← أحدث الأبحاث
💻 bioinformatics

Sparse Autoencoders Reveal Structural and Family-level Features in BiRNA-BERT

تقدم هذه الورقة SPIRAL، وهو إطار عمل للمشفّر التلقائي المتناثر الذي ينجح في فك تشفير الحالات الخفية لنموذج لغة RNA المسمى BiRNA-BERT إلى سمات قابلة للتفسير ومحاذية للنيوكليوتيدات تمثل البنية الثانوية وأنواع عائلات الـ RNA، مما يعزز أداء التنبؤ في المهام اللاحقة رغم تحديات ترميز زوج البايت (byte-pair tokenization).

المؤلفون الأصليون: Hossain, M. S., Sojib, M. R., Tahmid, M. T., Rahman, M. S.

نُشر 2026-08-20
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Hossain, M. S., Sojib, M. R., Tahmid, M. T., Rahman, M. S.

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

داخل كل خلية حية، تعمل جزيئات الحمض النووي الريبوزي (RNA) كعمال متعددين المهام، حيث تحمل التعليمات، وتنظم الجينات، بل وتقوم بالتفاعلات الكيميائية أيضًا. لعقود من الزمن، فهم العلماء هذه الجزيئات من خلال قراءة تسلسلها الأولي — الترتيب المحدد لبلوكات بنائها الكيميائي — ومن خلال رسم خرائط لأشكالها المطوية، المعروفة بالهياكل الثانوية. وفي السنوات الأخيرة، بدأ الذكاء الاصطعي في قراءة هذه التسلسلات بسرعة مذهلة، حيث تعلم التنبؤ بكيفية سلوك جزيء الـ RNA بناءً على الأنماط التي يجدها في قواعد البيانات الضخمة. ومع ذلك، غالبًا ما تعمل نماذج الذكاء الاصطنا هذه كـ "صناديق سوداء"؛ فهي تقدم إجابات صحيحة، لكن المنطق الداخلي الذي تستخدمه للوصول إلى تلك الإجابات يظل خفيًا، عبارة عن تشابك كثيف من الأرقام التي لا يمكن لأي بشري تفسيرها بسهولة. إن فهم ما تعلمته هذه النماذج بالفعل أمر بالغ الأهمية؛ فبدون ذلك، لا يمكن للعلماء الوثوق بتنبؤات النماذج في مواقف جديدة أو فهم السبب الذي قد يجعل النموذج يرتكب خطأً غريبًا.

لقد نجح فريق من الباحثين الآن في كشف الستار عن أحد نماذج الذكاء الاصطنا هذه، ليكشف أن النموذج قد تعلم التعرف على أشكال بيولوجية ومجموعات عائلية محددة بطريقة تحاكي الفهم البشري. وباستخدام تقنية تسمى "المشفّر التلقائي المتناثر" (sparse autoencoder)، قاموا بتفكيك التمثيلات المعقدة والخفية داخل الذكاء الاصطناي وتحويلها إلى سمات بسيطة ومتميزة. تخيل الحالة الداخلية للذكاء الاصطناي كغرفة مزدحمة حيث يتحدث الجميع في وقت واحد، مما يجعل من المستحيل سماع أي محادثة منفردة. لقد بنى الباحثون أداة تعمل مثل مرشح صوتي، تعزل الأصوات الفردية حتى يمكن سماع كل صوت بوضوح. وفي هذه الحالة، تبين أن "الأصوات" كانت مفاهيم بيولوجية محددة، مثل وجود حلقة شعرية (hairpin loop) في بنية الـ RNA أو هوية عائلة معينة من الـ RNA.

ركزت الدراسة على نموذج يسمى BiRNA-BERT، والذي صُمم لفهم تسلسلات الـ RNA. ولأن النموذج يعالج النصوص في كتل يمكن أن تحتوي على وحدات كيميائية متعددة في آن واحد، اضطر الباحثون إلى تطوير طريقة جديدة لمواءمة الإشارات الداخلية للنموذج مع البنية الفيزيائية الفعلية للـ RNA. قاموا بتدريب أداة الترشيح الخاصة بهم على ثلاثة طبقات مختلفة من "دماغ" الذكاء الاصطناي: البداية، والمنتصف، والنهاية. ووجدوا أن الأداة تعمل بدقة مذهلة، حيث أعادت بناء أفكار النموذج الأصلية بدقة شديدة لدرجة أن أداء الذكاء الاصطناي في المهام القياسية ظل دون تغيير فعلي. وقد أكد هذا أن الرؤية المبسطة والجديدة للبيانات لم تكن تشويهًا، بل كانت ترجمة أمينة للعمليات الداخلية للنموذج.

وعندما فحص الباحثون هذه السمات المعزولة، اكتشفوا نمطًا واضحًا من التخصص. ففي الطبقة الوسطى من النموذج، أصبحت السمات انتقائية للغاية؛ حيث كانت بعض السمات تضيء حصريًا عندما يواجه الذكاء الاصطناي نوعًا معينًا من الحلقات الهيكلية، بينما استجابت أخرى فقط لنوع مختلف من الطيات. واختبر الباحثون هذه السمات مقابل قاعدة بيانات لهياكل الـ RNA المعروفة، ووجدوا أن ما يقرب من نصف السمات التي اختبروها كانت مرتبطة بشكل كبير بفئات هيكلية محددة. على سبيل المثال، ارتبطت سمات معينة بقوة بـ "الانتفاخات" (bulges) أو "الحلقات المتعددة" (multi-loops)، وهي أشكال أكثر ندرة وتعقيدًا. يشير هذا إلى أن منتصف النموذج هو المكان الذي يتعلم فيه الذكاء الاصطناي التمييز بين التفاصيل الدقيقة لبنية الـ RNA، متجاوزًا الفهم العام إلى التعرف الدقيق على الشكل.

ولم يتوقف التحقيق عند الأشكال الفيزيائية فحسب؛ بل بحث الفريق أيضًا فيما إذا كان بإمكان هذه السمات تحديد أنواع مختلفة من عائلات الـ RNA، مثل الـ RNA الناقل (transfer RNA) أو الـ RNA الريبوسومي (ribosomal RNA). قاموا بإنشاء ملف تعريف ملخص لكل تسلسل RNA عن طريق حساب متوسط نشاط جميع سماته. وعندما استخدموا هذه الملفات التعريفية لتجميع جزيئات الـ RNA المتشابهة معًا، كانت النتائج مذهلة. فقد كانت الملفات التعريفية المتناثرة والمبسطة أفضل في تصنيف أنواع الـ RNA من البيانات الأصلية الكثيفة المستخرجة من النموذج. وفي اختبار كان على النظام فيه تخمين عائلة الـ RNA المجهول بناءً على جيرانه، حسنت الطريقة الجديدة الدقة من حوالي 33 بالمائة إلى ما يقرب من 3-36 بالمائة. ورغم أن هذه قد تبدو قفزة صغيرة، إلا أنها تمثل في عالم تعلم الآلة مكسبًا كبيرًا في الوضوح، مما يثبت أن السمات المتناثرة تلتقط الإشارات البيولوجية الأساسية بشكل أكثر فعالية من البيانات الخام.

ومن الأهمية بمكان أن الباحثين كانوا حذرين لضمان أن هذه النتائج لم تكن مجرد انعكاس لطول تسلسلات الـ RNA. نظرًا لأن بعض عائلات الـ RNA تكون بطبيعتها أطول من غيرها، يمكن للنموذج نظريًا أن يعتمد على قياس الطول بدلًا من فهم الجزيء. قام الفريق بإزالة تأثير طول التسلسل صراحةً من تحليلهم، ووجدوا أن السمات ظلت ثابتة. إن القدرة على التمييز بين العائلات ظلت قائمة، مما أكد أن الذكاء الاصطناي قد تعلم أنماطًا بيولوجية حقيقية وليس مجرد حيل إحصائية سطحية. وتخلص الدراسة إلى أن هذه المشفرات التلقائية المتناثرة توفر عدسة جديدة قوية للنظر داخل نماذج الذكاء الاصطناي البيولوجية، محولةً العمليات الرياضية الغامضة إلى خريطة من المفاهيم البيولوجية القابلة للتعرف. ويسمح هذا النهج للعلماء برؤية ما تعلمه النموذج بالضبط، مما يفتح مسارًا نحو أدوات أكثر موثوقية وقابلية للتفسير لفهم لغة الحياة المعقدة.

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 →