A deep-learning-based score to evaluate multiple sequence alignments
تُظهر هذه الورقة أن درجة "مجموع الأزواج" المستخدمة على نطاق واسع غالباً ما تخفق في تحديد أدق محاذات المتواليات المتعددة، وتقترح إطار عمل للتقييم يعتمد على التعلم العميق، وتحديداً "النموذج 2"، الذي يعمل بفعالية على ترتيب المحاذات البديلة لتحسين إعادة بناء العلاقات التطورية اللاحقة.
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 أنك تحاول تنظيم مجموعة من الأشخاص الذين يروون جميعاً نسخاً مختلفة قليلاً عن القصة نفسها. في عالم البيولوجيا، هؤلاء "الأشخاص" هم تسلسلات الحمض النووي (DNA) أو البروتين، و"القصة" هي تاريخهم التطوري المشترك. يطلق العلماء على هذه العملية اسم المحاذاة المتعددة للتسلسلات (MSA). إن ضبط هذا التنظيم بشكل صحيح أمر بالغ الأهمية، لأنه إذا اختلطت تفاصيل القصة، فإن أي استنتاجات يستخلصها العلماء حول كيفية تطور هذه الكائنات ستكون خاطئة.
لفترة طويلة، استخدم العلماء قاعدة ذهبية محددة لتحديد أفضل ترتيب. ويسمون هذه القاعدة "مجموع الأزواج" (SP) score. فكر في درجة "مجموع الأزواج" كأنها معلم يقيّم مشروعاً جماعياً بناءً فقط على عدد المرات التي تتطابق فيها إجابات الطلاب مع بعضها البعض. إذا كتب طالبان نفس الكلمة في نفس الموضع، يحصلان على نقطة. والترتيب الذي يحصد أكبر عدد من النقوات المتطابقة هو الفائز.
المشكلة
اكتشف مؤلفو هذه الورقة البحثية خللاً في نظام التقييم هذا. فمجرد امتلاك ترتيب ما لأعلى عدد من النقاط المتطابقة (أفضل درجة SP) لا يعني بالضرة أنه النسخة الأكثر دقة للقصة. الأمر يشبه طالباً حفظ الإجابات بدقة ليحصل على درجة عالية، لكنه فهم الحبكة بشكل خاطئ تماماً. في كثير من الحالات، كان "الفائز" في درجة الـ SP هو في الواقع محاذاة سيئة مقارنة بالنسخة الحقيقية والصحيحة.
الحل: نوع جديد من الحكام
لإصلاح ذلك، قام الباحثون ببناء ذكاء اصطناعي يعتمد على التعلم العميق ليعمل كحكم أكثر ذكاءً. لم يكتفوا بمجرد النظر في التطابقات البسيطة؛ بل نظروا إلى مجموعة كاملة من الأدلة والميزات داخل الترتيب. وقد أنشأوا نموذجين مختلفين (حاكماً من الذكاء الاصطناعي) لحل المشكلة:
النموذج الأول (الناقد الفردي): ينظر هذا النموذج إلى ترتيب واحد ويحاول تخمين مدى ابتعاده عن الحقيقة. إنه يشبه ناقداً يقرأ قصة واحدة ويعطيها درجة بناءً على مدى دقتها في نظره. كان هذا النموذج أفضل في التنبؤ بالدقة من درجة الـ SP القديمة، لكنه لم يكن بارعاً في اختيار "الأفضل" من بين مجموعة من الخيارات.
النموذج الثاني (حكم البطولة): هذا النموذج هو النجم الحقيقي. فبدلاً من الحكم على ترتيب واحد بمعزل عن غيره، فإنه ينظر إلى مجموعة كاملة من الترتيبات المختلفة لنفس القصة ويرتبها مقابل بعضها البعض. إنه يشبه حكماً في بطولة رياضية يقارن بين جميع الفرق ليقرر من فاز فعلياً، بدلاً من مجرد النظر إلى إحصائيات فريق واحد.
النتائج
عندما اختبر الباحثون هذه النماذج الجديدة، أثبت النموذج الثاني أنه الأفضل في إيجاد المحاذاة الأكثر دقة. لقد تفوق على درجة الـ SP القديمة، وعلى النموذج الأول، وحتى على العديد من البرامج الحاسوبية الشهلة التي يستخدمها العلماء.
أخيراً، أظهروا أنه عندما يستخدم العلماء هذا الذكاء الاصطنا الجديد لاختيار أفضل ترتيب، فإن "أشجار العائلة" (إعادة بناء السلالات) الناتجة، والتي توضح كيفية ارتباط الكائنات ببعضها، تكون أكثر دقة بكثير. جوهر الأمر هو أنه باستخدام طريقة أذكى لتقييم المحاذات، يمكن للعلماء سرد القصة الحقيقية للتطور بثقة أكبر بكثير.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.