طريقة جديدة بالذكاء الاصطناعي تحقق تحسينات ملحوظة في هندسة البروتينات عبر انتقاء وإعادة تصميم التطور العكسي ب集成结构和进化约束

تم تطوير طريقة جديدة لتصاميم البروتينات الهندسية باستخدام الذكاء الاصطناعي، وذلك من خلال فريق الأبحاث بقيادة الدكتورة غاو كايشا في معهد الوراثة والبيولوجيا التنموية التابع لأكاديمية العلوم الصينية. تتمثل البروتينات الهندسية في تعديل حُلل الأحماض الأمينية للبروتينات لتحسين أو تغيير الوظائف الهيكلية لهذه البروتينات. رغم أن البروتينات الهندسية يمكن أن تكون أكثر فعالية من هندسة الجينوم لأنها تعمل مباشرة على جزيئات البروتين، فإنها غالبًا ما تواجه تحديات مرتبطة بالاعتماد الكبير على الخبرة، وطول الزمن اللازم للأبحاث، وتكرار التجارب، مما يزيد من التكاليف ويحد من إمكانية التطبيق على نطاق واسع. الفريق الصيني قدم حلاً لهذه التحديات عبر تطوير طريقة جديدة تعتمد على نموذج الانكماش العكسي العام (Universal Inverse Folding Model) مع قيود هيكلية وتطورية. هذا النموذج، الذي أطلق عليه اسم AiCE (AI-informed Constraints for Protein Engineering)، يمكنه التنبؤ بتطور البروتينات وتصميم وظائفها بدون الحاجة إلى تدريب نماذج ذكاء اصطناعي خاصة لكل بروتين، مما يقلل من الحمل الحاسوبي ويحسن الأداء بشكل كبير. يتألف AiCE من وحدتين أساسيتين: الأولى تدعى AiCEsingle وهي مصممة للتنبؤ بالبدائل الفردية للأحماض الأمينية بناءً على الهيكل الثلاثي الأبعاد للبروتين. أظهرت الاختبارات التي أجريت على 60 مجموعة بيانات للطفرات العميقة أن AiCEsingle حققت دقة تنبؤ تبلغ 16%، وهي نسبة أعلى بنسبة 37% من تلك المتحققة دون فرض قيود هيكلية. كما أثبتت التجارب أن AiCEsingle تتفوق بأداء يبلغ 36% إلى 90% على النماذج الأخرى الشائعة. الوحدة الثانية تدعى AiCEmulti وهي مصممة لتنبؤات الطفرات المتعددة، حيث تفترض وجود مواقع أحماض أمينية مترابطة تعاونياً قد تؤدي إلى تطور أفضل. أظهرت نتائج تحليل ست مكتبات طفرات أن AiCEmulti تقدم قدرة تنبؤ مشابهة لتلك المقدمة بواسطة النموذج الكبير SaProt، ولكن بتكلفة حوسبة أقل بكثير. بفضل هذا النهج الجديد، تمكن الفريق من تحسين كفاءة ودقة أدوات التعديل الوراثي المتنوعة، بما فيها الإنزيمات المحددة والإنزيمات النواة والأنزيمات الرجعية. على سبيل المثال، تم تطوير محرر قواعد جديد يعتمد على الإنزيمات المحددة، والذي يمكن استخدامه في الطب الدقيق وزراعة الأصناف الجينية. هذا المحرر يتضمن محرر قاعدة السيتوسين (Cytosine Base Editor) الجديد enABE8e، الذي يقلص نافذة التعديل بمقدار النصف تقريبًا، ومحرر قاعدة الآدين (Adenine Base Editor) الجديد enSdd6-CBE، الذي يزيد من الفعالية بمقدار 1.3 مرة، بالإضافة إلى محرر قاعدة الميتوكوندريا (Mitochondrial Base Editor) الجديد enDdd1-DdCBE، الذي يزيد من النشاط بمقدار 13 مرة. الدراسة التي نشرت في مجلة "Cell" بتاريخ 7 يوليو، تؤكد أن AiCE يقدم تحسينات كبيرة في الكفاءة والقابلية للتخصيص والتطبيق العام مقارنة بالطرق التقليدية لتصاميم البروتينات الهندسية. وقد ساهمت هذه النتائج في تأكيد إمكانية استخدام AiCE في تطبيقات متعددة، مثل تطوير أدوات التعديل الوراثي الأكثر فعالية ودقة. هذه المنهجية الجديدة تعد خطوة مهمة نحو تبسيط وتعميم تصاميم البروتينات الهندسية، مما يفتح آفاقًا واسعة للاستخدامات الطبية والزراعية المستقبلية.