AlphaFold Database expands to proteome-scale quaternary structures
تم توسيع قاعدة بيانات ألفافولد لهياكل البروتين (AlphaFold Protein Structure Database) لتشمل 1.8 مليون معقد بروتيني عالي الثقة عبر ما يقرب من 4,800 بروتيوم، مما يوفر مورداً أساسياً لفهم التفاعلات الجزيئية وتسهيل الاكتشاف الوظيفي عبر علم الأحياء.
المؤلفون الأصليون:Han, Y., Tsenkov, M. I., Venanzi, N. A. E., Bertoni, D., Cha, S., Chacon, A., Dietrich, N., Fomitchev, B., Goldtzvik, Y., Hsu, D., Austin, J., Ellaway, J., Didi, K., Kovalevskiy, O., Lasecki, D., LaydHan, Y., Tsenkov, M. I., Venanzi, N. A. E., Bertoni, D., Cha, S., Chacon, A., Dietrich, N., Fomitchev, B., Goldtzvik, Y., Hsu, D., Austin, J., Ellaway, J., Didi, K., Kovalevskiy, O., Lasecki, D., Laydon, A., Livne, M., Magana, P., Majewski, M., Nair, S., Paramval, U., Patel, N., Patel, R., Pidruchna, I., Santini Lopez, B., Sohani, P., Tanweer, A., Tran, D., Tretina, K., Vollmar, M., Vu, Q., Zidek, A., Velankar, S., Steinegger, M., Fleming, J., Mirdita, M., Dallago, C.
المؤلفون الأصليون: Han, Y., Tsenkov, M. I., Venanzi, N. A. E., Bertoni, D., Cha, S., Chacon, A., Dietrich, N., Fomitchev, B., Goldtzvik, Y., Hsu, D., Austin, J., Ellaway, J., Didi, K., Kovalevskiy, O., Lasecki, D., Laydon, A., Livne, M., Magana, P., Majewski, M., Nair, S., Paramval, U., Patel, N., Patel, R., Pidruchna, I., Santini Lopez, B., Sohani, P., Tanweer, A., Tran, D., Tretina, K., Vollmar, M., Vu, Q., Zidek, A., Velankar, S., Steinegger, M., Fleming, J., Mirdita, M., Dallago, C.
تخيل جسم الإنسان (وكل كائن حي على الأرض) كمدينة ضخمة ومزدحمة. في هذه المدينة، البروتينات هي العمال، والآلات، والأدوات التي تجعل كل شيء يعمل. لفترة طويلة، كان لدى العلماء خريطة رائعة لما يبدو عليه هؤلاء العمال عندما يقفون بمفردهم، يقومون بعملهم الخاص. كانت تسمى هذه الخريطة قاعدة بيانات ألفافولد (AlphaFold Database).
لكن هنا تكمن المشكلة: في العالم الحقيقي، نادراً ما تعمل البروتينات بمفردها. إنها كائنات اجتماعية؛ فهي تمسك بأيدي بعضها البعض، وتبني الجسور، وتُشكل فرقاً، وتتجمع لتكوين آلات معقدة لإنجاز المهمة. تُسمى هذه الفرق المعقدات البروتينية (protein complexes). وحتى الآن، لم يكن لدينا خريطة جيدة لكيفية ترابط هذه الفرق معاً. كان الأمر يشبه امتلاك خريطة لكل طوبة منفردة في مدينة، ولكن دون أي فكرة عن كيفية رص هذه الطوب لبناء ناطحات السحاب.
هذه الورقة البحثية تشبه بناء أطلس جديد ضخم يوضح لنا أخيراً كيف تتجمع هذه الفرق البروتينية.
القفزة الكبيرة: من العروض الفردية إلى الرياضات الجماعية
في السابق، كانت قاعدة بيانات "ألفافولد" تشبه دليل الممثلين المنفردين. تعمل هذه التحديث الجديدة على توسيع قاعدة البيانات لتشمل 1.8 مليون "هيكل فريق" متوقع (معقدات) تتضمن أكثر من 31 مليون تفاعل محتمل.
فكر في الأمر بهذه الطريقة:
الطريقة القديمة: كنت تعرف شكل قطعة "ليغو" واحدة.
الطريقة الجديدة: أصبح لديك الآن مخطط لكيفية تركيب ملايين من قطع الليغو تلك معاً لبناء قلعة، أو سفينة فضاء، أو سيارة.
كيف فعلوا ذلك: "خط التجميع الرقمي"
لم يقم الباحثون ببناء هذه النماذج يدوياً؛ بل استخدموا ذكاءً اصطناعياً فائق الذكاء (AlphaFold-Multimer) كطاقم بناء لديهم.
جمع المخططات: نظروا في الشفرة الوراثية لما يقرب من 5,000 كائن حي مختلف، من البكتيريا الشائعة إلى البشر وحتى الكائنات التي تسبب الأمراض المدارية المهملة.
الفلتر "الفيزيائي": استخدموا قاعدة بيانات تسمى STRING، والتي تعمل كشبكة اجتماعية للبروتينات. هي تخبرك أي البروتينات معروفة بأنها "تتسكع" معاً جسدياً.
محرك التنبؤ: قاموا بتغذية هذه البيانات في ذكائهم الاصطناعي، الذي تنبأ بكيفية تشابك هذه البروتينات معاً.
ضبط الجودة: تماماً مثل مفتش المباني، وضعوا قواعد صارمة لضمان أن التنبؤات آمنة ودقيقة. بحثوا عن أشياء مثل "هل يتناسب هذا مع ذاك دون حدوث تصادم؟" (التحقق من التصادمات الذرية) و"هل مستوى الثقة عالٍ؟".
النتائج: كنز من الاكتشافات الجديدة
وجد الفريق أشياء رائعة:
"الفرق الخارقة": اكتشفوا أن نسبة ضئيلة جداً من فرق البروتينات (الـ 1% الأعلى) شائعة بشكل مذهل وتشكل حوالي 25% من جميع الفرق التي وجدوها. الأمر يشبه إدراك أن معظم الناس في مدينة ما يستخدمون نفس الأنواع القليلة من الحافلات والقطارات، بدلاً من أن يكون لكل شخص مركبة فريدة خاصة به.
البناة العالميون: حوالي 9% من هذه الفرق البروتينية أساسية جداً للحياة لدرجة أنها موجودة في كل أنواع الكائنات تقريباً، من البكتيريا إلى البشر. إنها "طوب" الحياة العالمي.
رؤية غير المرئي: في بعض الحالات، تنبأ الذكاء الاصطناعي بهيكل بدا فوضوياً عندما كان البروتين بمفرده، ولكن عندما شكل فريقاً، استقر في شكل مثالي وجميل.
التشبيه: تخيل قطعة أحجية (بازل) تبدو كشظية بلاستيكية مسننة وغير مفيدة بمفردها. ولكن عندما تضعها بجانب شريكتها، تتداخلان لتشكلا دائرة كاملة وناعمة. توضح لنا هذه الورقة هذه "الدوائر الكاملة" التي لم نكن نستطيع رؤيتها من قبل.
لماذا يجب أن تهتم؟
الأمر لا يتعلق فقط بصنع صور ثلاثية الأبعاد جميلة. إنه تغيير جذري لقواعد اللعبة في الطب وعلم الأحياء:
اكتشاف الأدوية: تعمل العديد من الأدوية عن طريق منع فريق بروتيني من التكون. إذا كنت تعرف بالضبط كيف يترابط الفريق، يمكنك تصميم "إسفين" لحشر التروس وإيقاف المرض.
فهم الأمراض: تحدث العديد من الأمراض لأن فريقاً بروتينياً ينكسر أو يتشكل بشكل غير صحيح. تساعدنا هذه القاعدة الجديدة على رؤية أماكن الشقوق.
الصحة العالمية: قام الباحثون بتضمين الكائنات التي تسبب أمراضاً في الأجزاء الفقيرة من العالم (البروتيومات الصحية العالمية لمنظمة الصحة العالمية) بشكل محدد. وهذا يعني أن العلماء يمكنهم الآن دراسة "آلات" هذه الأمراض بشكل أسرع بكثير، مما قد يؤدي إلى علاجات جديدة للأمراض المهملة.
الخلاصة
هذه الورقة تشبه الترقية من خريطة شوارع ثنائية الأبعاد إلى نموذج هولوغرافي ثلاثي الأبعاد للمدينة البيولوجية بأكملة. إنها لا تظهر لنا فقط من هم العمال، بل توضح لنا بالضبط كيف يمسكون بأيدي بعضهم البعض لبناء آلات الحياة. إنها مورد تأسيسي سيساعد العلماء على حل ألغاز البيولوجيا، وتصميم أدوية أفضل، وفهم كيف تعمل الحياة في أبسط مستوياتها.
ملخص تقني لورقة بحثية: "قاعدة بيانات ألفافولد (AlphaFold) تتوسع لتشمل البنى الرباعية على مستوى البروتوم"
1. بيان المشكلة
بينما أحدثت قاعدة بيانات بنية بروتين ألفافولد (AFDB) ثورة في علم الأحياء من خلال توفير بنى بروتينية دقيقة أحادية الوحدات (سلسلة واحدة) على نطاق واسع، لا تزال هناك فجوة حرجة قائمة: الوظيفة البيولوجية تُحكم إلى حد كبير من خلال التفاعلات الجزيئية (البنى الرباعية).
محدودية الوحدات الأحادية (Monomers): غالبًا ما تظهر العديد من الوظائف البيولوجية، ومواقع الارتباط، والميزات التنظيمية فقط عند تشكل المعقدات. الفيديوهات التنبؤية للوحدات الأحادية غالبًا ما تفشل في رصد تبادل النطاقات (domain-swapping)، أو تحديد حدود الغشاء بشكل صحيح، أو تثبيت الطيات التي تتطلب سياقات متعددة الوحدات (oligomeric contexts).
ندرة البيانات: البنى المعقدة المحددة تجريبيًا في بنك بيانات البروتين (PDB) لا تغطي سوى جزء ضئيل جدًا من التفاعلات المعروفة بين البروتينات (PPIs).
الفجوات السابقة: كانت دراسات التنبؤ بالمعقدات على مستوى البروتوم السابقة غالبًا ما تقتصر على كائنات حية محددة، وتفتقر إلى معايرة الثقة المتسقة، أو لم تكن مدمجة في بنية تحتية عامة مستقرة، مما جعل إعادة استخدامها صعبة في مجالات بيولوجيا الأنظمة أو تدريب الذكاء الاصطناعي.
2. المنهجية
أجرى المؤلفون دراسة حسابية واسعة النطاق للتنبؤ بالمعقدات البروتينية متماثلة الوحدات (homomeric) ومتباينة الوحدات (heteromeric) عبر آلاف البروتومات.
أ. بناء مجموعة البيانات
البروتومات: تم تحليل 4,777 بروتومًا، بما في ذلك 16 كائنًا نموذجيًا و30 بروتومًا من بروتومات الصحة العالمية التابعة لمنظمة الصحة العالمية (مع إعطاء الأولوية للأمراض المهملة).
ثنائيات الوحدات المتماثلة (Homodimers): تم توليد ~23.4 مليون مرشح لثنائيات الوحدات المتماثلة عن طريق تكرار تسلسلات الوحدات الأحادية من UniProt (مع تصفية الطول بين 15 و1,500 حمض أميني).
ثنائيات الوحدات المتباينة (Heterodimers): تم استخراج ~7.6 مليون زوج من المرشحين من قاعدة بيانات STRING (مجموعة التفاعل الفيزيائي)، مع تصفية البروتومات المستهدفة دون تطبيق عتبات صارمة لزيادة التغطية.
ثنائيات الوحدات المتماثلة: تم تطبيق مرشح نظير عملي (أفضل تطابق لكل تصنيف) لمنع التسلسلات المتوازية (paralogous) من إضعاف الإشارات التطورية.
ثنائيات الوحدات المتباينة: تم دمج MSAs المولدة مسبقًا للوحدات الأحادية دون إجراء عمليات اقتران معقدة، وهي استراتيجية وُجد أنها فعالة ومنتجة حسابيًا.
ب. التنبؤ بالبنية والتسريع
الأدوات: استُخدمت AlphaFold-Multimer عبر ColobFold (المسرع) وOpenFold (المتكامل مع مكتبات NVIDIA TensorRT وcuEquivariance).
النطاق: نُفذت العمليات على مجموعات فائقة من نوع DGX H100، باستخدام خطوط أنابيب Slurm لتعظيم الاستفادة من وحدات معالجة الرسومات (GPUs).
تحسين الإنتاجية: تم تنفيذ "تعبئة الدفعات" (batch packing) لثنائيات الوحدات المتماثلة ذات الأطوال المتساوية لتقليل عمليات إعادة تجميع نموذج Jax، وتحسين عمليات الإدخال/الإخراج للمعالجة واسعة النطاق.
ج. معايرة الثقة والتصفية
للتمييز بين التنبؤات عالية الجودة والضوضاء، قام المؤلفون بمعايرة المقاييس باستخدام مجموعة بيانات مرجعية (بنى PDB الصادرة بعد سبتمبر 2021 لتجنب التداخل مع مجموعة التدريب).
المقاييس التي تم تقييمها: ipTM (درجة TM المتوقعة للواجهة)، pLDDT (اختبار المسافة المحلية المتوقعة)، ipSAE (درجة SAE المتوقعة للواجهة)، pDockQ2، وعدد التصادمات (clash counts).
الحدود المثلى: من خلال تحليل الدقة والاستدعاء، وضع المؤلفون مرشحًا عالي الثقة:
ipSAEmin ≥ 0.6 (درجة الواجهة الاتجاهية، بأخذ الحد الأدنى من A→B و B→A).
pLDDTavg ≥ 70 (متوسط ثقة المعقد).
clashbackbone ≤ 10 (التصادمات الفراغية).
البيانات الناتجة: أسفرت عملية التصفية هذه عن 1.75 مليون ثنائي متماثل عالي الثقة و**~57,000 ثنائي متباين مشتبه به عالي الثقة**.
3. النتائج الرئيسية
أ. النطاق والتغطية
أطلقت الدراسة 1.8 مليون معقد بروتيني عالي الثقة في قاعدة بيانات ألفافولد.
تتجاوز هذه التنبؤات عدد المعقدات المحددة تجريبيًا في PDB بمقدار 1 إلى 3 مراتب عشرية لمعظم الكائنات، مما يسد الفجوة بشكل خاص في المجموعات الحيوانية (Metazoa) والنباتية (Viridiplantae).
التحيز التصنيفي: كان نجاح التنبؤ بالثنائيات المتماثلة أعلى في بدائيات النوى (الأركيا والبكتيريا) مقارلة بحقيقيات النوى، ويرجع ذلك على الأرجح إلى الطبيعة الأقصر والأكثر اندماجًا لبروتينات بدائيات النوى وانتشار الثنائيات المتماثلة.
ب. خصائص ثنائيات الوحدات المتباينة
ارتبطت ثقة ثنائيات الوحدات المتباينة بقوة مع درجات تفاعل STRING.
كانت التنبؤات عالية الثقة أكثر تكرارًا عندما:
كان الفرق المطلق في الطول بين السلاسل صغيرًا.
كانت الهوية التسلسلية بين السلاسل أعلى.
يشير المؤلفون إلى أن مرشحات ثنائيات الوحدات المتباينة الحالية قد تنحاز نحو الخصائص "المشابهة للثنائيات المتماثلة"، مما يستوج-ب المعايرة في المستقبل.
الضغط: أدى تجميع الـ ~1.8 مليون بنية إلى ضغط بمقدار 8 أضعاف، مما كشف أن عددًا قليلًا من الطيات المتكررة يهيمن على المساحة.
تمثل أعلى 1% من ممثلي المجموعات حوالي 25% من جميع المدخلات.
تمثل أعلى 20% حوالي 82%.
الجدة (Novelty): تحتوي حوالي 9% من المجموعات غير الفردية على أعضاء من نطاقين مختلفين على الأقل من الممالك العليا، مما يشير إلى وحدات تفاعل قديمة ومحفوظة.
التداخل مع PDB: كانت المجموعات الأصغر أكثر عرضة لعدم وجود مطابقات في PDB، مما يشير إلى أن هذه تمثل حلولًا هيكلية جديدة لم يتم رصدها تجريبيًا بعد.
د. التأثير البيولوجي (دراسات حالة)
تسلط الورقة الضوء على عدة حالات تغير فيها السياق متعدد الوحدات التفسير الهيكلي بشكل جذري:
تبادل النطاقات (Domain Swapping): شكل عامل النسخ Eaf (Dictyostelium) طية محددة جيدًا فقط في الحالة الثنائية عبر تبادل النطاقات، وهو ما فات النموذج أحادي الوحدة منخفض الثقة.
بروتينات الغشاء: بالنسبة لبروتين Autophagy-related protein 33، أوضح النموذج الثنائي حدود الغشاء وحسن الثقة (pLDDT 58 ← 76).
البنية البينية للنطاقات: بالنسبة لـ AB hydrolase-1، قام نموذج الثنائي بتنقيح الموضع النسبي للنطاقات، مما قلل من عدم اليقين في البنية العالمية حتى عندما كان النموذج أحادي الوحدة واثقًا محليًا.
تثبيت الطي (Fold Stabilization): بالنسبة لمنظم Mycoplasma المسمى MG101، كان النموذج أحادي الوحدة منخفض الثقة (pLDDT 56)، لكن النموذج الثنائي ثبت الطية (pLDDT 85)، وهو ما يتوافق مع وظيفته البيولوجية كثنائي.
4. الأهمية والمساهمات
تحول جذري: ينقل قاعدة بيانات ألفافولد من مستودع للوحدات الأحادية المعزولة إلى مورد شامل لـ التفاعلات الهيكلية (structural interactome).
مورد أساسي: يوفر مجموعة بيانات ضخمة ومعيارية لـ:
بيولوجيا الأنظمة: رسم خرائط شبكات التفاعل على نطاق واسع.
اكتشاف الأدوية: تحديد الواجهات للاستهداف العلاجي، خاصة للأمراض المهملة (بروتومات منظمة الصحة العالمية).
تطوير الذكاء الاصطناعي: العمل كبيانات تدريب للنماذج التوليدية والقدرة التنبؤية للتفاعلات من الجيل التالي.
تقدم منهجي: يثبت أن التنبؤ بالمعقدات واسع النطاق أمر ممكن باستخدام الأجهزة والبرامج الحالية (تسريع GPU، OpenFold/ColabFold)، ويضع مقاييس ثقة صارمة (ipSAE) للبنى المعقدة.
إمكانية الوصول: جميع البيانات متاحة عبر موقع قاعدة بيانات ألفافولد (تصور تفاعلي) وعبر FTP (تحميل جماعي)، مع تصنيفات محددة ("عالية جدًا"، "واثقة"، "منخفضة") لتوجيه تفسير المستخدم.
الخاتمة
يمثل هذا العمل قفزة كبيرة في البيولوجيا الهيكلية، حيث يحول قاعدة بيانات ألفافولد إلى مورد على مستوى البروتوم للبنى الرباعية. من خلال التنبؤ بأكثر من 31 مليون معقد ونشر 1.8 مليون نموذج عالي الثقة، يوفر المؤلفون أداة تأسيسية للكشف عن السلوكيات الهيكلية الناشئة، وتثبيت طيات البروتين، ورسم خريطة مشهد التفاعل للحياة، وخاصة للكائنات والبروتينات التي كانت تفتقر سابقًا إلى البيانات الهيكلية.