← أحدث الأبحاث
📄 علم الأحياء الجزيئي

B-RANKO: An ncRNA Foundation Model with Bidirectional Decoder-Only Architecture

يُعد B-RANKO نموذجاً تأسيسياً جديداً من نوع فك التشفير ثنائي الاتجاه (bidirectional decoder-only) يتكون من 150 مليون معلمة، وهو يوحد بين توليد تسلسلات RNA الجديدة كلياً وتعلم التمثيل القابل للنقل، مُظهراً أداءً قوياً في توليد تسلسلات ذات منطقية بيولوجية وتحقيق نتائج تنافسية في مهام هندسة الـ RNA.

المؤلفون الأصليون: Vucenik, F., Penic, R. J., Sikic, M.

نُشر 2026-11-16
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

المؤلفون الأصليون: Vucenik, F., Penic, R. J., Sikic, M.

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

داخل كل خلية حية، يعمل جزيء يسمى الحمض النووي الريبوزي، أو RNA، كرسول ومدير حيوي. وبينما يحمل الـ DNA المخطط الرئيسي للحياة، فإن الـ RNA هو العامل النشط الذي يقرأ تلك التعليمات، ويبني البروتينات، بل ويحفز التفاعلات الكيميائية. وفي السنوات الأخيرة، أدرك العلماء أن الـ RNA ليس مجرد حامل سلبي للمعلومات، بل هو أداة قابلة للبرمجة ذات إمكانات هائلة في مجالي الطب والتكنولوجيا الحيوية. وبسبب ذلك، توجه الباحثون إلى الذكاء الاصطناعي لفهم وتصميم جزيئات RNA جديدة، آملين في ابتكار علاجات يمكنها استهداف الأمراض بدقة عالية. ومع ذلك، فقد ثبت أن تعليم الكمبيوتر فهم لغة الـ RNA المعقدة وابتكار تسلسلات وظيفية جديدة في آن واحد أمر صعب؛ إذ إن معظم نماذج الذكاء الاصطناعي الحالية جيدة في إحدى المهمتين أو الأخرى، لكنها نادراً ما تتقن كلتيهما، مما يترك فجوة في قدرتنا على تسخير قوة هذه الجزيئات بشكل كامل.

ولسد هذه الفجوة، طور فريق من الباحثين من جامعة زغرب ومعهد جينوم سنغافورة نظام ذكاء اصطناعي جديد يسمى B-RANKO. صُمم هذا النموذج للقيام بشيئين في وقت واحد: تعلم الأنماط العميقة للـ RNA الطبيعي لإجراء تنبؤات دقيقة، وتوليد تسلسلات RNA جديدة تماماً من الصفر. قام الباحثون بتدريب B-RANKO على مجموعة ضخمة من تسلسلات الـ RNA المعروفة، مستمدين إياها من قواعد بيانات عامة تحتوي على ملايين الأمثلة. ويكمن الابتكار الجوهري في كيفية قراءة وكتابة هذا النموذج لهذه التسلسلات؛ فخلافاً لنماذج الذكاء الاصطناعي القياسية التي تقرأ النص من اليسار إلى اليمين حصراً، يستخدم B-RANKO طريقة فريدة حيث يولد التسلسل من كلا الطرفين في وقت واحد، متحركاً نحو الداخل حتى يلتقي النصفان في المنتصف. تحاكي هذه الطريقة الطريقة التي ينطوي بها جزيء الـ RNA طبيعياً، حيث غالباً ما يجتمع طرفا الشريط لتشكيل هياكل مستقرة. ومن خلال تدريب النموذج على التنبؤ بالقطعة التالية من اللغز من كلا الاتجاهين معاً، تمكن الباحثون من جعل بنية واحدة تتقن كلاً من ابتكار جزيئات جديدة وتحليل الجزيئات الموجودة.

وعندما اختبر الفريق قدرة النموذج على ابتكار RNA جديد، كانت النتائج مذهلة. فقد أنتج الكمبيوتر تسلسلات تبدو وتتصرف مثل الجزيئات البيولوجية الحقيقية؛ حيث امتلكت التوازن الكيميائي الصحيح وانطوت في أشكال مستقرة فيزيائياً، تماماً مثل الـ RNA الموجود في الطبيعة. والأهم من ذلك، أن هذه التسلسلات الجديدة لم تكن مجرد نسخ لما رآه النموذج أثناء التدريب. فعندما قارن الباحثون الجزيئات المولدة بالمكتبة الواسعة من الـ RNA المعروف، وجدوا أن جزءاً كبيراً من الابتكارات الجديدة كانت مبتكرة تماماً، وتمثل تنويعات فريدة لم تكن موجودة في بيانات التدريب. لم يقم النموذج بمجرد حفظ الماضي، بل تعلم القواعد الأساسية لكيمياء الـ RNA بما يكفي لتخيل احتمالات جديدة.

بعد ذلك، وضع الباحثون B-RANKO تحت الاختبار في تطبيقات عملية، وتحديداً في قدرته على تصميم "الأبتامرات" (aptamers)، وهي جزيئات RNA مهندسة للارتباط بأهداف محددة، تماماً مثل المفتاح الذي يناسب القفل. وبعد ضبط النموذج بدقة باستخدام مجموعة بيانات من الأبتامرات المعروفة، نجح في توليد مرشحات جديدة تطابق الخصائص المطلوبة. وفي تقييم أوسع عبر ثلاثة عشر مهمة مختلفة، تتراوح من التنبؤ بكيفية انطواء الـ RNA إلى تحديد كيفية تفاعله مع الآليات الخلوية، أظهر B-RANKO قوة ملحوظة. وقد تفوق بشكل خاص في المهام الهندسية، مثل التنبؤ بمدى استقرار جزيء لقاح أو مدى دقة أداة CRISPR في استهداف جين معين دون إصابة الأهداف الخاطئة. وفي هذه المجالات، تفوق على العديد من النماذج الرائدة الأخرى، مما أثبت أن قدرته على توليد تسلسلات جديدة لم تأتِ على حساب الفهم.

ورغم أن النموذج أظهر وعداً كبيراً، فقد كان الباحثون حذرين في الإشارة إلى حدوده؛ فلم يكن مثالياً بنفس القدر في كل مهمة، فعلى سبيل المثال، كان أقل دقة قليلاً في التنبؤ بالتفاصيل الدقيقة للبنية الداخلية للـ RNA مقارنة بنجاحه في التطبيقات الهندسية الأوسع. وهذا يشير إلى أنه بينما استوعب النموذج القواعد العامة لسلوك الـ RNA، لا تزال هناك مساحة للتحسين في فهم التفاصيل المحلية الأكثر تعقيداً. علاوة على ذلك، فإن التسلسلات التي ولدها الكمبيوتر تم تقييمها حتى الآن من خلال المحاكاة فقط، وسيكون الاختبار الحقيقي عندما يتم بناء هذه الجزيئات في المختبر واختبارها في أنظمة بيولوجية حقيقية لمعرفة ما إذا كانت تعمل كما هو متوقع.

يمثل تطوير B-RANKO خطوة مهمة للأمام في مجال البيولوجيا الحسابية. فمن خلال إثبات أن نموذجاً واحداً يمكنه التعلم بفعالية من الطبيعة ثم ابتكار أدوات بيولوجية جديدة، قدم الباحثون إطاراً موحداً لتصميم الـ RNA. يقدم هذا النهج طريقة جديدة وقوية لاستكشاف المشهد الشاسع لجزيئات الـ RNA، مما قد يسرع من اكتشاف أدوية وتقنيات حيوية جديدة. ويشير هذا العمل إلى أن مستقبل هندسة الـ RNA قد لا يتطلب أدوات منفصلة للتحليل والابتكار، بل نظاماً واحداً متعدد الاستخدامات قادراً على القيام بكليهما، مما يفتح الباب أمام عصر جديد من البيولوجيا القابلة للبرمجة.

غارق في أبحاث مجالك؟

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

جرّب Digest →