RegimeFormer: A Large Protein Model of Global Perturbation Regimes
يُعد RegimeFormer نموذجاً بروتينياً واسع النطاق، يعمل من خلال قاعدة بيانات RegimeAtlas المرتبطة به والتي تضم أكثر من 200 مليون تسلسل، على تأسيس أنظمة اضطراب عالمية للتنبؤ بتأثيرات الطفرات على مستوى البقايا وتحسين النمذجة البيولوجية اللاحقة، لا سيما بالنسبة للبروتينات والعائلات غير المرئية.
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
البروتينات هي محركات الحياة، وهي آلات جزيئية دقيقة تبني الخلايا، وتحارب العدوى، وتجري التفاعلات الكيميائية التي تبقينا على قيد الحياة. تتكون هذه البروتينات من سلاسل طويلة من وحدات البناء التي تسمى الأحماض الأمينية، ويحدد الترتيب المحدد لهذه الوحدات كيفية طي البروتين وما يقوم به من وظيفة. لعقود من الزمن، عرف العلماء أن تغيير وحدة بناء واحدة فقط في هذا السلسلة يمكن أن يؤدي إلى عواقب دراماتيكية؛ فأحياناً يكون التغيير غير ضار، وفي أحيان أخرى يؤدي إلى تعطل الآلة تماماً، مما يسبب الأمراض. وفي السنوات الأخيرة، طور الباحثون أدوات حاسوبية قوية للتنبؤ بهذه النتائج، لكن هذه الأدوات كانت محدودة في الغالب بدراسة بروتين واحد في كل مرة، حيث تجد صعوبة في مواجهة المحيط الشاسع وغير المستكشف من البروتينات الموجودة في الطبيعة، والعديد منها لم يُرَ قط في المختبر.
قام فريق من الباحثين الآن ببناء نوع جديد من الخرائط يغطي هذا المحيط بأكرا. لقد أنشأوا نظاماً يعامل سلوك البروتينات ليس كمجموعة من الألغاز المنعزلة، بل كمشهد موحد ذي مناطق متميزة. ومن خلال تحليل أكثر من 200 مليون تسلسل بروتيني من كل فرع من فروع شجرة الحياة، اكتشفوا أن البروتينات تقع ضمن "أنظمة" مختلفة، أو حالات، تصف كيفية تفاعلها مع التغيير. فبعض البروتينات هشة، مما يعني أن أي تعديل بسيط يمكن أن يكسرها، بينما البعض الآخر مرن، وقادر على استيعاب التغييرات وحتى تحسين وظائفه. وقد بنى الباحثون نموذجاً ضخماً يمكنه التنقل في هذا المشهد، والتنبؤ بكيفية تأثير تغيير معين على بروتين ما، حتى لو لم يتم دراسة ذلك البروتين من قبل. يوفر هذا العمل طريقة جديدة لفهم قواعد الحياة على المستوى الجزيئي، ويقدم دليلاً للعلماء الذين يرغبون في هندسة بروتينات أفضل أو فهم كيف تسبب الطفرات الجينية الأمراض.
بدأ الباحثون بجمع كمية هائلة من البيانات؛ حيث جمعوا 424 مليون سجل خام لتسلسلات البروتين من قواعد البيانات العامة، والتي تشمل كل شيء من الجينات البشرية إلى البكتيريا الموجودة في التربة والفيروسات. وبعد تنظيف هذه البيانات لإزالة الأخطاء والتكرارات، بقي لديهم 202 مليون بروتين متميز. ويمثل هذا التشكيل، الذي أطلقوا عليه اسم "RegimeAtlas"، خريطة شبه كاملة لكون البروتينات المعروف علمياً. وبدلاً من مجرد سرد هذه البروتينات، استخدم الفريق نموذجاً حاسوبياً متطوراً لتنظيمها؛ حيث قاموا بإسقاط هذه التسلسلات في مساحة مستمرة حيث تُجمع البروتينات ذات السلوكيات المتشابهة معاً. وقد خلق هذا نظام إحداثيات عالمي لكيفية استجابة البروتينات للطفرات، مما كشف أن مجموعة البروتينات بأكملها ليست عشوائية بل تتبع نمطاً هيكلياً.
ولجعل هذه الخريطة مفيدة لأسئلة محددة، ركز الفريق على مجموعة أصغر وأكثر تنوعاً مكونة من مليون بروتين لتدريب نموذجهم الرئيسي، الذي أطلقوا عليه اسم "RegimeFormer". تعلم هذا النموذج النظر إلى البروتين وتعيين موقع له على الخريطة بناءً على "نظامه". وبمجرد معرفة نظام البروتين، يمكن للنموذج التنبؤ بما سيحدث إذا تم استبدال حمض أميني بآخر. وهو يفعل ذلك عن طريق حساب ثلاثة أشياء رئيسية لكل بقعة في سلسلة البروتين: الهشاشة، والمرونة، وعدم اليقين. تقيس الهشاشة مدى احتمالية تعطل بقعة ما إذا تغيرت، وتقيس المرونة مدى احتمالية تحمل التغيير أو حتى كونه مفيداً، بينما يخبر عدم اليقين الباحث بمدى ثقة النموذج في تنبؤه.
اختبر الفريق هذا النظام مقابل تجارب واقعية حيث قام العلماء بالفعل بقياس آثار آلاف الطفرات. ووجدوا أن تنبؤات النموذج تطابقت مع النتائج التجريبية بدقة عالية. والأهم من ذلك، أن النموذج تفوق في الحالات التي تفشل فيها الأدوات الأخرى عادةً: مثل النظر في بروتينات تختلف تماماً عن أي شيء رآه من قبل، أو عند التعامل مع عائلات من البروتينات نادرة في بيانات التدريب. يشير هذا إلى أن النموذج قد تعلم قاعدة أساسية حول كيفية عمل البروتينات، بدلاً من مجرد حفظ أمثلة محددة. كما تحقق الباحثون مما إذا كانت تنبؤاتهم منطقية بيولوجياً؛ حيث وجدوا أن البقع التي وصفها النموذج بأنها "هشة" كانت هي بالضبط البقع التي تؤدي فيها البروتينات وظائفها الأكثر أهمية، مثل الارتباط بالجزيئات الأخرى أو تحفيز التفاعلات الكيميائية. وعلى العكس من ذلك، وُجدت البقع "المرنة" غالباً في المناطق التي يمكن للبروتين تغيير شكله دون أن ينكسر.
ولإثبات أن هذه الخريطة لم تكن مجرد خدعة رياضية، قارن الباحثون نتائجهم ببيانات مستقلة من مجالات أخرى. فقد نظروا في الهياكل ثلاثية الأبعاد للبروتينات التي تنبأت بها أنظمة الذكاء الاصطناعي الأخرى، ووجدوا أن البروتينات التي صنفها النموذج على أنها هشة كانت تميل إلى امتلاك هياكل أقل استقراراً، بينما كانت تلك المصنفة كمرنة أكثر استقراراً. كما فحصوا التاريخ التطوري، ونظروا في كيفية تغير البروتينات على مدى ملايين السنين. واكتشفوا أن البقع التي حددها النموذج على أنها هشة هي نفسها البقع التي ظلت دون تغيير لدهور، مما يشير إلى أن الطبيعة كانت تختار ضد التغييرات في تلك المناطق لفترة طويلة جداً. أكد هذا التوافق مع الأدلة الهيكلية والتطورية أن النموذج قد كشف عن حقيقة بيولوجية حقيقية.
تكمكم قوة هذا النظام في قدرته على التوسع؛ فبينما تم تدريب النموذج على مليون بروتين، تم تطبيقه على ما يقرب من 400 مليون بقعة فردية عبر الأطلس بأكمله. وقد خلق هذا مكتبة ضخمة من التنبؤات التي يمكن للعلماء الاستعلام عنها. وبدلاً من انتظار التجارب المختبرية المكلفة والمستهلكة للوقت لاختبار كل طفرة ممكنة، يمكن للباحثين الآن استخدام هذه الخريطة لتحديد أولويات التغييرات التي تستحق الاختبار. وأظهر الفريق أن استخدام هذه الخريطة لاختيار الطفرات للاختبار كان أكثر كفاءة بشكل ملحوظ من استخدام الطرق القديمة، مما سمح للعلماء بإيجاد التغييرات المفيدة بعدد أقل بكثير من التجارب.
بعيداً عن مجرد التنبؤ بسلوك البروتين، ربط الباحثون خريطة البروتين هذه بكيفية استجابة الخلايا. لقد ربطوا تنبؤات البروتين ببيانات حول كيفية تغير النشاط الجيني للخلايا عند تعرضها للأدوية أو الضغوط الأخرى. ووجدوا أن الرؤى على مستوى البروتين ساعدت في تفسير سبب استجابة خلايا معينة للأدوية بطرق محددة. هذا الجسر من المستوى الجزيئي إلى المستوى الخلوي يشير إلى أن فهم "نظام" البروتين يمكن أن يساعد في التنبؤ بكيفية سلوك خلية أو كائن حي بأكمله. كما بنى الفريق أداة عامة، تسمى "RegimeAtlas Explorer"، تتيح لأي شخص البحث في هذه القاعدة الضخمة، وتصور التنبؤات، ورؤية الأدلة الكامنة وراءها.
يمثل هذا العمل تحولاً في كيفية رؤية العلماء لعالم البروتينات. فبدلاً من رؤية البروتينات ككيانات معزولة يجب دراستها واحداً تلو الآخر، أظهر الباحثون أنها توجد ضمن نظام عالمي من السلوكيات. ومن خلال رسم خريطة لهذا النظام، نجحوا في إنشاء أداة يمكنها توجيه مستقبل البيولوجيا، من تصميم أدوية جديدة إلى فهم الأساس الجيني للمرض. فالنموذج لا يتنبأ فقط بما سيحدث، بل يكشف عن المنطق الكامن وراء سبب سلوك البروتينات بهذه الطريقة، مما يقدم عدسة جديدة يمكن من خلالها رؤية آليات الحياة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.