Robust enzyme kinetics prediction through pairwise relative learning
تقدم الورقة البحثية DeltaKcat، وهو إطار عمل لشبكة عصبية توأمية (siamese neural network) يعيد صياغة التنبؤ بحركية الإنزيمات كمسألة تعلم نسبي زوجي للتغلب على قيود الانحدار المطلق، محققاً بذلك دقة ومتانة وقدرة أعلى على التعميم في تحديد الإنزيمات عالية النشاط عبر مجموعات البيانات البيولوجية المشوشة.
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
تعتمد الحياة على آلات بيولوجية دقيقة تُسمى الإنزيمات. تعمل هذه البروتينات كعوامل حفازة، حيث تسرع التفاعلات الكيميائية التي تحافظ على حياة الخلايا، بدءاً من هضم الطعام وصولاً إلى إصلاح الحمض النووي (DNA). ولفهم مدى كفاءة عمل الإنزيم، يقيس العلماء سرعته وكفاءته، وهي قيم تُعرف بالمعلمات الحركية (kinetic parameters). تخبر هذه الأرقام الباحثين بمدى سرعة قدرة الإنزيم على تحويل مادة خام إلى منتج، ومدى قوة تمسكه بتلك المادة. وبينما صنف العلماء الملايين من تسلسلات البروتينات، فإن أقل من واحد في الألف منها يمتلك هذه القياسات السرعية الحاسمة. تترك هذه الفجوة مشهداً واسعاً من الإمكانات البيولوجية غير مستكشف. ولملء هذا الفراغ، توجه الباحثون إلى أجهزة الكمبيوتر، آملين في التنبؤ بهذه السرعات بناءً على الشفرة الجينية للإنزيم. ومع ذلك، فإن البيانات المتاحة لتدريب برامج الكمبيوتر هذه فوضوية؛ إذ غالباً ما تختلف قياسات الإنزيم نفسه بشكل كبير اعتماداً على المختبر الذي أجرى القياس أو الظروف المحددة المستخدمة، مما يخلق إشارة مشوشة تربك نماذج التنبؤ القياسية.
قام فريق من الباحثين في جامعة تسينغ هوا وجامعة بوسطن بتطوير نهج جديد لحل هذه المشكلة، عبر نقل التركيز من تخمين الأرقام الدقيقة إلى فهم الفروق النسبية. لقد أنشأوا نظاماً يُدعى "دلتا كات" (DeltaKcat)، والذي يعامل التنبؤ بالإنزيم ليس كاختبار للذاكرة، بل كدرس في المقارنة. فبدلاً من مطالبة الكمبيوتر بالتنبؤ بالسرعة الدقيقة لإنزيم واحد بمعزل عن غيره، ينظر النظام إلى أزواج من الإنزيمات التي تعمل تحت ظروف متشابهة. إنه يتعلم التنبؤ بمدى سرعة أو بطء إنزيم ما مقارنة بإنزيم آخر ضمن نفس السياق التجريبي. ومن خلال التركيز على الفرق بين شيئين بدلاً من القيمة المطلقة لأحدهما، يقوم النموذج بفلترة الضجيج الخلفي الناتج عن أساليب المختبرات غير المتسقة بفعالية. وهذا يسمح للنظام بتعلم العلاقة الحقيقية بين بنية الإنزيم ووظيفته، متجاهلاً الخصائص الغريبة لأي دراسة فردية.
بنى الباحثون هذا النظام باستخدام مجموعة ضخمة من البيانات التي جُمعت من قواعد البيانات العامة والأدبيات العلمية، حيث نظموا أكثر من 135,000 قياس للسرعة ومئات الآلاف من قياسات الارتباط. قاموا بربط هذه المدخلات بحيث يمكن للكمبيوتر مقارنة الإنزيمات التي تشترك في ركيزة واحدة، أو الركائز التي تشترك في إنزيم واحد، لضمان حدوث المقارنة ضمن إطار تجريبي متسق. يستخدم النموذج أدوات لغوية متقدمة لقراءة التسلسلات الجينية للبروتينات والهياكل الكيميائية للجزيئات التي تعمل عليها، وترجمة هذه الأنماط المعقدة إلى تنسيق يمكن للكمبيوتر فهمه. ثم يقوم بحساب الفرق في الأداء بين العناصر المزدوجة. وقد أثبتت هذه الطريقة فعاليتها بشكل ملحوظ؛ فعند اختبارها على إنزيمات جديدة لم يرها من قبل، استطاع النظام التنبؤ بدقة بكيفية تغير سرعتها بالنسبة لنماذج معروفة، حتى عندما كانت التشابهات الجينية منخفضة. كما تفوق النظام في تحديد الإنزيمات الأكثر كفاءة، وهي مهمة كانت تفشل فيها النماذج القديمة لأنها كانت تميل إلى تخمين القيم المتوسطة بدلاً من القيم القصوى.
ولإثبات نجاح النظام في العالم الحقيقي، اختبره الفريق على مجموعة محددة من الإنزيمات تُسمى "أدينيلات كيناز" (adenylate kinases)، وهي حيوية لإدارة الطاقة في الخلايا. كانت هذه المجموعة بأكملها غائبة تماماً عن بيانات التدريب، مما يعني أن الكمبيوتر كان عليه الاعتماد كلياً على قدرته المتعلمة على المقارنة والمقابلة. وبالرغم من عدم وجود أي تعرض مسبق لهذه الإنزيمات المحددة، نجح النموذج في تحديد المتغيرات الأكثر نشاطاً، متفوقاً على جميع الطرق الموجودة. وعندما زود الباحثون النظام بكمية صغيرة من البيانات الجديدة لضبطه بدقة، تحسنت دقة النظام بشكل كبير، مما يدل على أن هذا النهج يمكنه التكيف بسرعة مع العائلات البيولوجية الجديدة. وتشير هذه النتائج إلى أنه من خلال تغيير طريقة طرح السؤال — بالانتقال من التنبؤ المطلق إلى المقارنة النسبية — يمكننا بناء أدوات أكثر موثوقية لاكتشاف وهندسة الإنزيمات. ومن شأن هذا التقدم أن يسرع تصميم محفزات حيوية جديدة للطب والصناعة، محولاً المكتبة الهائلة وغير المقاسة للحياة إلى مورد قابل للاستخدام.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.