DGM Is Dead; Long Live DGM-Star! A Quantization-Theoretic Approach to Gamma Rate Discretization

تترك الحياة سجلاً لتاريخها في الحمض النووي لكل كائن حي، وهو أرشيف جزيئي يقرأه العلماء لإعادة بناء شجرة الحياة. ولتفسير هذا الأرشيف، يجب على الباحثين مراعاة حقيقة أن الطفرات لا تحدث بوتيرة ثابتة عبر الجينوم؛ فبعض المواقع تتغير بسرعة بينما تظل مواقع أخرى ساكنة بعناد. ولعقود من الزمن، كانت الطريقة القياسية للتعامل مع هذه السرعة غير المتساوية في النماذج الحاسوبية هي تقسيم نطاق السرعات المحتملة إلى بضع شرائح متساوية، وتعيين متوسط سرعة ممثل لكل شريحة. هذا النهج، المعروف باسم نموذج "غاما" المنفصل (discrete Gamma model)، كان العمود الفقري لبيولوجيا التطور لمدة ثلاثين عاماً، مما سمح للعلماء بتقدير المدة التي انفصلت فيها الأنواع وكيف ترتبط عائلاتها. ومع ذلك، يشير تحليل جديد إلى أن هذه الطريقة الراسخة تحتوي على خلل خفي يشوه بشكل منهجي الجدول الزمني للتطور، مما يجعل الفروع على شجرة الحياة تبدو أطول مما هي عليه في الواقع.

لقد اقترح فريق من الباحثين الآن طريقة أفضل لتقسيم فئات السرعة هذه، وهي طريقة أطلقوا عليها اسم "DGM-Star". ومن خلال تطبيق إطار رياضي يُستخدم عادةً لضغط الإشارات الرقمية، ابتكروا قاعدة جديدة لتعيين السرعات تزيل التحيز الموجود في الطريقة القديمة. وفي اختبارات باستخدام تسلسلات الحمض النووي المحاكات، قلل نهجهم الجديد الخطأ في تقدير أطوال الفروع بنسبة تصل إلى عشرين ضعفاً مقارنة بالطريقة القياسية، لا سيما عند التعامل مع الأشجار الكبيرة حيث تكون الخطوات التطورية قصيرة جداً. وبينما تميل الطريقة القديمة إلى تمديد الجدول الزماي، فإن الطريقة الجديدة تحافظ على دقته، مما يوفر بديلاً جاهزاً للاستخدام يمكن للعلماء استخدامه فوراً دون تغيير برامجهم الحالية.

تبدأ القصة بالإدراك بأن التطور ليس عملية موحدة. فعندما ينظر العلماء إلى الشفرة الوراثية، يرون أن بعض الحروف تتغير بشكل متكرر بينما نادراً ما تتحرك أخرى. ولنمذجة ذلك، يستخدمون شكلاً إحصائياً يسمى توزيع "غاما"، والذي يصف كيفية تباين هذه السرعات. ولأن الحواسيب لا يمكنها بسهء الحساب باستخدام منحنى مستمر ومتدفق من الاحتمالات اللانهائية، فقد كانت الممارسة القياسية هي تقسيم هذا المنحنى إلى عدد محدد من السلال أو الفئات. الطريقة التقليدية، التي تأسست في التسعينيات، تقسم المنحنى بحيث تحتوي كل فئة على عدد متساوٍ من نقاط البيانات، ثم تعين سرعة متوسطة واحدة لتمثيل الفئة بأكملها. هذا النهج "متساوي الاحتمال" (equiprobable) كان هو الإعداد الافتراضي لعقود، واستُخدم في كل شيء من دراسة الفيروسات القديمة إلى تتبع أصول الأنواع الحديثة.

ومع ذلك، أظهرت مؤخراً مجموعة من العلماء بقيادة "فيريتي" وزملاؤه أن هذه الطريقة القياسية معيبة بشكل أساسي. فقد أثبتوا أنه عندما تتبع السرعات التطورية الحقيقية منحنى مستمراً، فإن نظام التقسيم التقليدي يبالغ باستمرار في تقدير طول الفروع في الشجرة التطورية. وبكلمات أبسط، يخبر النموذج الباحثين أن الأنواع قد تطورت لفترات زمنية أطول مما هي عليه في الواقع. وهذا الخطأ ليس مجرد خلل بسيط؛ بل يمكن أن يؤدي إلى استنتاجات خاطئة حول متى انفصلت الأنواع وكيف ترتبط ببعضها البعض. وقد وجد الباحثون أن هذا التحيز مستمر لدرجة أن مجرد إضافة المزيد من الفئات إلى النموذج لا يصلح الأمر؛ بل في بعض الحالات، أدت إضافة المزيد من الفئات إلى جعل الخطأ أسوأ.

واستجابة لهذا الاكتشاف، سعى مؤلفو الورقة البحثية الجديدة إلى إيجاد حل يحافظ على السرعة الحسابية للطريقة القديمة مع إصلاح دقتها. لقد توجهوا إلى مجال من الرياضيات يسمى "نظرية التكميم" (quantization theory)، والتي تتعامل مع كيفية تمثيل إشارة مستمرة بأفضل شكل باستخدام عدد محدود من القيم المنفصلة. وبدلاً من إجبار الفئات على أن تكون متساوية في الحجم، صمموا خوارزمية جديدة تجد الحدود المحددة والسرعات التمثيلية التي تطابق الواقع الأساسي للبيانات بأفضل شكل. وقد اختبروا هذه الطالة الجديدة، التي أطلقوا عليها اسم "DGM-Star"، مقابل المعيار القديم وبديل أكثر تعقيداً يُعرف باسم "FreeRate".

كانت النتائج مذهلة. ففي عمليات المحاكاة حيث كانت الإجابة الحقيقية معروفة، أنتجت طريقة "DGM-Star" الجديدة أطوال فروع دقيقة للغاية، مما قلل التحيز بمقدار عشرين ضعفاً مقارنة بالطريقة القياسية. وكان التحسن أكثر دراماتيكية في الأشجار الكبيرة ذات الفروع القصيرة، وهو سيناريو شائع في الدراسات الواقعية للكائنات سريعة التطور مثل الفيروسات. كما اختبر الباحثون طريقتهم على مجموعة بيانات ضخمة من تسلسلات فيروس نقص المناعة البشرية (HIV-1)، وهي مجموعة بيانات جينية حقيقية من آلاف المرضى. وهنا أيضاً، صححت الطريقة الجديدة ميل النموذج القديم لتمديد المسافات التطورية، مما جعل التقديرات أقرب إلى ما لوحظ عند تحليل مجموعات فرعية أصغر من البيانات.

ومن المثير للاهتمام أن الدراسة كشفت أيضاً عن قيد يؤثر على جميع الطرق الحالية. فعندما تكون الفروع التطورية طويلة للغاية، مما يعني أن الأنواع قد انفصلت منذ فترة طويلة جداً، فإن حتى طريقة "DGM-Star" الجديدة، إلى جانب نموذج "FreeRate" الأكثر تعقيداً، تبدأ في تقدير أطوال الفروع بأقل من قيمتها الحقيقية. وهذا يشير إلى أنه بينما تحل الطريقة الجديدة مشكلة المبالغة في التقدير في معظم السيناريوهات العملية، فإن تحدي نمذجة الزمن التطوري العميق جداً يظل سؤالاً مفتوحاً. ومع ذلك، يرى المؤلفون أن نهجهم الجديد قوي بما يكفي لاستبدال المعيار القديم فوراً. وهو متاح بالفعل في البرامج الرئيسية المستخدمة من قبل علماء البيولوجيا التطورية، مما يسمح للباحثين بالانتقال إلى نموذج أكثر دقة دون الحاجة إلى تعلم تقنيات جديدة أو انتظار تحديثات مستقبلية.

تكمن أهمية هذا العمل في قدرته على تصحيح خطأ دام عقوداً دون التضحية بالسرعة التي تجعل التحليل واسع النطاق ممكناً. فمن خلال تحسين كيفية ترجمة التدفق المستمر للتطور إلى الخطوات المنفصلة التي يمكن للحاسوب فهمها، قدم الباحثون أداة تجعل شجرة الحياة أكثر وضوحاً. لا يتطلب النهج الجديد إعادة هيكلة كاملة للممارسات الحالية؛ بل يقدم ببساطة طريقة أفضل لتقسيم "الكعكة"، مما يضمن قراءة التاريخ المكتوب في جيناتنا بدقة أكبر. وكما يلاحظ المؤلفون، فإن هذا التحول يشير إلى أن الطريقة القديمة يجب أن تُحال إلى التقاعد، ليس لأنها كانت عديمة الفائدة، ولكن لأن بديلاً أفضل وأكثر دقة أصبح جاهزاً ليحل محلها.