SynNat-BERT: An interpretable dual-modal BERT framework for blood–brain barrier permeability prediction and novel scaffold discovery

يحمي الدماغ البشري حارس بوابة مهيب يُعرف باسم الحاجز الدموي الدماغي. هذا الجدار الرقيق والانتقائي يبطن الأوعية الدموية في الدماغ ويعمل كمرشح صارم، حيث يسمح فقط لمواد محددة بالمرور من مجرى الدم إلى أنسجة الدماغ بينما يحجب كل شيء آخر. وبينما يعد هذا الدفاع حيوياً للحفاظ على سلامة الدماغ من السموم والعدوى، فإنه يمثل أيضاً عقبة هائلة أمام الطب؛ إذ لا يستطيع حوالي ثمانية وتسعين بالمائة من المرشحين المحتملين للأدوية عبور هذا الحاجز، مما يعني أنها ستكون عديمة الفائدة في علاج حالات مثل ألزهايمر أو باركنسون أو أورام الدماغ، بغض النظر عن مدى فعاليتها في أنبوب الاختبار. ولقد كافح العلماء لعقود من الزمن للتنبؤ بالجزئيات التي يمكنها التسلل عبر هذه البوابة وتلك التي سيتم إيقافها عند الباب. وتعتمد الطرق التقليدية على اختبار المواد الكيميائية في الخلايا الحية أو الحيوانات، وهي عملية بطيئة ومكلفة، وغالباً ما تفشل في تغطية التنوع الهائل للهياكل الكيميائية الموجودة في الطبيعة.

وقد طور فريق من الباحثين الآن أداة حوسبية جديدة مصممة لحل مشكلة التنبؤ هذه بسرعة ووضوح أكبر. فقد أنشأوا نظاماً يسمى SynNat-BERT، والذي يعمل كنموذج لغوي متطور للكيمياء. وبدلاً من التعلم من مجموعة صغيرة من الأدوية المعروفة، تم تدريب هذا النظام على مكتبة ضخمة تضم 1.7 مليون جزيء، مستمدة من كل من المواد الكيميائية الاصطناعية التي تُنتج في المختبرات والمنتجات الطبيعية الموجودة في النباتات والفطريات. يتعلم النظام "قواعد" الجزيئات من خلال تفكيكها إلى قطع هيكلية ذات معنى بدلاً من مجرد ذرات فردية، مما يسم يسمح له بفهم كيفية ترابط الأجزاء الكيميائية المختلفة مع بعضها البعض. ومن الأهمية بمكان أن الباحثين دمجوا هذا الفهم الهيكلي مع سبع خصائص فيزيائية محددة للجزيئات، مثل حجمها، وكيفية تفاعلها مع الماء، وقدرتها على تكوين الروابط. ومن خلال دمج هذين النوعين من المعلومات، لا يستطيع النظام التنبؤ بما إذا كان الجزيء سيعبر الحاجز الدموي الدماغي فحسب، بل يمكنه أيضاً شرح الأجزاء المحددة من الجزيء المسؤولة عن تلك القدرة.

اختبر الباحثون هذا الإطار الجديد من خلال مطالبة النظام بمسح مكتبتهم من المنتجات الطبيعية بحثاً عن "الجواهر الخفية"؛ وهي الجزيئات التي يمكنها اختراق الدماغ ولكن لم يتم تحديد ذلك لها من قبل. نجح النظام في ترتيب آلاف المرشحين، مع إعطاء الأولوية لأولئك الذين يمتلكون الخصائص الفيزيائية المناسبة للمرور عبر الحاجز. وللتحقق مما إذا كانت تنبؤات الكمبيوتر هذه حقيقية، اختار الفريق خمسة مركبات مختلفة من القلويدات، وهي فئة من المواد الكيميائية الموجودة طبيعياً، واختبروها في بيئة مختبرية باستخدام خلايا دماغ بشرية مزروعة في طبق. كانت النتائج مذهلة: نجح ثلاثة من المرشحين الخمسة في عبور الحاجز الخلوي، بل إن أحدهم كان أداؤه أفضل من دواء قياسي استُخدم كعنصر تحكم إيجابي. وقد أكد ذلك أن النموذج الحاسوبي قد حدد بشكل صحيح هياكل جديدة نفاذة كانت مغفلة سابقاً.

وبعيداً عن مجرد العثور على مرشحين جدد، كشفت الدراسة عن "سبب" عمل هذه الجزيئات. فقد أشار التحليل الداخلي للنظام إلى سمة هيكلية محددة: وهي بنية حلقية مرنة وهيدروجينية تُعرف باسم "هيكل بربين" (berbine scaffold). وعندما قارن الباحثون هذا الشكل المرن بالنسخة العطرية الصلبة من نفس الهيكل، وجدوا أن النسخة الصلبة فشلت في عبور الحاجز. وقد تأكد هذا التمييز من خلال عمليات محاكاة حاسوبية مفصلة نمذجة كيفية حركة الجزيئات عبر غشاء دهني، مما أظهر أن الشكل المرن سمح للجزيء بالانتشار بسهماسة أكبر. وتجادل الدراسة صراحةً ضد فكرة أن الهياكل الصلبة والمسطحة هي دائماً الأفضل لاختراق الدماغ، موضحة أن المرونة تلعب دوراً حاسماً.

كما تحدى هذا العمل حدود نماذج الذكاء الاصطناعي السابقة في هذا المجال. فقد اعتمدت العديد من الأنظمة السابقة على مجموعات بيانات ضخمة تحتوي على مئات الملايين من الجزيئات، لكنها غالباً ما تعاملتها كسلاسل بسيطة من الرموز، مما أدى إلى فقدان السياق الكيميائي الأعمق. ووجد الباحثون أن مجموعتهم الأصغر والأكثر تركيزاً المكونة من 1.7 مليون جزيء، عندما اقترنت بنهجهم المدرك للهياكل الفرعية، تفوقت في الواقع على النماذج الأكبر والأقل قابلية للتفسير. كما أثبتوا أن إضافة واصفات فيزيائية محددة ومفهومة للنموذج كان أمراً ضرورياً؛ حيث أدى حذف هذه الواصفات إلى انخفاض دقة التنبؤ بشكل كبير. وهذا يشير إلى أنه بالنسبة للمهام المعقدة مثل التنبؤ بالنفاذية الدماغية، فإن النموذج الذي يفهم كلاً من شكل الجزيء وسلوكه الفيزيائي هو الأفضل من نموذج يرى فقط البيانات الخام.

في النهاية، يقدم هذا البحث مساراً عملياً للمضي قدماً في اكتشاف الأدوية. فمن خلال الجمع بين الفهم العميق للهيكل الجزيئي والقواعد الفيزيائية الواضحة، يمكن لإطار عمل SynNat-BERT أن يغربل المكتبات الضخمة من المنتجات الطبيعية للعثور على ركائز جديدة لعلاج أمراض الدماغ. لم تكتفِ الدراسة بالتنبؤ بنتيجة فحيدة، بل قدمت آلية تم التحقق منها، حيث أظهرت من خلال التجارب المختبرية وعمليات المحاكاة الحاسوبية أن الهياكل المرنة المحددة هي المفتاح لعبور الحاجز الدموي الدماغي. يوفر هذا النهج طريقة موثوقة لتحديد المرشحين الواعدين للأدوية الذين كانوا مخفيين في وضح النهار، مما يقدم أداة جديدة للعلماء لتصميم أدوية يمكنها أخيراً الوصول إلى الدماغ.