EIHR-PROT: Explicitly Modelling of Homology Reliability for Protein Function Prediction

تُعد البروتينات هي الآلات الجزيئية التي تُبقي الحياة مستمرة، حيث تؤدي مهاماً تتراوح بين بناء هياكل الخلايا وتحفيز التفاعلات الكيميائية التي تمد أجسامنا بالطاقة. ولفهم وظيفة بروتين معين، غالباً ما ينظر العلماء إلى تسلسل الأحماض الأمينية الخاص به، وهو السلسلة الفريدة من وحدات البناء التي يتكون منها. ولعقود من الزمن، كانت الطريقة الأكثر موثوقية لتخمين وظيفة البروتين هي العثور على بروتين آخر له تسلسل مشابه جداً تم دراسته مسبقاً؛ فإذا كانا متشابهين، فمن المرجح أنهما يقومان بنفس الوظيفة. هذه الطريقة، المعروفة باسم "التماثل" (homology)، تعمل بشكل رائع عندما توجد أقارب وثيقة في السجل العلمي. ومع ذلك، ومع استكشاف الباحثين للتنوع الهائل في الحياة، فإنهم يواجهون بشكل متزايد بروتينات مختلفة تماماً عن البروتينات المعروفة لدرجة أن هذه المقارنات التقليدية تفشل. وفي السنوات الأخيرة، ظهرت نماذج الذكاء الاصطناعي المدربة على ملايين تسلسلات البروتينات كأدوات قوية، قادرة على رصد الأنماط الدقيقة والإشارات التطورية التي تغفل عنها مطابقة التسلسل البسيطة. ومع ذلك، يظل هناك سؤال عالق: عندما يظهر بروتين جديد، هل يجب أن نثق في الطريقة القديمة المتمثلة في البحث عن شبيه، أم في الطريقة الجديدة المتمثلة في التعرف على الأنماط، أم ربما في مزيج من كليهما؟

لقد طور فريق من الباحثين في جامعة كوفينانت في نيجيريا نهجاً جديداً للإجابة على هذا السؤال، حيث أنشأوا نظاماً لا يكتفي ببساطة باختيار طريقة دون الأخرى، بل يتعلم متى يثق في كل منهما. وقد أطلقوا على إطار عملهم اسم EIHR-PROT. وبدلاً من فرض قاعدة ثابتة حول كيفية دمج نوعي الأدلة، يعمل نموذجهم مثل مرشح ذكي يقيم جودة تطابقات "الشبيه" لكل بروتين يفحصه. فإذا وجد النظام تطابقاً قوياً جداً وقريباً في قاعدة بياناته، فإنه يعتمد بشدة على تلك الأدلة التقليدية. أما إذا كانت التطابقات ضعيفة أو بعيدة أو غير موجودة، فإن النظام يحول ثقته تلقائياً إلى نموذج الذكاء الاصطناعي، الذي يعتمد على الأنماط العميقة التي تعلمها من دراسة ملايين البروتينات. هذا التعديل الديناميكي يسموا للنموذج بتجنب عثرات الثقة العمياء في التشابهات الضعيفة مع الاستمرار في الاستفادة منها عندما تكون موثوقة.

بنى الباحثون نظامهم باستخدام مسارين رئيسيين من المعلومات. يأتي المسار الأول من نموذج لغوي متطور يسمى ESM-2، والذي تم تدريبه على مجموعة ضخمة من تسلسلات البروتين لفهم قواعدها البيولوجية. يقوم هذا النموذج بتحويل تسلسل البروتين إلى تمثيل رياضي يلتقط سماته الهيكلية والوظيفية الخفية. ويأتي المسار الثاني من أداة بحث قياسية تبحث عن تسلسلات مماثلة في قاعدة بيانات البروتينات المعروفة. ويكمكم الابتكار في كيفية دمج هذين المسارين؛ فقد أضاف الباحثون آلية "بوابة" (gating mechanism) تفحص أدلة محددة حول جودة تطابقات قاعدة البيانات، مثل مدى توافق تسلسل البروتين ودرجة قوة درجة التطابق الإحصائية. وبناءً على هذه الأدلة، تقرر البوابة بالضبط مقدار الوزن الذي ستعطيه لتطابق قاعدة البيانات مقابل تنبؤ الذكاء الاصطناعي لذلك البروتين المحدد.

وعندما اختبر الفريق هذا النظام على مجموعة كبيرة من البروتينات ذات الوظائف المعروفة، أظهرت النتائج أن هذا النهج التكيفي تفوق على الأساليب الحالية التي تستخدم قواعد ثابتة لدمج الأدلة. حقق النموذج دقة عالية في التنبؤ بثلاث فئات رئيسية من وظائف البروتين: العمليات البيولوجية التي يشارك فيها البروتين، والمهام الجزيئية التي يؤديها، وموقعه داخل الخلية. وفي هذه الاختبارات، حدد النظام وظيفة البروتينات بدرجة عالية من الدقة، متفوقاً على الأساليب الرائدة الأخرى التي تمزج بين بيانات التسلسل والتماثل. ووجد الباحثون أن التحسن كان أكثر وضوحاً عند التنبؤ بالعمليات البيولوجية، وهي منطقة معقدة يمكن أن تتباين فيها موثوقية المطابقات التقليدية بشكل كبير. ومن خلال نمذجة موثوقية دليل التماثل صراحةً، تعلم النظام تجاهل المطابقات الضوضائية أو المضللة التي قد تربك نموذجاً أبسط.

ولفهم سبب نجاح هذا الأمر بهذا الشكل، أجرى الباحثون تجارب حيث قاموا بإزالة أجزاء معينة من نظامهم. فعندما نزعوا القدرة على الحكم على موثوقية المطابقات، انخفض أداء النموذج، مما أكد أن آلية البوابة الذكية كانت مفتاح نجاحه. كما اختبروا النظام على مجموعة من البروتينات التي كانت مختلفة جداً عن أي شيء في قاعدة بيانات التدريب، محاكيين بذلك اكتشاف كيانات بيولوجية جديدة تماماً. وحتى في هذه الحالات الصعبة، حيث تعاني الطرق التقليدية غالباً، حافظ النظام على أداء قوي. وهذا يشير إلى أن النموذج نجح في الاعتماد على الفهم العميق لأنماط البروتين لدى الذكاء الاصطناعي عندما يكون دليل "الشبيه" التقليدي ضعيفاً جداً بحيث لا يمكن الوثوق به. وتوضح الدراسة أن مستقبل التنبؤ بوظيفة البروتين لا يتطلب بالضرورة الاختيار بين الأساليب القديمة والجديدة، بل بناء أنظمة يمكنها وزن الأدلة المتاحة لكل حالة فريدة بذكاء.

إن تداعيات هذا العمل تمتد إلى ما هو أبعد من مجرد الحصول على درجات أفضل في اختبار ما. فمن خلال جعل عملية اتخاذ القرار شفافة، يسمح النظام للعلماء برؤية مقدار الثقة التي وُضعت في تطابقات قاعدة البيانات مقابل تنبؤات الذكاء الاصطناعي لأي بروتين معطى. هذه القابلية للتفسير أمر بالغ الأهمية للباحثين الذين يحتاجون إلى فهم أساس التنبؤ قبل اتخاذ إجراء بناءً عليه. ويشير المؤلفون إلى أنه بينما يتعامل نظامهم الحالي مع تسلسلات البروتين بفعالية، يمكن للنسخ المستقبلية دمج أنواع أخرى من البيانات البيولوجية، مثل هياكل البروتينات أو شبكات التفاعل، باستخدام نفس المنطق المرن. وفي الوقت الحالي، يقدم هذا البحث مساراً واضحاً للمضي قدماً: منهجية تحترم قيمة المعرفة البيولوجية التقليدية مع احتضان قوة الذكاء الاصطناعي الحديث بالكامل، وتكيف استراتيجيتها مع الاحتياجات المحددة لكل بروتين تواجهه.