💻 bioinformatics

CROWN: Curated Repository Of Well-resolved Noncovalent interactions

تقدم CROWN مجموعة بيانات جاهزة للتعلم الآلي تضم 153,005 من معقدات البروتين واللجين عالية الجودة التي توفق بين الموثوقية الهيكلية وتنوع البيانات عبر تطبيق مسار مؤتمت شامل يتضمن خطوة مبتكرة لتقليل الطاقة على قاعدة بيانات PLInder، مما يوفر مورداً متمحوراً حول الهندسة لتدريب ونمذجة نماذج التنبؤ بالتفاعل.

المؤلفون الأصليون: Poelmans, R., Van Eynde, W., Bruncsics, B., Bruncsics, B., Arany, A., Moreau, Y., Voet, A. R.

نُشر 2026-04-01

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Poelmans, R., Van Eynde, W., Bruncsics, B., Bruncsics, B., Arany, A., Moreau, Y., Voet, A. R.

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 تعليم روبوت طباخ كيفية إعداد وجبة مثالية. للقيام بذلك، تحتاج إلى مكتبة ضخمة من الوصفات وصور للأطباق النهائية. ولكن هنا تكمن المشكلة: مكتبتك في حالة فوضى عارمة.

بعض الكتب مكتوبة بخط يد واضح ومثالي (بيانات عالية الجودة)، ولكنها قليلة جداً. وبعض الكتب الأخرى مكتوبة بخط يد فوضوي، مع صفحات مفقودة، وصور ممزقة، ومكونات مدرجة لا وجود لها حتى (بيانات منخفضة الجودة)، ولكن هناك الآلاف منها.

إذا علمت الروبوت باستخدام الكتب المثالية القليلة فقط، فلن يعرف كيف يطهو وجبات متنوعة. وإذا علمته باستخدام الآلاف الفوضوية، فسوف يتعلم حرق الطعام وتقديم أطباق غير صالحة للأكل.

هذه هي المشكلة ذاتها التي يواجهها العلماء عند تدريب الذكاء الاصطناعي لفهم كيفية التصاق الأدوية (الربيطات/ligands) بالبروتينات (الأقفال في أجسامنا).

إليك CROWN: مكتبة جديدة، ضخمة، ومنظمة بشكل مثالي للتفاعلات بين البروتين والدواء.

المشكلة: معضلة "الصغير جداً مقابل الفوضوي جداً"

قبل ظهور CROWN، كان على الباحثين الاختيار بين خيارين سيئين:

المكتبة "المنقحة" (مثل PDBBind): هذه كتب عالية الجودة ومراجعة يدوياً. هي موثوقة، ولكن يوجد منها بضعة آلاف فقط. الأمر يشبه امتلاك مكتبة بها 100 وصفة فقط؛ سيتعلم الذكاء الاصطناعي الأساسيات ولكنه لن يستطيع التعامل مع المكونات المعقدة أو النادرة.
المكتبة "الضخمة" (مثل PLInder): هذا مستودع يحتوي على 650,000 كتاب. يحتوي على كل وصفة يمكن تخيلها، ولكن الكثير منها ممزق، أو به صفحات مفقودة، أو يسرد "قرن وحيد قرن" كمكون. إذا غذيّت الذكاء الاصطناعي بهذا، فسيصاب بالارتباك بسبب الأخطاء.

الحل: مصنع CROWN

قام مؤلفو هذه الورقة البحثية ببناء مصنع مؤتمت بالكامل (مسار حوسبي) يأخذ المستودع الفوضوي المكون من 650,000 كتاب ويحوله إلى مكتبة نقية وعالية الجودة مكونة من 153,000 كتاب مثالي.

إليك كيف يعمل مصنعهم، خطوة بخطوة:

1. حراس بوابة مراقبة الجودة

يبدأ المصنع باستبعاد أي شيء لا يستوفي المعايير الأساسية.

مرشح الدقة (The Resolution Filter): إذا كانت صورة الطبق ضبابية (البنية البلورية ذات دقة منخفضة)، يتم التخلص منها.
مرشح المكونات (The Ingredient Filter): إذا كانت الوصفة تطلب "غباراً سحرياً" (أيونات، أو نواتج تبلور، أو معادن غريبة لا يستطيع الكمبيوتر فهمها)، يتم إزالتها. هم يحتفظون فقط بالمكونات "الشبيهة بالدواء".
فحص الجيب (The Pocket Check): تخيل أنك تحاول إدخال مفتاح في قفل، لكن القفل يفتقد نصف أسنانه. إذا كان "جيب" البروتين (القفل) يحتوي على ذرات مفقودة حول الدواء، يتم رفض المدخل.

2. فريق الإصلاح

بمجرد اختيار المرشحين الجيدين، يقوم فريق من عمال الإصلاح الرقميين بإصلاح المشكلات المتبقية:

الأجزاء المفقودة: إذا كانت الوصفة تفتقد صفحة، يستخدمون المنطق لتخمين ما يجب أن تقوله ثم يملؤونها.
الأسلاك المتشابكة: أحياناً، تصطدم ذرات النماذج ثلاثية الأبعاد ببعضها البعض (تداخلات فراغية/steric clashes). يقوم الفريق بدفعها برفق بعيداً عن بعضها لكي تتناسب بشكل طبيعي.
خدعة "القاع المسطح" السحرية: هذه هي السر الخاص بالورقة البحثية. تخيل أن لديك طاولة مهتزة قليلاً (بنية البروتين من المختبر). تريد إصلاح الاهتزاز دون تحريك أرجل الطاولة بعيداً جداً عن مكانها الأصلي.
- يستخدمون "زنبركاً" خاصاً يكون رخواً إذا تحركت الذرات قليلاً (ضمن هامش الخطأ في الصورة الأصلية).
- ولكن إذا حاولت ذرة التحرك بعيداً جداً، يصبح الزنبرك صلباً ويسحبها للخلف.
- النتيجة: تصبح البنية مثالية فيزيائياً (لا توجد نتوءات أو فجوات غريبة) ولكنها لا تزال تبدو تماماً مثل التجربة الأصلية. الأمر يشبه ضبط أوتار الغيتار: تقوم بشد الأوتار بما يكفي لتبدو صحيحة، دون تغيير شكل الغيتار.

3. اللمسة النهائية

أخيراً، يتحققون من العمل. إذا كان "الإصلاح" قد غير شكل القفل كثيراً، فإنهم يستبعدون ذلك المدخل. كما يتأكدون من أن كل "مفتاح" (دواء) لديه العدد الصحيح من ذرات الهيدروجين (البروتونات) ليعمل في درجة حرارة الجسم (الرقم الهيدروجيني pH 7.4).

لماذا CROW N مميز؟

إنه ضخم: يحتوي على 4 أضعاف تنوع البروتينات والأنواع مقارنة بالمكتبات "المثالية" القديمة. إنه يغطي نطاقاً أوسع بكثير من الحياة البيولوجية والأشكال الكيميائية.
إنه نظيف: لا يحتوي على صفر ذرات مفقودة، صفر روابط مكسورة، وصفر تداخلات غريبة. إنه بمثابة "غرفة نظيفة" لتدريب الذكاء الاصطناعي.
لا يحتاج إلى "اختبارات تذوق": معظم المكتبات القديمة تعتمد على معرفة مدى جودة عمل الدواء (الألفة الارتباطية/binding affinity). لكن هذه البيانات مفقودة لمعظم الأدوية. تقول CROWN: "لسنا بحاجة لمعرفة ما إذا كان الدواء قد نجح أم لا، نحتاج فقط لمعرفة شكل القفل والمفتاح معاً بدقة". هذا يسمح لهم بتضمين آلاف الهياكل التي كانت تُتجاهل سابقاً.

الخلا الخلاصة

CROWN يشبه أخذ علية (سندرة) فوضوية ومتربة مليئة بالرسومات غير المكتملة وتحويلها إلى متحف من المخططات المثالية عالية الدقة.

من خلال تزويد نماذج الذكاء الاصطناعي بهذه المجموعة من البيانات النظيفة والضخمة والمتنوعة، يأمل العلماء في بناء "طهاة آليين" أفضل يمكنهم تصميم أدوية جديدة بشكل أسرع، والتنبؤ بكيفية سلوك الأدوية، وحل أسرار كيفية عمل أجسامنا على المستوى الجزيئي. إنه يسد الفجوة بين امتلاك قدر كافٍ من البيانات وامتلاك بيانات جيدة.

ملخص تقني لورقة بحثية: CROWN: مستودع منسق للتفاعلات غير التساهمية عالية الدقة

1. بيان المشكلة

يعاني تطوير نماذج تعلم الآلة (ML) للتفاعلات بين البروتين واللجين (protein–ligand) حاليًا من مقايضة في قواعد البيانات الهيكلية المتاحة:

بيانات عالية الجودة، منخفضة النطاق: توفر موارد مثل PDBBind و HiQBind هياكل منسقة بدقة وعالية الموثوقية، لكنها محدودة في الحجم (عشرات الآلاف من المدخلات) والتنوع الكيميائي. وهي تعتمد غالبًا على مجموعات فرعية منسقة يدويًا من بنك بيانات البروتين (PDB).
بيانات عالية النطاق، منخفضة الجودة: توفر موارد مثل PLInder تغطية واسعة (ما يقرب من 650,000 مدخل) عبر كامل الـ PDB، لكنها تفتقر إلى ضبط الجودة الصارم. فهي تحتوي على ذرات غير محلولة، وتصادمات فراغية (steric clashes)، وتعيينات روابط غير صحيحة، وعيوب بلورية، مما يؤدي إلى إدخال ضوضاء منهجية في تدريب تعلم الآلة.
تحيز الألفة (Affinity Bias): تعتمد العديد من الاختبارات المعيارية الحالية على قياسات الألفة التجريبية، وهذا يستبعد الغالبية العظمى من المعقدات الموصوفة هيكليًا والتي لا تتوفر لها بيانات ألفة، كما يؤدي إلى تحيزات ناتجة عن ظروف المقايسة المتباينة.
عدم الاتساق الهيكلي: يستخدم مختلف علماء البلورات بروتوكولات تنقية متفاوتة، مما يؤدي إلى عدم تجانس في الجودة الهيكلية وعدم انتظام في الهندسة عبر قواعد البيانات.

2. المنهجية

طور المؤلفون CROWN، وهو خط معالجة مسبقة مؤتمت بالكامل تم تطبيقه على قاعدة بيانات PLInder (الإصدار 2024-06/v2) لإنشاء مجموعة بيانات جاهزة لتعلم الآلة. يتكون خط المعالجة من خمس مرشحات للجودة تتخللها مرحلتان من المعالجة الهيكلية:

أ. مرشحات الجودة

جودة الهيكل: يحتفظ فقط بهياكل الأشعة السينية عالية الثقة (دقة $\le$ 3.0 Å). يجب أن يكون لدى اللجين قيمة R-space (RSR) $< 0.3$ ومعامل ارتباط الفضاء الحقيقي (RSCC) $> 0.8$ . يقوم خط المعالجة بإعادة تسمية هذه المقاييس بشكل مستقل لتصحيح أخطاء التحليل في PLInder.
جودة اللجين: يزيل الشوائب البلورية، والأيونات، واللجينات التساهمية، واللجينات التي تحتوي على عناصر نادرة (مثل B، Se، Si) غير مدعومة بحقل القوة OpenFF 2.2.0. تُستثنى حالات محددة للعوامل المرافقة المنسقة للمعادن (HEM, MGD, SF4) التي تتوفر لها معاملات AMBER.
جودة الجيب (Pocket Quality): يستبعد المعقدات التي تفتقر إلى ذرات البروتين ضمن نطاق 6 Å من اللجين. يتم إزالة الأحماض الأمينية غير القياسية داخل جيب الارتباط لضمان التوافق مع حقل القوة AMBER ff19SB.
جودة التفاعل: يرشح اللجينات التي تتراوح أوزانها الثقيلة بين 10 و100 ذرة، والتي تتطلب أكثر من 10 اتصالات وثيقة ( $< 4$ Å) مع البروتين. كما تتم إزالة المدخلات المتكررة (وضعيات الارتباط المتطابقة ضمن 0.1 Å RMSD).
استقرار المعقد: بعد عملية التقليل (minimization)، يتم الاحتفاظ بالمدخلات فقط إذا كان الانحراف في الجذر التربيعي لمتوسط المربعات (RMSD) أقل من 0.6 Å لذرات اللجين/الجيب وأقل من 0.2 Å لهيكل البروتين، مما يضمن أن عملية التقليل لم تسبب إعادة ترتيب هيكلية غير واقعية.

ب. مراحل المعالجة الهيكلية

تصحيحات الهيكل:
- إزالة الشوائب البلورية (مثل الجلسرين).
- اختيار المتشكلات (conformers) ذات الإشغال الأعلى.
- إعادة بناء البقايا/الذرات المفقودة باستخدام PDBFixer.
- استبدال البقايا غير القياسية (خارج الجيب) ببدائل قياسية (مثال: hydroxyproline $\to$ proline).
- إصلاح التصادمات الفراغية بين السلاسل وإضافة مجموعات التغطية (ACE/NME).
- استنتاج اتصال الروابط وترتيبها بناءً على الإحداثيات ثلاثية الأبعاد في حال فشل تحليل SDF.
التقليل الطاقي المقيد (الابتكار الجوهري):
- البروتونية (Protonation): يتم تعيينها عند درجة الحموضة الفسيولوجية (7.4) باستخدام PDBFixer (للبروتينات) و Dimorphite-DL (لللجينات).
- حقل القوة: يستخدم OpenMM 8.4.0 مع ff19SB (للبروتينات)، و OL21 (للأحماض النووية)، و OPC3 (للماء)، و OpenFF 2.2.0 (لللجينات).
- بروتوكول التقليل: يستخدم جهد تقييد ذي قاع مسطح (flat-bottomed tethering potential) لتحقيق التوازن بين الدقة البلورية وتخفيف الإجهاد.
  - هيكل البروتين: يخضع لقيود توافقية صارمة ( $k = 10^6$ kJ·mol $^{-1}$ ·nm $^{-2}$ ) لتجميد الهيكل العالمي.
  - الجيب واللجين: يخضعان لجهد مسطح القاع وناعم. يمكن للذرات أن تتحرك بحرية ضمن سماحية قدرها 0.25 Å (تمثل عدم اليقين البلوري) دون عقوبة طاقية. بعد ذلك، يرتفع القيد عبر كثير حدود خماسي مستمر من الدرجة الثانية ( $C^2$ -continuous quintic polynomial)، لينتقل إلى نظام خطي لمنع العقوبات القاسية.
  - الهيدروجينات: تُترك دون قيود لتحسين شبكات الروابط الهيدروجينية.

3. المساهمات الرئيسية

التوفيق بين النطاق والجودة: يسد CROWN الفجوة بين البيانات المنسقة والبيانات واسعة النطاق، حيث يوفر 153,005 معقدًا عالي الجودة (زيادة قدرها 4 أضعاف في التنوع البروتيني/التصنيفي مقارنة بـ PDBBind/HiQBind) مع الحفاظ على معايير هيكلية صارمة.
التصميم المتمحور حول الهندسة: على عكس قواعد البيانات المتمحورة حول الألفة، يعامل CROWN الهندسة ثلاثية الأبعاد للتفاعل كمصدر معلومات متسق ذاتيًا، مما يسمح بتضمين آلاف الهياكل دون الحاجة لبيانات الألفة.
خطوة تقليل فريدة: يعد أول قاعدة بيانات للبروتين واللجين تطبق بشكل منهجي التقليل الطاقي المقيد مع قيود القاع المسطح المخصصة. هذه الخطوة توحد ممارسات التنقية المتباينة عبر PDB، مما ينتج معقدات متسقة هيكليًا دون تشويه هندسات الارتباط المرصودة تجريبيًا.
التعليق الكامل (Annotation): كل مدخل يحتوي على مقاييس كثافة إلكترونية تم التحقق منها (RSR/RSCC)، وصفر ذرات غير محلولة، وصفر تصادمات فراغية، مما يلغي "النقاط العمياء" الشائعة في قواعد البيانات الأخرى.
الوصول المفتوح: مجموعة البيانات، والواجهة الويب، وخط المعالجة المسبقة الكامل (مفتوح المص المصدر) متاحة مجانًا.

4. النتائج

تكوين مجموعة البيانات: من أصل 649,915 نظامًا من PLInder، أنتج خط المعالجة 153,005 معقدًا.
- التنوع: 55,208 معرف PDB، و 12,352 معرف UniProt، و 3,209 نوعًا، و 26,746 معرف CCD فريد لللجين.
- المجال الكيميائي: يغطي نطاقًا أوسع من الأوزان الجزيئية، والروابط القابلة للدوران، ومستقبلات الروابط الهيدروجينية مقارنة بـ PDBBind، بما في ذلك اللجينات الكبيرة (مثل PROTACs، والماكرو-سايكل) ذات الصلة باكتشاف الأدوية الحديثة.
مقاييس الجودة:
- صفر عيوب: تحتوي مجموعة البيانات النهائية على 0 مدخلات بذرات لجن غير محلولة، أو روابط مفقودة، أو تصادمات فراغية، أو بقايا جيب غير قياسية.
- تأثير التقليل: يظهر تحليل RMSD أن هيكل البروتين ظل مستقرًا (إزاحة ضئيلة)، بينما عدلت ذرات اللجين والجيب بمعدل وسيط يتراوح بين ~~0.22–0.27 Å (ضمن سماحية 0.25 Å)، بينما أظهرت الهيدروجينات تعديلات أكبر (~~0.52 Å) لتحسين شبكات الروابط الهيدروجينية.
المقارنة: يتفوق CROWN على BioLiP2 في تنوع اللجينات (من خلال إزالة الأيونات/الشوائب) ويتفوق على PDBBind/HiQBind في النطاق والتغطية التصنيفية.

5. الأهمية

يعالج CROWN عقبة حرجة في البيولوجيا الهيكلية واكتشاف الأدوية المدعوم بالذكاء الاصطناعي: نقص البيانات الضخمة وعالية الدقة.

للنماذج التوليدية: توفر مجموعة البيانات الحجم والتنوع اللازمين لتدريب نماذج الانتشار المتكافئة (equivariant diffusion models) والذكاء الاصطناعي التوليدي للتنبؤ بوضعيات الارتباط بين البروتين واللجين.
لدوال التسجيل (Scoring Functions): تمكن من تطوير دوال تسجيل قائمة على المعرفة وجهود إحصائية غير متحيزة لبيانات الألفة أو مقتصرة على مساحات كيميائية صغيرة.
قابلية التكرار: من خلال إطلاق خط المعالجة المؤتمت بالكامل، يتيح المؤلفون للمجتمع العلمي إعادة إنشاء مجموعة البيانات مع إيداع هياكل جديدة في PDB، مما يضمن المنفعة طويلة الأمد.
جاهزية المستقبل: رغم القيود الحالية المتعلقة باللجينات المنسقة للمعادن أو العناصر النادرة (بسبب قيود حقل القوة)، فإن الإطار مصمم لدمج حقول القوة المستقبلية المعتمدة على تعلم الآلة لتوسيع التغطية.

باخت-صار، يمثل CROWN تحولًا جذريًا من مجموعات البيانات "الموسومة بالألفة" إلى المجموعات "المتمحورة حول الهندسة"، مما يوفر أساسًا قويًا، وقابلًا للتوسع، ومتسقًا هيكليًا للجيل القادم من نماذج التعرف الجزيئي.