حاسوبياً منفصلاً، تم تدريبه على ملايين الصيغ الكيميائية، لتحويل هذا النص إلى تمثيل رياضي يمكن للنظام الرئيسي فهمه. وقد سمح هذا للنموذج بالتنبؤ بكيماويات لم يسبق له رؤيتها من قبل.
عندما اختبر الفريق قدرة "التعلم الصفري" الجديدة هذه، كانت النتائج واعدة ولكنها سلطت الضوء على صعوبة المهمة. ففي الكيماويات التي رآها الكمبيوتر من قبل، ظل النظام دقيقاً. ولكن بالنسبة للكيماويات غير المرئية، انخفضت الدقة، وهو أمر متوقع عند التعامل مع بيانات جديدة تماماً. حدد النظام بشكل صحيح مواقع الارتباط في حوالي 31 بالمائة من الأجزاء ذات الصلة من البروتين لهذه الجزيئات الجديدة، وهو إنجاز كبير للمحاولة الأولى في هذه المشكلة المحددة. ولضمان أن الكمبيوتر يستخدم بالفعل المعلومات الكيميائية وليس مجرد التخمين بناءً على شكل البروتين، أجرى الباحثون تجارب ضبط (control experiments). فقد قاموا بتغذية النظام بالبروتين الصحيح ولكن مع استبدال الصيغة الكيميائية بنصوص غير مفهومة أو كيمياء خاطئة. وفي هذه الحالات، انخفض أداء الكمبيوتر بشكل كبير عبر جميع مجموعات الاختبار. وقد أثبت هذا أن النموذج كان ينتبه بالفعل للكيمياء المعطاة له، بدلاً من الاعتماد على تخمين عام.
كما استكشفت الدراسة كيف يؤثر حجم نماذج الكمبيوتر على أدائها. فقد اختبروا نسخاً مختلفة من نموذج تعلم البروتين، تتراوح من الصغيرة إلى الكبيرة جداً. وبشكل عام، كان أداء النماذج الأكبر أفضل، مما يشير إلى أن امتلاك المزيد من القدرة الحسابية يساعد النظام على فهم الأنماط المعقدة لأشكال البروتين. ومع ذلك، فإن جعل نموذج تعلم الكيمياء أكبر لم يؤدِ دائماً إلى نتائج أفضل، مما يشير إلى أن جانب البروتين هو العامل الأكثر أهمية حالياً بالنسبة للدقة. وجد الباحثون أنه بينما لا يزال النظام غير مثالي، إلا أنه يوفر إطاراً موثوقاً للتنبؤ بكيفية تفاعل البروتينات والكيماويات الجديدة. ويضع هذا العمل معياراً جديداً لاختبار هذه التنبؤات، والتمييز بين ما يمكن للحاسوب فعله مع البيانات المألوفة وما يمكنه تحقيقه مع الاكتشافات الجديدة حقاً. ومن خلال إثبات أن النظام يمكنه التعميم على كيماويات غير مرئية، فتح الباحثون مساراً لاكتشاف الأدوية بشكل أسرع، مما يسمح للعلماء بفحص جزيئات جديدة ضد البروتينات دون الحاجة للانتظار حتى انتهاء التجارب التقليدية البطيئة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.