XAMPGen: An Interpretable SI Pipeline For Novel Antimicrobial Peptide Discovery

على مدى عقود، واجه العالم الطبي مواجهة أزمة متزايدة: البكتيريا تتعلم كيف تتفوق بذكاء على المضادات الحيوية التي نعتمد عليها لإنقاذ الأرواح. تعمل المضادات الحيوية التقليدية غالبًا مثل مفتاح دقيق يناسب قفلًا محددًا، حيث تستهدف جزءًا واحدًا من الخلية البكتيرية. ولأنها دقيقة للغاية، يمكن للبكتيريا أن تطور شكلًا جديدًا لمنع ذلك المفتاح، مما يجعل الدواء عديم الفائدة. ومع ذلك، تمتلك الطبيعة استراتيجية مختلفة؛ فمنذ ملايين السنين، أنتجت الكائنات الحية سلاسل قصيرة من الأحماض الأمينية تسمى الببتيدات المضادة للميكروبات. هذه ليست مفاتيح دقيقة، بل هي أدوات مرنة وواسعة النطاق تهاجم الغلاف الخارجي للبكتيريا — الغشاء الخلوي. ولأن هذا الغلاف ضروري لبقاء البكتيريا ويصعب تغييره دون كسرها، فمن الصعب جدًا عليها تطوير مقاومة ضد هذه الببتيدات. كان التحدي الذي يواجه العلماء دائمًا هو العثور على التركيبة الصحيحة من هذه الأحماض الأمينية لابتكار ببتيد جديد وفعال. إن مساحة الاحتمالات شاسعة، واختبارها واحدًا تلو الآخر في المختبر عملية بطيئة، ومكلفة، وغالبًا ما تكون بلا جدوى.

لقد طور فريق من الباحثين الآن طريقة جديدة للتنقل في هذه المساحة الشاسعة، تجمع بين قوة الذكاء الاصطناعي وطريقة لفهم كيفية عمل هذا الذكاء بدقة. لقد أنشأوا نظامًا يسمونه XAMPGen، والذي يستخدم نوعًا من النماذج الحاسوبية المدربة على لغة البروتينات لابتكار ببتيدات جديدة مضادة للميكروبات. وخلافًا للمحاولات السابقة التي كانت تعامل هذه النماذج الحاسوبية كـ "صناديق سوداء" غامضة تخرج النتائج ببساطة دون تفسير، بنى هذا الفريق مسارًا يعمل على تقشير طبقات النموذج لرؤية كيف يفكر. لم يكتفوا بتوليد تسلسلات جديدة فحسب، بل أثبتوا أن النموذج تعلم قواعد بيولوجية حقيقية، ثم اختبروا ابتكاراتهم في المختبر للتأكد من فعاليتها. والنتيجة هي مجموعة من الببتيدات المصممة حديثًا والتي لا تتميز بكونها قوية ضد البكتيريا فحسب، بل تأتي أيضًا مع شرح واضح ومفهوم لسبب فعاليتها.

بدأ الباحثون بتعليم نموذج حاسوبي ضخم، يُعرف باسم ProGen، لغة الببتيدات المضادة للميكروبات. كان هذا النموذج مدربًا بالفعل على ملايين التسلسلات البروتينية من الطبيعة، حيث تعلم الأنماط الإحصائية التي تربط البروتينات ببعضها البعض. قام الفريق بعد ذلك بضبط هذا النموذج بدقة خصيصًا على الببتيدات المعروفة المضادة للميكروبات، من خلال إظهار أمثلة لما ينجح وما لا ينجح. ولجعل هذه العملية فعالة، استخدموا تقنية سمحت لهم بتحديث جزء ضئيل فقط من الإعدادات الداخلية للنموذج، بدلاً من إعادة تدريب النظام الضخم بأكره. وبمجرد تدريبه، بدأ النموذج في توليد آلاف التسلسلات الببتيدية الجديدة. ومع ذلك، لا يمكن للكمبيوتر ببساطة أن يخرج تسلسلًا ويفترض أنه مثالي؛ إذ يحتاج إلى عملية تصفية. فقد بنى الفريق مجموعة ثانية من الأدوات لتعمل كمنخل، تتنبأ بالتسلسلات التي من المرجح أن تكون فعالة وتُقدر مدى قوتها. وقد قلصوا آلاف المرشحين إلى مجموعة نهائية مكونة من خمسة عشر ببتيدًا بدت الأكثر واعدًا بناءً على طولها، وتوازنها الكيميائي، وقوتها المتوقعة.

قبل حتى أن يتم تصنيع هذه الببتيدات الخمسة عشر، أراد الفريق فهم المنطق وراء خيارات الكمبيوتر. لقد عاملوا النموذج الحاسوبي كمصنع متعدد الطبقات حيث تمر المعلومات من محطة إلى أخرى. ومن خلال فحص النشاط الداخلي في كل محطة، اكتشفوا أن النموذج ينظم معرفته بطريقة محددة. في المراحل المبكرة من العملية، يركز النموذج على اللبنات الأساسية الفردية، بينما تبدأ المراحل اللاحقة في التعرف على الأنماط المعقدة. وحددوا مرحلة معينة في منتلة العملية حيث احتفظ النموذج بأكثر المعلومات فائدة حول ما إذا كان الببتيد سيقتل البكتيريا. في هذه المرحلة، نظروا في كيفية ربط النموذج لأجزاء مختلفة من تسلسل البريد ببعضها البعض. ووجدوا أن النموذج تعلم إعطاء اهتمام خاص لأنماط معينة، مثل تجمع أحماض أمينية موجبة الشحنة عند أحد الأطراف وتسلسل محدد من الأحماض الأمينية الكارهة للماء (الهيدروفوبية) عند الطرف الآخر. وتطابقت هذه الأنماط مع ما يعرفه العلماء بالفعل عن كيفية هجوم الببتيدات الطبيعية على الأغشية البكتيرية، مما أكد أن الكمبيوتر قد تعلم القواعد البيولوجية الصحيحة بدلاً من مجرد حفظ البيانات.

مع وجود هذا الفهم، انتقل الفريق إلى المختبر ليرى ما إذا كانت ابتكارات الكمبيوتر تعمل حقًا. قاموا بتصنيع الببتيدات الخمسة عشر المختارة واختبروها ضد نوعين شائعين من البكتيريا: أحدهما يسبب عدوى في الأمعاء، والآخر يسبب عدوى في الجلد. كانت النتائج مذهلة؛ فقد أظهر كل ببتيد اختبروه نشاطًا مضادًا للميكروبات. بل إن العديد من التصاميم الجديدة كانت أكثر قوة من النموذج الطبيعي الذي استندت إليه، حيث قتلت بعضها البكتيريا بتركيزات منخفضة تصل إلى 1 ميكرومولار. ولفهم سبب فعالية هذه الببتيدات الجديدة، فحص الباحثون كيفية تفاعلها مع نسخ اصطناعية من الأغشية الخلوية البكتيرية. ووجدوا أن الببتيدات الأكثر نجاحًا امتلكت سلوكًا هيكليًا محددًا: كانت مرنة في الماء ولكنها تتحول إلى شكل حلزوني صلب عند ملامسة الغشاء. هذا الشكل الحلزوني سمح لها بالاستقرار بقوة في الغلاف البكتيري وتعطيله.

كما كشفت الدراسة عن تفاصيل مفاجئة حول كيفية عمل هذه الببتيدات. فقد اختار الكمبيوتر بشكل طبيعي ترتيبًا محددًا حيث يتراصف حمض أميني كبير كاره للماء في بداية السلسلة تمامًا مع حمض أميني آخر كبير كاره للماء في النهاية. هذا التراصف خلق مرساة قوية ساعدت الببتيد على اختراق الغشاء. علاوة على على ذلك، وضع النموذج باستمرار حمضًا أمينيًا صغيرًا ومرنًا يسمى "الجلايسين" في منتصف السلسلة. عمل هذا كفصل أو "مفصل"، مما سمح للنصفين من الببتيد بتعديل شكلهما أثناء انغراسهما في الغشاء. لم تكن هذه الميزات عشوائية؛ بل كانت الآليات الفيزيائية الدقيقة المطلوبة للقيام بمهمة الببتيد. وباستخدام طريقتهم الجديدة للنظر داخل عملية صنع القرار في الكمبيوتر، تمكن الباحثون من الإشارة إلى هذه الميزات المحددة وشرح السبب الدقيق وراء نجاح هذه الببتيدات.

يُظهر هذا العمل أن الذكاء الاصطناعي يمكن أن يكون أكثر من مجرد أداة للتخمين؛ يمكن أن يكون شريكًا في الاكتشاف يقدم رؤى واضحة للعالم البيولوجي. لقد أثبت الفريق أنه من خلال جعل هذه النماذج قابلة للتفسير، يمكنهم الوثوق بالتسلسلات التي يولدونها وفهم الأسباب الفيزيائية وراء نجاحها. الببتيدات التي صمموها لم تكن مجرد نظريات؛ بل كانت جزيئات حقيقية تؤدي أداءً أفضل من العديد من الخيارات الموجودة. ويشير البحث إلى أن هذا النهج، الذي يجمع بين التصميم التوليدي والفهم العميق لكيفية عمل التصميم، يمكن أن يسرع من اكتشاف أدوية جديدة. إنه يقدم مسارًا للمضي قدمًا في مكافحة مقاومة المضادات الحيوية، مما يوفر وسيلة لتوليد والتحقق بسرعة من أسلحة جديدة ضد البكتيريا التي أصبحت صعبة الهزيمة بشكل متزايد. إن نجاح هذا المسار يثبت أننا نستطيع الآن استخدام أجهزة الكمبيوتر ليس فقط لإيجاد حلول جديدة، بل لفهم المبادئ الأساسية التي تجعل تلك الحلول تعمل.