A systematic investigation of molecular encoding methods for drug property predictions across neural network and Transformer encoder-based model

في السباق لاكتشاف أدوية جديدة، يواجه العلماء تحديًا هائلًا: إن عالم الجزيئات الدوكنية الممكنة شاسع، لكن اختبارها جميعًا في المختبر أمر مستحيل. وللتغلب على ذلك، يستخدم الباحثون الحواسيب للتنبؤ بكيفية سلوك الجزيء قبل تصنيع قطرة واحدة منه. وتعتمد هذه العملية على خطوة أولى حاسمة: وهي ترجمة الشكل المعقد ثلاثي الأبعاد للمادة الكيميائية إلى لغة يمكن للحاسوب قراءتها. فكر في هذه الترجمة كتحويل جسم مادي إلى رمز شريطي (باركود)؛ إذ يحدد تصميم هذا الرمز مدى قدرة الحاسوب على فهم خصائص الجسم، مثل ما إذا كان سيذوب في الماء، أو سيعبر إلى الدماغ، أو سيسبب ضررًا. لسنوات، ناقش العلماء أي نظام "رموز شريطية" هو الأفضل، بافتراضهم غالبًا أن النماذج الحاسوبية الأكثر تعقيدًا ستحل المشكلة تلقائيًا. ومع ذلك، فإن فعالية هذه التنبؤات تعتمد بشكل كبير على جودة الترجمة الأولية، وليس فقط على تطور الحاسوب الذي يحللها.

لقد وضع فريق من الباحثين في جامعة تسيينغ هوا الوطنية في تايوان نصب أعينهم حسم هذا الجدل من خلال اختبار كيفية تأثير الطرق المختلفة لتشفير الهياكل الجزيئية على دقة التنبؤ بشكل منهجي. وقد ركزوا على نوعين متميزين من البنى الحاسوبية: الشبكة العصبية القياسية، التي تعمل كصانع قرار بسيط متعدد الطبقات، ونموذج "ترانسفورمر" (Transformer) الأكثر تقدمًا، وهو نوع من الذكاء الاصطناعي صُمم في الأصل لفهم اللغة البشرية وقادر على وزن أهمية أجزاء الجملة المختلفة في آن واحد. قام الباحثون بتغذية كلا النموذجين بمجموعة متنوعة من "الرموز الشريطية" الجزيئية، بما في ذلك البصمات الطوبولوجية التقليدية التي ترسم خرائط الاتصالات الذرية، والأكواد القائمة على البنية الفرعية التي تحدد مجموعات كيميائية معينة، والتمثيلات القائمة على النصوص التي تعامل الجزيئات كنصوص مكتوبة. كما قاموا بتدريب هذه الأنظمة على سبع مجموعات بيانات معروفة تغطي مهام متنوعة، من التنبؤ بالسمية والقدرة على إحداث طفرات جينية إلى تقدير مدى قدرة الدواء على اختراق الحاجز الدموي الدماغي.

وقد قدمت النتائج دليلًا عمليًا واضحًا للمجال. وخلافًا للافتراض بأن نموذج "الترانسفورمر" الأكثر تعقيدًا سيتفوق باستمرار على الشبكة العصبية البسيطة، وجدت الدراسة أن النموذج القياسي غالبًا ما حقق دقة مساوية أو أفضل قليلاً عبر معظم المهام. وفي الواقع، ثبت أن اختيار طريقة تشفير الجزيء كان أكثر أهمية من اختيار النموذج الحاسوبي نفسه. فعلى سبيل المثال، في مهمة التنبؤ بما إذا كان الجزيء سيكون سامًا، حققت نوع محدد من البصمات يسمى "ماكس" (MACS) أفضل النتائج للنموذج البسيط، بينما حقق نوع آخر يسمى "إف سي إف بي" (FCFP) أفضل النتائج للنموذج المعقد. ويشير هذا إلى عدم وجود "كود مثالي" واحد لجميع المشكلات الكيميائية؛ إذ يعتمد النهج الأفضل تمامًا على الخاصية المحددة المراد التنبؤ بها. كما تحقق الباحثون من صحة نتائجهم باستخدام مجموعات بيانات خارجية، مما أكد أن نماذجهم ظلت قوية عند مواجهة بيانات جديدة وغير مرئية، حيث تجاوزت متوسط درجات الدقة 0.9 باستمرار في العديد من مهام التصنيف البيولوجي.

وبعيدًا عن الأداء الخام، تناولت الدراسة عقبة رئيسية في الذكاء الاصطناعي: وهي قابلية التفسير. فغالبًا ما تعمل نماذج الذكاء الاصطناعي القوية كـ "صناديق سوداء"، حيث تقدم إجابة دون شرح السبب. وقد أظهر الباحثون أن نموذج "الترانسفورمر"، رغم أنه ليس دائمًا الأكثر دقة، قد قدم نافذة فريدة على منطقه الخاص. فمن خلال تحليل أوزان "الانتباه" (attention weights) الداخلية للنموذج — والتي تشير إلى الأجزاء التي ركز عليها الحاسوب بشدة — تمكنوا من تحديد البنى الفرعية الكيميائية المحددة التي تقود التنبؤ دون الحاجة إلى أدوات تفسير خارجية. وفي دراسة حالة مقنعة تقارن بين المورفين والهيروين، حدد النموذج بشكل صحيح أن وجود مجموعات الهيدروكسيل (الهياكل المحتوية على الأكسجين) في المورفين يجعله أقل عرضة لعبور الحاجز الدموي الدماغي مقارنة بالهيروين الذي يفتقر إلى هذه المجموعات. لقد خص النموذج "انتباهاً" أعلى لميزات الهيدروكسيل هذه في المورفين، مما يعكس المعرفة الكيميائية الراسخة. وتوحي هذه القدرة على تسليط الضوء على الأنماط ذات المعنى الكيميائي بأن هذه النماذج لا يمكنها التنبؤ بالنتائج فحسب، بل يمكنها أيضًا المساعدة في فهم الأسباب الهيكلية وراءها.

وفي نهاية المطاف، ينقل هذا العمل التركيز من مجرد بناء نماذج أكبر وأكثر تعقيدًا إلى الاختيار الدقيق للأدوات المناسبة للمهمة. وخلص الباحثون إلى أنه بينما توفر البنى المتقدمة مثل "الترانسفورمر" رؤى قيمة حول كيفية تفاعل الجزيئات، إلا أنها لا تضمن تلقائيًا تنبؤات متفوقة. وبدلاً من ذلك، فإن الاستراتيجية الأكثر فعالية تتمثل في مطابقة طريقة تشفير الجزيء مع مهمة التنبؤ وبنية النموذج المختار. ومن خلال منح الأولوية لقابلية التفسير جنبًا إلى جنب مع الدقة، يوفر هذا النهج مسارًا أكثر انضباطًا نحو اكتشاف الأدوية، مما يضمن أن النماذج الحاسوبية المستخدمة لتصميم أدوية منقذة للحياة ليست قوية فحسب، بل مفهومة وموثوقة أيضًا.