An RNA Language Model trained on sequence alone reveals the structural logic of Internal Ribosome Entry Sites
يقدم المؤلفون Albatross، وهو نموذج لغوي للحمض النووي الريبوزي (RNA) تم تدريبه حصرياً على بيانات التسلسل، والذي يتفوق بشكل كبير على الأساليب الحالية في التنبؤ ببنى مواقع دخول الريبوسوم الداخلية، مما يمكّن من اكتشاف فئات فرعية وظيفية جديدة ويسرع تحديد الأهداف المضادة للفيروسات.
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
تُعد الفيروسات أساتذة في التنكر، لكن أسرارها الأكثر حيوية غالبًا ما تكون مخبأة في وضح النهار داخل شفرتها الوراثية. فبالنسبة للعديد من الفيروسات، بما في ذلك الفيروسات البيونية (picornaviruses) التي تسبب كل شيء بدءًا من الزكام العادي وصولاً إلى الأمراض العصبية المدمرة، فإن التعليمات الخاصة بصنع الجسيمات الفيروسية الجديدة ليست مجرد قائمة بسيطة من الحروف؛ بل هي مطوية في أشكال ثلاثية الأبعاد معقدة. تعمل هذه الأشكال كمفاتيح ومقابض، مما يسمح للفيروس باختطاف آلة صنع البروتين في الخلية. أحد أهم هذه الأشكال يسمى "موقع دخول الريبوسوم الداخلي"، أو IRES. وخلافًا للخلايا البشرية، التي تحتاج عادةً إلى "غطاء" محدد في بداية تعليماتها الوراثية للبدء في قراءتها، تعمل مواقع IRES الفيروسية هذه كدعوة مباشرة، مما يسمح للفيروس بالبدء في بناء البروتينات فورًا وبشكل مستقل. إن فهم كيفية طي هذه المواقع (IRES) بدقة أمر حيوي لمعرفة سبب إصابة بعض الفيروسات لأنسجة معينة، ولماذا تسبب بعضها أمراضًا شديدة بينما لا يفعل الآخرون، وكيف يمكننا تصميم أدوية لإيقافها. ومع ذلك، فإن رسم خرائط لهذه الهياكل أمر صعب للغاية؛ فهي طويلة، ومتغيرة للغاية، وتتغير أشكالها اعتمادًا على البيئة، مما يجعل الطرق التقليدية للتنبؤ بها بطيئة وغير دقيقة في كثير من الأحيان.
لقد طور فريق من الباحثين الآن طريقة جديدة لرؤية هذه الأشكال الخفية، متجاوزين الحاجة إلى تجارب مكلفة ومستهلكة للوقت. لقد أنشأوا نظام ذكاء اصطناعي، أطلقوا عليه اسم "ألبرتوس" (Albatross)، تم تدريبه حصريًا على التسلسلات الوراثية الخام لآلاف هذه العناصر الفيروسية. لم يتلقَّ النظام أي معلومات حول كيفية طي الحمض النووي الريبوزي (RNA)، أو قواعد الكيمياء، أو فيزياء الاستقرار؛ بل تمت تغذيته ببساطة بملايين التسلسلات وطُلب منه تعلم الأنماط الموجودة بداخلها. ومن المثير للدهشة أن النموذج تعلم التنبؤ بالهيكل ثلاثي الأبعاد لهذه العناصر الفيروسية بدقة عالية، بمجرد التعرف على العلاقات الإحصائية بين الحروف في التسلسل. وعندما اختبر الباحثون "ألبرتوس" مقابل مكتبة تضم 96 من مواقع IRES الفيروسية كاملة الطول، كانت تنبؤات النموذج أكثر دقة من أفضل الطرق الموجودة حاليًا. فبينما نجحت الأدوات الأخرى في تحديد أقل من نصف الروابط الهيكلية الفعلية، كان "ألبرتوس" محقًا بنسبة 80 في المائة من الوقت.
تكمن قوة هذا النهج فيما تعلمه النموذج بالفعل؛ فهو لم يكتفِ بحفظ الأشكال، بل تعلم منطق الفيروس. فمن خلال تحليل كيفية تأثير تغيير في جزء واحد من التسلسل على التنبؤ بجزء آخر، حدد النموذج القطع التي يجب أن تكون قريبة من بعضها البعض لتعمل وظيفيًا. سمح هذا للباحثين بالتمييز بين الأشكال المستقرة فحسب، وتلك الضرورية لعمل الفيروس. وفي الواقع، كان النموذج بارعًا جدًا في رصد الهياكل الوظيفية لدرجة أنه استطاع التنبؤ بالأجزاء الأكثر احتمالية للمشاركة في عملية بدء العدوى. وقد مكنت هذه القدرة الفريق من بناء أطلس ضخم يضم أكثر من 75,000 هيكل متوقع، يغطي تنوعًا هائلاً من الفيروسات التي لم تُدرس من قبل بهذا التفصيل.
باستخدام هذه الخريطة الجديدة، اكتشف الباحثون شيئًا جديدًا تمامًا؛ حيث وجدوا مجموعة فرعية غير معروفة سابقًا من الهياكل الفيروسية تتضمن "ساقًا ممتدة" (extended stem)، وهو نمط طي لم يسبق رؤيته في هذه الفئة من الفيروسات. وقد اختبروا هذا الاكتشاف في المختبر، مؤكدين أن الساق الممتدة حقيقية وأنها تلعب دورًا حاسمًا في قدرة الفيروس على العمل. يشير هذا الاكتشاف إلى أن النموذج يمكنه كشف الحقائق البيولوجية التي كانت غير مرئية للعلماء سابقًا. علاوة على ذلك، أظهر الفريق أن هذه الطريقة لا تقتصر على نوع واحد من الفيروسات؛ فعندما طبقوا استراتيجية التدريب نفسها على المادة الوراثية لفيروسات "هانتا" (hantaviruses) والمستشعرات البكتيرية، نجح النموذج في تحديد تفاعلات معقدة بعيدة المدى، وحتى قدرة جزيء واحد من الـ RNA على التبديل بين شكلين مختلفين اعتمادًا على بيئته.
إن تداعيات هذا العمل تمتد إلى ما هو أبعد من مجرد رسم خرائط الفيروسات. فلعقود من الزمن، كافح العلماء للتنبؤ بهيكل الـ RNA لأن الجزيئات مرنة للغاية والقواعد التي تحكمها معقدة للغاية. تعتمد الطرق التقليدية غالبًا على حساب طاقة كل شكل ممكن، وهي عملية تصبح مستحيلة للتسلسلات الطويلة. وتتطلب طرق أخرى مقارنة العديد من الفيروسات المتشابهة للعثور على الأنماط، وهو ما يفشل عندما تكون الفيروسات مختلفة جدًا. يتجاوز "ألبرتوس" هذه المشكلات من خلال التعلم مباشرة من بيانات التسلسل نفسها. ووجد الباحثون أن دقة النموذج تتحسن مع زيادة حجم بيانات التدريب وحجم النموذج، مما يشير إلى أن هذا النهج يمكن أن يستمر في التحسن مع توفر المزيد من البيانات.
تمثل هذه الدراسة تحولًا كبيرًا في كيفية تعاملنا مع بيولوجيا الـ RNA. فبدلاً من معاملة هذه الجزيئات كأحاجي ثابتة يجب حلها بمعادلات فيزيائية، عاملها الباحثون كلغة يمكن تعلمها. وتظهر النتائج أن التاريخ التطوري للفيروس مشفر في تسلسله بطريقة يمكن للذكاء الاصطناعي فك شفرتها. ومن خلال الكشف عن المنطق الهيكلي لهذه العناصر الفيروسية، يوفر هذا العمل أداة قوية لفهم كيفية عمل الفيروسات وكيفية إيقافها. إن القدرة على التنبؤ بهذه الهياكل على نطاق واسع تعني أن العلماء يمكنهم الآن استكشاف الإمكانات الوظيفية لآلاف التسلسلات الفيروسية التي كان من الصعب دراستها سابقًا، مما يفتح الباب أمام اكتشافات جديدة في علم الفيروسات والطب.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.