← أحدث الأبحاث
📄 البيولوجيا التركيبية

Generative Neuromorphic Programming of Mammalian Cells

تقدم هذه الورقة إطار عمل برمجي عصبي توليدي يجمع بين الإنزيمات القاطعة للرنا المستهدفة للرنا (RNA-targeting endoribonucleases) لبناء الدوائر التناظرية، والشبكات العصبية المحاكية للحيوية للتنبؤ الدقيق، و"مترجم حيوي" (biocompleiler) للتصميم الآلي، مما يتيح الهندسة الناجحة في تمريرة واحدة لسلوكيات تناظرية معقدة وغير مرئية سابقاً في الخلايا الثديية.

المؤلفون الأصليون: Disset, J., Van De Mark, C., Wachter, G. K. A., Kuo, S.-H., Moorman, A., Xu, W., Palanques Tost, E., Buritica Monroy, A., Belta, C., Weiss, R.

نُشر 2026-09-22
📖 7 دقيقة قراءة🧠 قراءة متعمّقة

المؤلفون الأصليون: Disset, J., Van De Mark, C., Wachter, G. K. A., Kuo, S.-H., Moorman, A., Xu, W., Palanques Tost, E., Buritica Monroy, A., Belta, C., Weiss, R.

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

الخلايا ليست مجرد مفاتيح بسيطة للتشغيل والإيقاف؛ بل هي معالجات متطورة تزن باستمرار إشارات متعددة لاتخاذ القرارات. في العالم الطبيعي، قد تستشعر الخلية مستويات عدة بروتينات مختلفة تطفو في مكان قريب، وبناءً على المزيج الدقيق وقوة تلك الإشارات، تقرر ما إذا كانت ستنقسم، أو تصلح الضرر، أو تموت. يحدث اتخاذ القرار هذا من خلال شبكة كثيفة من الاتصالات الداخلية التي تنتج استجابات متدرجة وسلسة بدلاً من الإجابات الثنائية (نعم أو لا). لعقود من الزمن، عانى العلماء الذين حاولوا برمجة الخلايا لمهام جديدة لأن أدواتهم بُنيت على المنطق الرقمي، حيث تعامل الأجزاء البيولوجية كبتات حاسوبية تكون إما في حالة تشغيل كامل أو إيقاف كامل. هذا التباين جعل من الصعب للغاية تصميم دوائر يمكنها التعامل مع الطبيعة التناظرية (analog) الدقيقة للأنظمة الحية، مما تطلب غالباً سنوات من التجربة والخطأ لتحقيق حتى السلوكيات البسيطة.

لقد نجح فريق من الباحثين في معهد ماساتشوستس للتكنولوجيا ومؤسسات أخرى الآن في جسر هذه الفجوة عبر تعليم الخلايا الحوسبة بالطريقة التي تعمل بها طبيعياً. فقد طوروا نظاماً يعامل الآلية الداخلية للخلية كحاسوب تناظري مرن، قادر على إجراء حسابات معقدة على مدخلات متعددة في وقت واحد. وبدلاً من إجبار الخلايا على اتباع قواعد رقمية جامدة، بنى الباحثون محرك برمجيات يصمم دوائر جينية لإنتاج أنماط سلوك سلسة ومحددة. وقد أثبتوا ذلك من خلال إنشاء ثلاث دوائر جينية جديدة تماماً من الصرا، صُممت كل منها للتعرف على مزيج فريد من إشارتين مدخلتين والاستجابة بمخرج دقيق. ومن المثير للاهتمام أن كل دائرة عملت تماماً كما توقع البرنامج من المحاولة الأولى، دون أي حاجة للتعديل اليدوي أو الضبط.

يكمن جوهر هذا الإنجاز في طريقة جديدة للتفكير في كيفية تفاعل الجينات. فقد حدد الباحثون خمس وحدات بناء أساسية تحاكي عمليات الشبكة العصبية الاصطناعية، ولكن هذه الوحدات مصنوعة من جزيئات بيولوجية حقيقية. فهم يستخدمون إنزيمات محددة يمكنها قطع الحمض النووي الريبوزي (RNA) لتعمل كمدخلات سالبة، مما يؤدي فعلياً إلى طرح الإشارات، بينما تقوم آليات أخرى بجمع الإشارات معاً. كما وجدوا طرقاً لتعديل قوة هذه الاتصالات، تماماً مثل تدوير مقبض التحكم في مستوى الصوت، عن طريق تغيير التسلسلات الجينية التي تتحكم في كمية البروتين المصنوع. ومن خلال ربط هذه الوحدات معاً، أنشأوا نظاماً يمكن فيه لجزء من الدائرة أن يغذي مخرجه في الجزء التالي، مما يسمح بمعالجة متعددة الطبقات. يتيح هذا النهج للخلية حساب وظائف معقدة، مثل اكتشاف نطاق محدد من مستويات الإشارة وتجاهل كل ما عداه، وهو سلو_ك يُعرف باسم "مرشح تمرير النطاق" (band-pass filter).

ولجعل هذا النظام عملياً، أنشأ الفريق حزمة برمجيات أطلقوا عليها اسم "المجمع الحيوي" (biocompiler). يعمل هذا البرنامج كمترجم بين السلوك المطلوب والتعليمات للحمض النووي (DNA) اللازمة لبنائه. يعتمد البرنامج على نموذج يسمى "الشبكة العصبية البيومورفية" (biomorphic neural network)، والذي يتعلم كيفية عمل العمليات البيولوجية من خلال دراسة مجموعة كبيرة من التجارب القائمة. وبدلاً من تخمين الصيغ الرياضية التي تحكم تفاعل الجينات، يتعلم البرنامج السلوك الفعلي لهذه العمليات من البيانات الحقيقية. إنه يعامل كل جزء جيني، مثل المحفز (promoter) أو إنزيم معين، كعنصر مرن له "بصمة" فريدة يمكن للنظام تعديلها. وعندما يريد عالم أن تؤدي الخلية مهمة جديدة، فإنه يصف ببساطة نمط المخرج المطلوب، ويبحث البرنامج عبر ملايين التوليفات الممكنة من الأجزاء والاتصالات للعثور على التوليفة التي ستنتج تلك النتيجة.

اختبر الباحثون هذا النظام عبر الطلب منه تصميم ثلاثة أنماط سلوكية لم يسبق رؤيتها في بيانات التدريب الخاصة به. اقترح البرنامج ثلاث بنيات معمارية دائرية جديدة تماماً، لم تكن موجودة في مكتبة الأجزاء التي درسها. ثم قام الفريق ببناء هذه الدوائر في المختبر، عبر إدخال تعليمات الحمض النووي في خلايا بشرية. وفي كل حالة، أنتجت الخلايا النمط ذاته الذي توقعه البرنامج تماماً. كان التطابق بين التصميم والواقع وثيقاً لدرجة أن الفرق لم يكن أكبر من التباين الطبيعي المشاهد عند تكرار التجربة نفسها عدة مرات. يثبت هذا النجاح أن البرنامج لا يمكنه فقط التنبؤ بكيفية عمل الدائرة، بل يمكنه أيضاً ابتكار دوائر جديدة تعمل فوراً، متجاوزاً دورات التجربة والخطأ الطويلة التي أبطأت علم الأحياء التركيبي تقليدياً.

يمثل هذا العمل تحولاً كبيراً في كيفية مقاربة العلماء للهندسة الحيوية. سابقاً، كان تصميم خلية لأداء مهمة معقدة يشبه محاولة بناء ساعة عبر التخمين حول أي التروس ستتناسب مع بعضها البعض، مما يتطلب غال_مرات عديدة من المحاولات الفاشلة لضبط التوقيت بشكل صحيح. أما الطريقة الجديدة فهي تشبه استخدام مخطط هندسي يتم إنتاجه بواسطة نظام يفهم بالفعل فيزياء التروس. ومن خلال التعلم من مجموعة واسعة من التجارب السابقة، بنى البرنامج فهماً عميقاً لكيفية تفاعل الأجزاء الجينية، مما سمح له بالتعميم في مواقف جديدة لم يسبق له رؤيتها. والنظام قوي بما يكفي للعمل عبر أنواع مختلفة من الخلايا البشرية، مما يشير إلى أن القواعد التي تعلمها هي قواعد أساسية لكيفية عمل هذه الخلايا، وليست خاصة بنوع واحد فقط.

تتجاوز آثار هذا العمل مجرد صنع دوائر أفضل؛ فهي تؤسس إطاراً يمكن من خلاله أن يصبح الهندس الحيوي علماً تراكمياً، حيث تضيف كل تجربة جديدة إلى مكتبة معرفية مشتركة تجعل التصميمات المستقبلية أكثر دقة. ومع تعلم النظام من المزيد من البيانات، يصبح أفضل في التنبؤ بسلوك الشبكات الأكثر تعقيداً. لقد أظهر الباحثون أنه من الممكن برمجة الخلايا بنفس الدقة والموثوقية التي يستخدمها المهندسون لتصميم الأجهزة الإلكترونية، ولكن باستخدام اللغة التناظرية الأصلية للبيولوجيا. وهذا يفتح الباب أمام إنشاء خلايا يمكنها أداء مهام متطورة، مثل تحديد وتدمير الخلايا السرطانية بناءً على توقيع معقد من العلامات، أو توجيه نمو الأنسجة بأنماط مكانية دقيقة، وكل ذلك دون الحاجة إلى تدخل بشري مستمر لإصلاح ما قد يسوء.

يعتمد نجاح "المجمع الحيوي" على نوع محدد من التعلم يختلف عن التعلم الآلي التقليدي. فبدلاً من تدريب نموذج ضخم واحد للتعرف على الأنماط في الصور أو النصوص، يتعلم هذا النظام سلوك العمليات البيولوجية الفردية، مثل كيفية قيام إنزيم معين بقطع الحمض النووي الريبوزي أو كيف يحفز المحفز التعبير الجيني. ثم يتم إعادة دمج هذه السلوكات المتعلمة لتشكيل دوائر جديدة. وهذا يعني أن النظام لا يحفظ الدوائر التي رآها فحسب، بل يفهم القواعد الأساسية التي تحكمها. وعند مواجهة تحدٍ تصميمي جديد، يمكنه تجميع هذه القواعد المعروفة بطريقة مبتكرة لحل المشكلة. يسمح هذا النهج التركيبي للنظام بالتعامل مع مساحة تصميم شاسعة سيكون من المستحيل استكشافها من خلال التجارب وحدها، حيث ينمو عدد التوليفات الممكنة للأجزاء الجينية بسرعة تفوق قدرة أي مختبر على اختبارها جميعاً.

في التجارب الموصوفة، استخدم الباحثون تقنية "التحصيل المشترك المتعدد" (poly-co-transfection) لاختبار تصاميمهم. تسمح هذه الطريقة بتوصيل كميات متفاوتة من مدخلات جينية مختلفة إلى مجموعة واحدة من الخلايا، مما يخلق نطاقاً واسعاً من الظروف في تجربة واحدة. ومن خلال قياس مخرج كل خلية، يمكنهم رسم سطح الاستجابة الكامل للدائرة، ورؤية كيفية عملها عبر جميع تركيبات المدخلات الممكنة في آن واحد. وفرت هذه الرؤية عالية الدقة لسلوك الخلية البيانات التفصيلية اللازمة لتدريب البرنامج والتحقق من تنبؤاته. إن حقيقة أن البرنامج استطاع التنبؤ بسلوك دوائر لم يرها من قبل، وأن هذه التنبؤات صحت في المختبر، تؤكد أن النموذج قد استوعب المنطق الجوهري للشبكة الداخلية للخلية.

اختبر الباحثون أيضاً ما إذا كان بإمكان النظام نقل معرفته من نوع خلية إلى آخر. فقد دربوا البرنامج باستخدام بيانات من خلايا الكلى الجنينية البشرية، ثم طلبوا منه التنبؤ بسلوك الدوائر في نوعين آخرين من الخلايا: خلايا ظهارة الشبكية وخلايا مبيض الهامستر الصيني. أدى البرنامج أداءً يقارب أداءه في نوع الخلايا الذي تدرب عليه، مما يشير إلى أن القواعد الأساسية لكيفية تفاعل هذه الأجزاء الجينية متسقة عبر خطوط خلوية بشرية مختلفة. وتعد هذه القدرة على النقل أمراً بالغ الأهمية للتطبيقات العملية، إذ تعني أن التصميم الذي تم إنشاؤه في نوع واحد من الخلايا يمكن على الأرجح تكييفه ليعمل في نوع آخر دون البدء من الصفر.

بينما يمثل النظام الحالي خطوة كبيرة للأمام، يقر الباحثون بأن هناك المزيد من العمل الذي يتعين القيام به. فالبرنامج يعمل حالياً ضمن مجموعة من القوالب الهيكلية المحددة مسبقاً (scaffolds)، ولا يمكنه بعد ابتكار أنواع جديدة تماماً من الاتصالات من العدم. قد تتعلم النسخ المستقبلية من النظام توليد هذه القواعد الهيكلية مباشرة من البيانات، مما يوسع نطاق التصميمات الممكنة. بالإضافة إلى ذلك، تلتقط النماذج الحالية سلوك العمليات الفردية جيداً، لكنها لا تأخذ في الاعتبار صراحةً التأثيرات العالمية، مثل التنافس على الموارد الخلوية، والتي يمكن أن تغير سلوك الدائرة أحياناً. ومع ذلك، فإن الإطار مصمم ليكون مرناً، ويمكن معالجة هذه القيود مع تعلم النظام لبيانات أكثر تعقيداً.

إن القدرة على برمجة الخلايا بهذه الدقة تغير الإمكانات المتاحة لعلم الأحياء التركيبي. فهي تنقل المجال من تخصص يعتمد على التجربة والخطأ إلى مجال التصميم العقلاني، حيث يمكن للمهندسين تحديد وظيفة معينة والحصول في المقابل على دائرة جينية تعمل. هذه القدرة ضرورية للجيل القادم من العلاجات الخلوية، حيث يجب برمجة الخلايا لاكتشاف والاستجابة للبيئة المعقدة والمتغيرة في جسم الإنسان. ومن خلال تسخير قوة الحوسبة التناظرية الأصلية للخلايا، يقدم هذا النهج مساراً لإنشاء آلات حية لا تقل تطوراً وقدرة على التكيف عن الأنظمة البيولوجية التي بُنيت منها. يثبت هذا العمل أنه مع الأدوات الصحيحة، يمكننا أخيراً التحدث بلغة الخلايا بطلاقة، وتحويل تعقيدها الطبيعي إلى مورد قابل للبرمجة لحل أصعب التحديات في الطب وعلم الأحياء.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →