Reconstructing sequence-grammar trajectories enables interpretable and tunable cis-regulatory element design
تقدم الورقة البحثية GO-CRE، وهو إطار عمل للتعلم العميق القابل للتفسير يجمع بين نموذج هجين من نوع Transformer-Mamba2 والتعلم التعزيزي وإعادة بناء مسار قواعد التسلسل، لتصميم والتحقق تجريبياً من عناصر تنظيمية "cis" متنوعة ومحددة لنوع الخلية ذات نشاط وخصوصية معززين.
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، توجد مكتبة هائلة من التعليمات التي تملي كيف تعمل الحياة، لكن الأجزاء الأكثر أهمية في هذه المكتبة ليست الجينات نفسها. بدلاً من ذلك، فإن الموصلات الحقيقية للحياة الخلوية هي قطع قصيرة من الحمض النووي (DNA) تشبه المفاتيح، تُعرف بالعناصر التنظيمية "سيس" (cis-regulatory elements). تعمل هذه القطع كمفاتيح تعتيم أو أزرار تشغيل وإيقاف، حيث تخبر جينات معينة متى تعمل، وبأي قوة "تغني"، وفي أي أنواع من الخلايا تعمل. لولاها، لما عرفت خلية الكبد كيف تصفي السموم، ولما عرفت خلية الدم كيف تحمل الأكسجين. لعقود من الزمن، تمكن العلماء من قراءة هذه المفاتيح، لكن تصميم مفاتيح جديدة من الصفر للتحكم في الخلايا لأغراض علاجية أو بحثية ظل يمثل تحدياً عميقاً. الأمر يشبه محاولة كتابة لغة جديدة تكون قواعدها غير مرئية وقواعدها تتغير اعتماداً على الحي الذي تعيش فيه الكلمة.
لقد طور فريق من الباحثين الآن طريقة جديدة لتصميم هذه المفاتيح الجينية، محولين عملية كانت ذات يوم بمثابة "صندوق أسود" إلى رحلة شفافة وقابلة للتوجيه. ومن خلال بناء نظام يراقب كيفية تطور تسلسلات الحمض النووي أثناء تصميمها، استطاعوا رؤية كيف تظهر "قواعد" الحياة بدقة. سمح هذا النهج لهم بإنشاء مفاتيح اصطناعية تعمل بدقة عالية في أنواع محددة من الخلايا البشرية، مما يوفر مساراً أوضح نحو هندسة الدوائر الجينية التي تتحكم في صحتنا.
قام الباحثون، بقيادة مينغكيان ما وزملاؤه، بإنشاء إطار عمل أطلقوا عليه اسم GO-CRE، وهو اختصار لـ "التحسين الموجه للعناصر التنظيمية سيس" (Guided Optimization of Cis-Regulatory Elements). لفهم كيفية عمله، تخيل برنامج كمبيوتر يحاول كتابة جملة تجعل نوعاً معيناً من الخلايا يتفاعل بطريقة مرغوبة. في الماضي، كان العلماء يتركون الذكاء الاصطناعي يولد آلاف تسلسلات الحمض النووي، ثم يختبرونها، ويأملون أن تنجح الأفضل منها. كان هذا غالباً عملية قائمة على التجربة والخطأ، حيث قد يجد الكمبيوتر حلاً يعمل بمحض الصدفة، باستخدام أنماط بسيطة ومتكررة خدعت الاختبار لكنها لم تفهم البيولوجيا حقاً. يغير النظام الجديد هذا الأمر من خلال التعامل مع عملية التصميم ليس كسباق نحو خط النهاية، بل كخريطة لرحلة.
يعتمد جوهر طريقتهم على نموذج حاسوبي قوي يسمى HybriDNA. تم تدريب هذا النموذج على مجموعة ضخمة من الحمض النووي من مئات الأنواع، ليتعلم الأنماط الدقيقة التي تحكم كيفية تخزين المعلومات الجينية وقراءتها. استخدم الباحثون هذا النموذج لتوليد تسلسلات حمض نووي جديدة، لكنهم لم يتوقفوا عند هذا الحد؛ فقد أضافوا طبقة من المراقبة تتبع كل تغيير صغير يجريه الكمبيوتر أثناء محاولته تحسين التسلسل. قاموا بتفكيك هذه التغييرات إلى وحدات بناء صغيرة، ومراقبة كيفية تغير وتيرة تركيبات أحرف معينة ووجود العلامات البيولوجية المعروفة بمرور الوقت. سمح هذا لهم بإعادة بناء "المسار"، أو الطريق الذي اتخذه التسلسل أثناء تطوره من سلسلة عشوائية من الحمض النووي إلى مفتاح وظيفي.
عندما شاهد الفريق هذه المسارات وهي تتكشف في نوع من خلايا الكبد يُعرف باسم HepG2، اكتشفوا شيئاً غير متوقع. كانت التسلسلات تقع في فخ؛ فقد وجد الكمبيوتر طريقاً مختصراً عبر إنشاء امتدادات طويلة ومتكررة من حرف واحد، وتحديداً سلسلة من حرف الـ (G)، وهو ما اعتبره النموذج خطأً حلاً جيداً. كان هذا جواباً منخفض الجودة استوفى نظام تسجيل الكمبيوتر لكنه فشل في إنشاء مفتاح بيولوجي حقيقي وعامل. ولأن الباحثين استطاعوا رؤية ذلك في الوقت الفعلي، تمكنوا من التدخل؛ حيث قاموا بتعديل قواعد اللعبة، بإضافة عقوبة لهذه السلاسل المتكررة. هذا التصحيح البسيط أعاد توجيه مسار الكمبيوتر، بعيداً عن الفخ ونحو حل أكثر تعقيداً وذي معنى بيولوجي.
هذه القدرة على تشخيص وإصلاح عملية التصميم في منتصف الرحلة كشفت أن الخلق الناجح لهذه المفاتيح يحدث عبر ثلاث مراحل متميزة. أولاً، يستكشف الكمبيوتر على نطاق واسع، مجرباً العديد من التركيبات المختلفة. بعد ذلك، يلتزم باتجاه محدد، مستقراً على مجموعة من السمات البيولوجية التي تنتمي إلى نوع الخلية المستهدف. وأخيراً، يقوم بصقل النتيجة، حيث يهذب التسلسل مع الحفاظ على هويته الأساسية. في خلايا الكبد، تعلم النظام تجميع فريق محدد من العلامات التنظيمية بترتيب دقيق، مما خلق مفتاحاً مدمجاً وفعالاً. وفي خلايا الدم، المعروفة باسم K562، قام بتجميع فريق مختلف من العلامات المناسبة لتلك البيئة.
لإثبات أن هذه المفاتيح التي صممها الكمبيوتر تعمل بالفعل، اختبرها الباحثون في المختبر. قاموا بإدخال تسلسلات الحمض النووي الجديدة في خلايا كبد ودم حية باستخدام فيروس غير ضار. ثم قاموا بقياس مدى جودة تشغيل هذه المفاتيح الجديدة لجين مُبلغ مضيء. كانت النتائج مذهلة؛ فالمفاتيح المصممة لخلايا الكبد أضاءت ببراعة في خلايا الكبد وظلت مظلمة في خلايا الدم، والعكس صحيح. أكد هذا أن الكمبيوتر نجح في تعلم كتابة تعليمات خاصة بنوع الخلية. علاوة على ذلك، كانت مفاتيح الكبد الجديدة، في المتوسط، أكثر نشاطاً من المفاتب الطبيعية الموجودة في الجينوم البشري، مما يشير إلى أن الكمبيوتر وجد طريقة أكثر كفاءة لتنظيم الشفرة الجينية.
كما سلطت الدراسة الضوء على أن ليس كل نوع من الخلايا كان من السهل التصميم له بنفس القدر. فبينما نجح النظام ببراعة في خلايا الكبد والدم، فقد واجه صعوبة في إنشاء مفاتيح محددة لنوع من الخلايا العصبية. في هذه الحالة، ظل مسار الكمبيوتر مشتتاً وفشل في الاستقرار على نمط واضح. كان هذا الفشل مثمراً بقدر النجاح؛ فقد أظهر أن النظام محدود بجودة وكمية البيانات المتاحة لذلك النوع المحدد من الخلايا. لقد كشف أن الكمبيوتر، لكي يتعلم قواعد الخلية، يحتاج إلى مكتبة غنية من الأمثلة لدراستها، وبدون بيانات كافية، لا يمكن لعملية التصميم أن تجد مساراً مستقراً.
من خلال جعل عملية التصميم مرئية وقابلة للتعديل، يحول هذا العمل كيفية مقاربة العلماء للهندسة الجينية. فبدلاً من الأمل في الحصول على نتيجة محظوظة، يمكنهم الآن مشاهدة التسلسل وهو يتطور، ورصد متى يخرج عن المسار، وتوجيهه للعودة إلى مسار منتج. إن المفاتيح الناتجة ليست مجرد تسلسلات عشوائية تصادف أنها تعمل، بل هي نتاج تطور موجه يتقارب نحو برامج بيولوجية مدمجة، فعالة، وعالية التخصص. يقدم هذا النهج أداة قوية لإنشاء الضوابط الجينية الدقيقة اللازمة للعلاجات المستقبلية، محولاً المهمة المجردة لكتابة الحمض النووي إلى عملية ملموسة، مفهومة، وقابلة للتحكم.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.