← أحدث الأبحاث
💻 المعلوماتية الحيوية

LOCALE: Local-Alignment Embeddings for Noise-Robust DNA Search at Scale

يقدم LOCALE إطار عمل للبحث عن الحمض النووي (DNA) يتسم بالمتانة تجاه الضجيج، حيث يعيد صياغة استرجاع التسلسلات كعملية استرجاع كثيف باستخدام مشفر مدرب بواسطة InfoNCE لتوليد تضمينات متسامحة مع الاختلافات، مما يتفوق بشكل كبير على أفضل الفهارس الحالية القائمة على الـ k-mer وطرق التضمين الموجودة من حيث الدقة والقابلية للتوسع عبر المستودعات ذات النطاق البيتابايت.

المؤلفون الأصليون: Synk, R., Pandey, P., Sahinalp, C., Duraiswami, R.

نُشر 2026-10-13
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Synk, R., Pandey, P., Sahinalp, C., Duraiswami, 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 مكتبة شاسعة لدرجة أنها تضم المخططات الجينية لكل كائن حي تم فحصه من قبل العلماء، وهي مجموعة تنمو بمقدار بيتابايت كل عام. هذا هو واقع البيولوجيا الحديثة، حيث يخزن الباحثون البيانات الجينية الخام من كل شيء، بدءاً من عينات مياه الصرف الصحي وصولاً إلى الفتحات في أعماق البحار، في أرشيفات رقمية ضخمة. لا يكمن التحدي في تخزين هذه المعلومات فحسب، بل في العثور على إبرة محددة في هذا الكومة الكونية من القش. فعندما يمتلك عالم قطعة جديدة من الشفرة الجينية، ربما من فيروس وُجد لدى مريض، فإنه يحتاج إلى البحث في هذه المكتبة ليرى ما إذا كانت تطابق أي شيء معروف بالفعل. وتكمن الصعوبة في أن الطبيعة فوضوية؛ فالشفرة الجينية نادراً ما تكون نسخة مثالية، فهي تتغير قليلاً من شخص لآخر، ومن سلالة لأخرى، وحتى داخل الكائن الحي نفسه بمرور الوقت. علاوة على ذلك، فإن الآلات التي تقرأ هذه الشفرة ترتكب أخطاءً. لذا، فإن أدوات البحث التقليدية، التي تبحث عن تطابقات مثالية لتسلسلات قصيرة من الحروف، غالباً ما تفشل عندما تظهر هذه الاختلافات الطفيفة أو الأخطاء، مما يؤدي إلى عدم ظهور أي نتائج أو فقدان التطابقات الصحيحة تماماً.

لقد طور فريق من الباحثين طريقة جديدة للبحث في هذه المكتبات الجينية الضخمة لا تعتمد على إيجاد تطابقات مثالية. فبدلاً من مطالبة الكمبيوتر بإيجاد نسخة مطابقة تماماً، علموه كيفية التعرف على "بصمة" التطابق، حتى عندما تكون تلك البصمة مشوهة بسبب الطفرات أو الأخطاء. وقد أطلقوا على نظامهم اسم LOCALE. وتتمثل الفكرة الجوهرية في التعامل مع البحث ليس كلعبة للبحث عن سلاسل متطابقة من الحروف، بل كمشكلة ترتيب. يتعلم النظام وضع التسلسلات التي تنتمي إلى بعضها البعض — مثل قطعة جينية قصيرة والكروموسوم الذي جاءت منه — بالقرب من بعضها البعض في مساحة رياضية، بينما يدفع التسلسلات غير المرتبطة بعيداً. وهذا يسمح للنظام بالعثور على تطابق حتى لو تغير الاستعلام بنسبة تصل إلى عشرة بالمائة، وهو مستوى من التغيير قد يجعل أدوات المطابقة المثالية القديمة تستسلم تماماً.

اختبر الباحثون هذا النهج على معيار مرجعي يحتوي على آلاف العينات الجينية، والتي تمثل مئات المليارات من الحروف من الشفرة الجينية. ووجدوا أن طريقتهم الجديدة يمكنها استعادة العينات الجينية الصحيحة بنجاح حتى عندما يتم تغيير الاستعلام بشكل كبير. وفي اختبار تم فيه تغيير الشفرة الجينية بنسبة عشرة بالمائة، نجح النظام الجديد في العثور على التطابقات الصحيحة بنسبة 63 بالمائة تقريباً. وفي المقابل، انخفضت أفضل الأدوات الموجودة، التي تعتمد على إيجاد قطع صغيرة مطابقة من الحروف، إلى أقل من 35 بالمائة من نسبة النجاح، وفشلت في كثير من الحالات في العثور على أي تطابق على الإطلاق. كما أظهر الباحثون أن هذا التحسن لم يأتِ من استخدام "عقل كمبيوتر" أكثر تعقيداً، بل من كيفية تدريبه. فمن خلال تعليم النظام التعرف على التسلسلات التي تم خلطها عمداً باستخدام عمليات الاستبدال والإدراج والحذف، تعلم النموذج تجاهل الضجيج والتركيز على العلاقة البيولوجية الأساسية. وقد نجحت طريقة التدريب هذه باستمرار عبر أنواع مختلفة من النماذج الحاسوبية، مما يشير إلى أن مفتاح المتانة يكمن في استراتيجية التدريب نفسها، وليس في حجم النموذج.

تمتد قوة هذا النهج إلى ما وراء الاختبارات الاصطناعية. فقد طبق الباحثون نظامهم على تحدٍ بيولوجي حقيقي: التمييز بين السلالات المختلفة لفيروس التهاب الكبد الوبائي (ب)، والذي تختلف سلالاته طبيعياً عن بعضها البعض بأكثر من ثمانية بالمائة عبر كامل جينومها. فعندما استخدموا قطعاً جينية من إحدى السلالات للبحث عن تطابقات في قاعدة بيانات لسلالة أخرى، وجد نظامهم التطابقات الصحيحة بنسبة 81 بالمائ_ة تقريباً. بينما تمكنت الأداة الرائدة الموجودة من العثور عليها بنسبة 52 بالمائة فقط، وفشلت طريقة شائعة أخرى فشلاً شبه تام. وهذا يثبت أن قدرة النظام على التعامل مع الضجيج الاصطناعي تترجم مباشرة إلى التعامل مع الاختلافات الطبيعية الموجودة في البيولوجيا الحقيقية.

ولجعل هذا النظام عملياً للمكتبة بأكملها، عالج الباحثون أيضاً مسألة السرعة والتخزين. فالبحث في مليارات المتجهات الجينية يمكن أن يكون بطيئاً ويتطلب كميات هائلة من ذاكرة الكمبيوتر. لذا، طوروا طريقة لضغط البيانات بشكل كبير دون فقدان الكثير من قدرتها على إيجاد التطابقات. وباستخدام بطاقة رسومات واحدة، استطاع نظامهم المضغوط البحث في المعيار المرجعي بأكمله الذي يضم ما يقرب من 4600 عينة جينية في غض_ن ثوانٍ معدودة. ورغم أن هذه النسخة المضغوطة كانت أقل دقة قليلاً من النسخة غير المضغوطة، إلا أنها تفوقت بشكل كبير على الأدوات الموجودة من حيث العث تطابق النتامات الصحيحة، محققة تحسناً بمقدار ثلاثة ونصف ضعف في معدلات النجاح عند نفس السرعة. وهذا يشير إلى أن العائق أمام البحث في هذه الأرشيفات الجينية الضخمة لم يعد مجرد حجم البيانات، بل القدرة على تحمل الاختلافات الطبيعية والأخطاء التي تصاحبها. ومن خلال تحويل التركيز من المطابقة المثالية إلى تعلم العلاقات بين التسلسلات، قدم الباحثون أداة يمكنها التنقل في الواقع الفوضوي للبيانات البيولوجية بمقياس كان يُعتقد سابقاً أنه مستحيل.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 💻 bioinformatics →