← أحدث الأبحاث
📄 evolutionary biology

Forecasting viral evolution from phylogenetic trees

تقدم الورقة البحثية antiGen، وهو نموذج للتعلم الآلي يستفيد من الأشجار التطورية للتنبؤ بدقة بالطفرات الفيروسية المستقبلية عبر مسببات أمراض متعددة، بما في ذلك سارس-كوف-2 والإنفلونزا وحمى الضنك، مما يعزز التأهب للجوائح وتطوير العلاجات.

المؤلفون الأصليون: Specht, I., Park, S., Chithrananda, S., Driscoll, C. L., Brixi, G., Palacios, J. A., Hie, B. L.

نُشر 2026-09-05
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Specht, I., Park, S., Chithrananda, S., Driscoll, C. L., Brixi, G., Palacios, J. A., Hie, B. L.

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

تعد الفيروسات كائنات متغيرة باستمرار ولا تكل. فبينما تتكاثر داخل المضيف، ترتكب أخطاء نسخ صغيرة في شفرتها الوراثية، مما يؤدي إلى إنشاء نسخ جديدة من نفسها. معظم هذه التغييرات لا تفعل شيئاً، ولكن في بعض الأحيان، تمنح طفرة ما الفيروس ميزة جديدة، مثل القدرة على الانتشار بشكل أسرع أو مراوغة الجهاز المناعي. هذا التطور المستمر هو السبب في أن لقاح الإنفلونزا من العام الماضي قد لا يحميك هذا العام، ولماذا يمكن أن تظهر متغيرات جديدة لأمراض مثل كوفيد-19 بشكل غير متوقع. وللبقاء في طليعة هذه التهديدات، يحتاج العلماء إلى التنبؤ بالتغيرات التي من المرجح أن تحدث لاحقاً. تقليدياً، حاول الباحثون تخمين هذه الطفرات المستقبلية من خلال دراسة كيفية سلوك البروتينات في المختبر أو باستخدام نماذج حاسوبية تبحث في مكتبات ضخمة من التسلسلات الجينية الموجودة. ومع ذلك، غالباً ما تواجه هذه الأساليب صعوبة في رؤية الصورة الكاملة لكيفية تحرك الفيروس فعلياً عبر الزمن والمجتمعات.

لقد طور فريق من الباحثين في جامعة ستانفورد ومعهد آرك (Arc Institute) نهجاً جديداً ينظر إلى التاريخ العائلي للفيروس للتنبؤ بمستقبله. لقد أنشأوا نموذجاً للتعلم الآلي يسمى antiGen، وهو يتعلم من المسار التطوري للفيروس بدلاً من مجرد شفرته الوراثية الحالية. وبدلاً من مجرد حفظ التسلسلات، يدرس النموذج الخطوات المحددة التي اتخذها الفيروس للانتقال من نسخة إلى أخرى، تماماً مثل المؤرخ الذي يدرس الأحداث المحددة التي أدت إلى تحول تاريخي كبير. ومن خلال تحليل "شجرة العائلة" للفيروس —وهي رسم بياني يوضح كيف ترتبط السلالات المختلفة ومتى تباعدت— يتعلم النموذج القواعد التي تحكم الطفرات التي من المرجح أن تظهر لاحقاً. يسمح هذا الأسلوب للنظام بتوقع التغييرات التي لم يسبق لها مثيل، مما يوفر أداة قوية لإعداد اللقاحات والعلاجات قبل انتشار متغير جديد حتى.

اختبر الباحثون هذا النظام أولاً على فيروس SARS-CoV-2، المسبب لجائحة كوفيد-19. فقد غذوا النموذج بملايين التسلسلات الجينية التي جُمعت خلال العام الأول من الجائحة، وطلبوا منه التنبؤ بالطفرات التي ستظهر في السنوات التالية. تفوق النموذج على أي طريقة موجودة في التنبؤ بالتغيرات التالية المحتملة لبروتين "سبايك" الخاص به، وهو الجزء الذي يسمح للفيروس بدخول الخلايا البشرية. والأهم من ذلك، نجح النموذج في التنبؤ بطفرات لم تكن مرصودة من قبل في بيانات التدريب، مما يشير إلى أنه تعلم المبادئ الأساسية للتطور الفيروسي بدلاً من مجرد حفظ الأحداث الماضية. وللتأكد من أن هذه التنبؤات حقيقية بيولوجياً، قام الفريق بإنشاء متغيرات الفيروس المتوقعة في المختبر. ووجدوا أن معظم الطفرات التي أنشأها الحاسوب أنتجت فيروسات لا تزال قادرة على إصابة الخلايا، مما يثبت أن النموذج يقترح تغييرات حيوية ووظيفية وليس مجرد أخطاء عشوائية.

ولم يقتصر نجاح antiGen على فيروس كورونا فحسب؛ فقد طبق الفريق النموذج نفسه على ثلاثة فيروسات أخرى شائعة: الإنفلونزا الموسمية، والفيروس المخلوي التنفسي (RSV)، وفيروس حمى الضنك. وعلى الرغم من توفر بيانات جينية أقل بكثير لهذه الفيروسات مقارنة بفيروس SARS-CoV-2، إلا أن النموذج لا يزال يتفوق على الأساليب التقليدية في التنبؤ بطفراتها المستقبلية. وهذا يشير إلى أن هذا النهج يعمل عبر مجموعة واسعة من الفيروسات، بغض النظر عن حجم بيانات المراقبة المتاحة. واكتشف الباحثون أيضاً أن دقة النموذج تتحسن مع جمع المزيد من البيانات، مما يعني أنه يصبح أداة أكثر قوة كلما استمررنا في تتبع التطور الفيروسي. وفي بعض الحالات، أدى الجمع بين تنبؤات النموذج والأساليب الإحصائية الموجودة إلى إنشاء نظام توقع أكثر قوة، قادر على التعامل مع السيناريوهات الغنية بالبيانات والفقيرة بها على حد سواء.

وبينما يتميز النموذج بدقة عالية في التنبؤ بالطفرات التي من المرجح حدوثها، يؤكد الباحثون أنه لا ينشئ مسببات أمراض خطيرة جديدة. فالتغييرات التي يتنبأ بها هي طفرات صغيرة أحادية الخطوة تندرج بالفعل ضمن عملية التطور الطبيعي. تهدف هذه التنبؤات إلى مساعدة مسؤولي الصحة العامة ومطوري اللقاحات على البقاء في خطوة استباقية. فمن خلال معرفة الطفرات التي من المرجح أن تظهر، يمكن للعلماء تصميم لقاحات تستهدف ليس فقط الفيروس المنتشر اليوم، بل النسخ التي من المرجح أن تسود غداً. هذا النهج الاستباقي يمكن أن يغير طريقة إدارتنا للأمراض المعدية، محولاً التركيز من الاستجابة للفاشيات إلى منعها قبل أن تترسخ. وتثبت هذه الدراسة أنه من خلال الاستماع إلى التاريخ المكتوب في الشفرة الوراثية للفيروس، يمكننا البدء في قراءة مستقبله.

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 📄 evolutionary biology →