Three properties of a decoy pool decide a protein–protein rescoring comparison: the candidate-set size, its composition, and the relaxation of its near-native poses
تُظهر هذه الدراسة أن صحة مقارنات إعادة تقييم التفاعل بين البروتينات تعتمد بشكل حاسم على حجم مجموعة المرشحين، وتكوينها، ومدى استرخاء الأوضاع القريبة من الحالة الأصلية، حيث لا تتفوق الجهود القائمة على المعرفة إلا على مؤشرات تكامل الشكل عندما تُطبق على مجموعات النماذج المحاكية للواقع المرتبطة والخالية من التصادمات، بدلاً من المجموعات غير المرتبطة أو تلك المولدة عبر البحث.
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
تخيل بروتينين يحاولان العثور على بعضهما البعض في البيئة المزدحمة والفوضوية للخلية. إنهما يشبهان قطعتي أحجية (بازل) تطفوان في غرفة مظلمة، لكل منهما شكل محدد يجب أن يتطابق تماماً لفتح وظيفة بيولوجية. لقد طور العلماء برامج حاسوبية للتنبؤ بكيفية تعشيق هاتين القطعتين معاً، وهي عملية تسمى "الإرساء الجزيئي" (molecular docking). يقوم الحاسوب بتوليد آلاف الطرق الممكنة التي يمكن أن يستقر بها البروتينان بجانب بعضهما البعض، مما يخلق قائمة ضخمة من التخمينات. معظم هذه التخمينات خاطئة، لكن القليل منها يكون قريباً جداً من الترتيب الطبيعي الحقيقي. التحدي الذي يواجه الباحثين هو كتابة نظام تسجيل يمكنه النظر إلى هذه القائمة الطويلة واختيار أفضل تخمين واحد، التخمين الذي يطابق الواقع.
لسنوات، اختبر العلماء أنظمة التسجيل هذه باستخدام طريقة محددة. يأخذون ترتيباً صحيحاً معروفاً، ويهزونه قليلاً لإنشاء مجموعة من "النماذج الخادعة" أو الأوضاع المزيفة، ثم يرون ما إذا كان نظام التسجيل الجديد الخاص بهم يمكنه العثم على الترتيب الصحيح الأصلي من بين النماذج المزيفة. أدى هذا النهج إلى الاعتقاد بأن أنواعاً معينة من أنظمة التسجيل، التي تعتمد على الأنماط الإحصائية لكيفية تفاعل الذرات عادةً، هي متفوقة على الأنظمة الأبسط التي تنظر فقط إلى مدى جودة تطابق الأشكال. ومع ذلك، تشير دراسة جديدة إلى أن هذا الاستنتاج الذي ساد لفترة طويلة قد يكون وهماً ناتجاً عن الطريقة التي صُممت بها الاختبارات. وجد الباحثون أن نجاح نظام التسجيل يعتمد كلياً على الظروف المحددة للاختبار، وخاصة ما إذا كانت الهياكل الأولية مثالية أم غير مثالية، وعدد التخمينات التي يتم تقييمها في وقت واحد.
قرر الباحثون، الذين يعملون في جامعة قوانغشي للعلوم والتكنولوجيا، التحقيق في سبب إعطاء هذه الاختبارات أحياًنا إجابات مختلفة تماماً. قاموا ببناء ثلاث مجموعات مختلفة من بيانات الاختبار لمقارنة نظام تسجيل إحصائي بنظام بسيط يعتمد على مطابقة الشكل. المجموعة الأولى تم إنشاؤها عن طريق أخذ الهياكل المثالية المعروفة للبروتينات وهزها بلطف لإنشاء مجموعة من التخمينات. في هذا السيناريو، كان الجواب الصحيح موجوداً دائماً هناك، وقد تحرك مسافة ضئيلة فقط. استخدمت المجموعة الثانية نفس طريقة الهز ولكن بدأت بالهياكل غير المرتبطة وغير المثالية للبروتينات، وهي الطريقة التي توجد بها قبل أن تلتقي في الخلية. أما المجموعة الثالثة، فاستخدمت مخرجاً حقيقياً منشوراً من برنامج إرساء رئيسي، وهو ما ينتجه الحاسوب فعلياً عندما يبحث عن تطابق دون أي مساعدة.
عندما اختبر الباحثون نظام التسجيل الإحصائي الخاص بهم على المجموعة الأولى، حيث كانت الهياكل الأولية مثالية، كان أداؤه رائعاً. لقد نجح باستمرار في وضع الوضع الصحيح في أعلى القائمة، متفوقاً بمراحل على نظام مطابقة الشكل البسيط. أكد هذه النتيجة الرؤية التقليدية بأن الطرق الإحصائية أفضل. ومع ذلك، بمجرد انتقالهم إلى المجموعة الثانية، باستخدام الهياكل غير المرتبطة وغير المثالية، تلاشى هذا التفوق. لم يعد النظام الإحصائي يجد الوضع الصحيح بشكل أفضل من الصدفة. وعندما اختبروا المجموعة الثالثة، وهي مخرجات الإرساء الحقيقية من البرنامج، لم يظهر النظام الإحصائي أي ميزة على نظام مطابقة الشكل؛ فلم يستطع التمييز بين الوضع الصحيح وآلاف الأوضاع الخاطئة، وفي بعض الحالات، لم تكن النتائج تختلف بشكل كبير عن العشوائية.
كشفت الدراسة عن السبب وراء هذا التحول الدراماتيكي. يعمل نظام التسجيل الإحصائي عن طريق عدّ الذرات التي تكون قريبة جداً من بعضها البعض، وهي حالة تُعرف باسم "التصادم" (clash). في النماذج المثالية التي تم هزها، لم يكن للوضع الصحيح أي تصادمات، لذا أعطاه النظام درجة عالية. ولكن في النماذجه غير المثالية ونتائج البحث في العالم الحقيقي، احتوى الوضع الصحيست طبيعياً على بعض التصادمات التي لا يمكن تجنبها لأن الهياكل الأولية كانت غير متوافقة قليلاً. النظام الإحصائي، برؤيته لهذه التصادمات، عاقب الوضع الصحيح، وكأنه يعاقبه لكونه الإجابة الصحيحة في واقع فوضوي. لم يكن لدى نظام مطابقة الشكل البسيط هذه المشكلة؛ فقد كان أقل حساسية لهذه العيوب الطفيفة وبالتالي كان أداؤه أكثر اتساقاً عبر أنواع الاختبارات المختلفة.
اكتشف الباحثون أيضاً أن حجم القائمة التي يتم تقييمها يغير الحكم النهائي. عندما كانت القائمة صغيرة، تحتوي فقط على أفضل عشرين توقعاً، بدا النظام الإحصائي متفوقاً في النماذج المثالية. ولكن مع نمو القائمة لتشمل مئات أو آلاف التخمينات، بدأ نظام مطابقة الشكل البسيط يبدو أفضل من حيث الترتيب العام، رغم أن النظام الإحصائي كان لا يزال أفضل في العثور على الوضع الأفضل الوحيد في القوائم الصغيرة. وهذا يعني أن سؤال "أي نظام هو الأفضل؟" ليس له إجابة واحدة؛ فهو يعتمد تماماً على ما إذا كنت تبحث عن أفضل تخمين مطلق في مجموعة صغيرة أو تحاول فرز كومة هائلة من البيانات.
ولعل الاكتشاف الأكثر إثارة للدهشة هو أنه في مخرجات الإرسرا الحقيقية، لم يستطع أي نظام تسجيل العثور بشكل موثوق على الوضع الصحيح عندما تكون القائمة صغيرة. طبق الباحثون اختباراً صارماً لمعرفة ما إذا كانت الدرجات تحتوي على أي معلومات حقيقية أم أنها مجرد ضجيج عشوائي. ووجدوا أنه بالنسبة لبيانات العالم الحقيقي، كانت الدرجات غير قابلة للتمييز عن قائمة عشوائية تم خلطها. لم يكن الوضع الصحيح موجوداً ببساطة في التخمينات القليلة الأولى التي أنتجها برنامج البحث، لذا لم يستطع أي نظام تسجيل إنقاذه. لم يفشل النظام الإحصائي لأنه سيء في الترتيب، بل فشل لأن الشيء الذي كان من المفترض أن يجده كان مفقوداً من القائمة بأكملها.
هذا العمل يفرض إعادة تفكير في كيفية تقييم إرساء البروتين. خلصت الدراسة إلى أن المقارنة بين أنظمة التسجيل تكون صالحة فقط إذا ذكر الباحثون بوضوح حجم القائمة التي يتم اختبارها، وتكوين تلك القائمة، وما إذا كانت الأوضاع الصحيحة في تلك القائمة مثالية هيكلياً أو تعاني من بعض الإجهاد. إن نظام التسجيل الذي يبدو كفائز في مجموعة اختبار اصطناعية نظيفة قد يكون عديم الفائدة في تطبيق من العالم الحقيقي حيث تكون الهياكل الأولية غير مثالية والجواب الصحيح مدفوناً في بحر من التخمينات الخاطئة. ويجادل المؤلفون بأن المعايير المستقبلية يجب أن تذكر هذه التفاصيل صراحة، لأنه بدونها، فإن الادعاء بأن طريقة ما هي أفضل من أخرى ليس مجرد ادعاء ناقص، بل هو ادعاء مضلل. إن نجاح الطريقة ليس خاصية متأصلة في البرنامج، بل هو نتيجة للظروف المحددة التي طُلب منه العمل في ظلها.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.