BOTANIC-1: a series of long-context plant genomic foundation models in the agentic era
تقدم هذه الورقة البحثية Botanic1، وهي عائلة من النماذج اللغوية الجينية طويلة السياق والمدمجة مع الوكلاء، والتي تم تدريبها على بيانات نباتية غير مشروحة وتتفوق على النماذج الحالية في التنبؤ بالمناطق المرتبطة بالسمات وتقديم رؤى بيولوجية من خلال التفسير الآلي، وكل ذلك مع إتاحتها للمجتمع البحثي لتسريع تطوير المحاصيل المقاومة للتغير المناخي.
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 عالماً كُتبت فيه شفرة الحياة بلغة تتكون من أربعة أحرف: A وC وG وT. تشكل هذه الأحرف تسلسلات الحمض النووي (DNA) التي تحدد كيفية نمو النبات، وكيفية مقاومته للجفاف، وكيفية محاربته للأمراض. لعقود من الزمن، حاول العلماء قراءة هذه اللغة، لكنها نص ضخم ومعقد يحتوي على مليارات الكلمات، وجزء كبير منها مكتوب بلهجة تتغير من نوع إلى آخر. عندما يواجه النبات مناخاً قاسياً أو آفة جديدة، فإن الحل غالباً ما يكمن في تغيير طفيف في هذه الشفرة — تبديل حرف واحد قد يجعل المحصول أقوى. إن العثور على هذا التغيير المحدد يشبه البحث عن إبرة في كومة قش، لكن كومة القش هنا بحجم مكتبة، والإبرة غير مرئية للعين المجردة. تعتمد الطرق التقليدية على مقارنة العديد من النباتات لإيجاد الأنماط، لكن هذه العملية بطيئة ومكلفة، وغالباً ما تترك الباحثين مع آلاف الاحتمالات بدلاً من إجابة واحدة واضحة.
قام فريق من الباحثين في باريس الآن بتقديم طريقة جديدة لقراءة هذا النص البيولوجي. لقد بنوا عائلة من نماذج الذكاء الاصطناعي، أطلقوا عليها اسم "Botanic1"، صُممت خصيصاً لفهم قواعد لغة الحمض النووي للنباتات. وبخلاف الأدوات السابقة التي كان يجب تعليم قواعد البيولوجيا لها من قبل البشر، تعلمت هذه النماذج اللغة من تلقاء نفسها. فقد تم تغذيتها بالتسلسلات الجينية لـ 320 نوعاً مختلفاً من النباتات، تتراوح من الطحالب الصغيرة إلى الأشجار الشاهقة، وطُلب منها التنبؤ بالأحرف المفقودة في التسلسل. ومن خلال القيام بذلك ملايين المرات، تعلمت النماذج القواعد الخفية لكيفية هيكلة الحمض النووي، وكيفية تشغيل الجينات وإيقافها، وكيف تؤثر التغييرات الصغيرة في الشفرة على النبات. والنتيجة هي نظام يمكنه النظر إلى امتداد طويل من الحمض النووي واستشعار الأجزاء الحيوية لبقاء النبات فوراً، ومعرفة أي التغييرات قد تكون ضارة أو مفيدة.
لم يكتف الباحثون ببناء نموذج واحد؛ بل أنشأوا "مصنعاً" يستخدم وكلاء برمجيات ذكية لإدارة العملية بأكملية من التدريب والاختبار. يتولى هؤلاء الوكلاء المهام الشاقة، من تنظيم البيانات، وإجراء التجارب، وإصلاح الأخطاء، مما يسمح للعلماء البشر بالتركيز على الأفكار الكبرى. سمح هذا النهج بتدريب نماذج يمكنها قراءة تسلسلات حمض نووي يصل طولها إلى 128,000 حرف، وهو طول يستوعب التفاعلات بعيدة المدى بين أجزاء مختلفة من الجينوم والتي كان من المستحيل سابقاً تحليلها معاً. وفي الاختبارات، تفوقت هذه النماذج على كل الأدوات الموجودة الأخرى لفهم علم وراثة النبات، بما في ذلك الأدوات الأكبر حجماً والتي تدربت على بيانات أكثر بكثير. لقد تمكنت من تحديد الأجزاء الأكثر أهمية في الحمض النووي، مثل الحدود التي يبدأ وينتهي عندها الجين، وحتى رصد الإشارات المحددة التي تخبر الخلية بكيفية قص ولصق تعليماتها الجينية.
إن ما يجعل هذا الاكتشاف قوياً بشكل خاص هو أن النماذج تعلمت هذه القواعد دون أن تُخبر بها. فعندما نظر الباحثون داخل النماذج لمعرفة ما تعلمته، وجدوا أن الذكاء الاصطناعي اكتشف بشكل مستقل مفاهيم بيولوجية مثل "مواقع الربط" (splice sites)، وهي التعليمات الخاصة بكيفية تحرير الجين قبل أن يصبح بروتيناً. وفي مثال صارخ، حدد النموذج موقعاً معيناً في جين كان قد تم تصنيفه بشكل غير صحيح في قواعد البيانات العلمية القياسية لأكثر من عشرين عاماً. أشار المنطق الداخلي للنموذج إلى مكان مختلف، وعندما تحقق الباحثون من تاريخ ذلك الجين، وجدوا أن الوصف الأصلي لعام 1999 كان صحيحاً بالفعل، وأن النموذج قد أعاد اكتشاف الحقيقة التي فُقدت في التحديثات اللاحقة. وهذا يشير إلى أن هذه النماذج يمكن أن تعمل كنوع جديد من المجهر، يكشف الحقائق البيولوجية المخفية في البيانات والتي غابت عن التوصيف البشري.
كما أظهر الفريق كيف يمكن لهذه النماذج أن تعمل جنباً إلى جنب مع الباحثين البشر بطريقة جديدة. فقد وضعوا سيناريو حيث طُلب من وكيل ذكاء اصطناعي عام الأغراض البحث عن سبب سمة معينة في الشمام: لماذا تنتج بعض النباتات أزهاراً أنثوية بينما تنتج أخرى أزهاراً ذكرية وأنثوية معاً. أُعطي الوكيل قائمة تضم آلاف الاختلافات الجينية وطُلب منه إيجاد التغيير المسؤول عن ذلك. وعندما حاول الوكيل حل هذه المشكلة باستخدام الأدوات القياسية فقط، استطاع تضييق القائمة ولكنه لم يستطع اختيار الإجابة الصحيحة. ومع ذلك، عندما منح الباحثون الوكيل إمكانية الوصول إلى نموذج "Botanic1" كأداة، قام الوكيل فوراً بترتيب التغيير الجيني الصحيح كمرشح أول. قدم النموذج مقياساً مستمراً لمدى غرابة التغيير الجيني، مما ساعد الوكيل على التمييز بين السبب الحقيقي والضجيج.
يمثل هذا العمل خطوة كبيرة للأمام في كيفية دراستنا للنباتات. فمن خلال تعليم الآلات قراءة لغة الحمض النووي، خلق الباحثون أدوات يمكنها تسريع البحث عن محاصيل يمكنها الصمود في وجه تغير المناخ. هذه النماذج ليست أسرع فحسب، بل هي أكثر دقة ويمكنها رؤية أنماط كانت غير مرئية سابقاً. إنها توفر وسيلة للانتقال من التخمين حول الجينات التي قد تكون مهمة إلى المعرفة بيقين عالٍ حول أي منها هو المهم حقاً. ومع إطلاق الباحثين لهذه الأدوات للمجتمع العلمي، فإنهم يفتحون الباب لعصر جديد في علم أحياء النبات، حيث يمكن فهم وتحسين الشفرة المعقدة للحياة بسرعة ودقة لم يكن من الممكن الوصول إليهاما سابقاً. النماذج متاحة الآن للعلماء الآخرين لاستخدامها، مما يعد بالمساعدة في استنباط محاصيل أفضل وفهم الآليات الأساسية للحياة في المملكة النباتية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.