طريقة جديدة تعتمد على الذكاء الاصطناعي تسريع محاكاة البروتينات وتكشف عن دوافع طيها المعقدة

فريق دولي بقيادة البروفيسورة سيسيليا كليمنتي، أستاذة أينشتاين في قسم الفيزياء بجامعة فريه برلين، قد طور طريقة جديدة تعتمد على الذكاء الاصطناعي لمحاكاة البروتينات بشكل أكثر دقة وكفاءة مما كان متاحًا سابقًا. تم نشر هذه الدراسة في العدد الصادر بتاريخ 18 يوليو 2025 من دورية Nature Chemistry. يتميز نموذج CGSchNet، الذي يعد نموذجًا متوسط الدقة تم تعلمه بواسطة آلة، بأنه يعمل بشكل أسرع بكثير من محاكيات الديناميكية الجزيئية التقليدية التي تعتمد على جميع الجزيئات. هذا السرعة تمكن الباحثين من استكشاف بروتينات أكبر وأنظمة معقدة، مما يوفر إمكانات كبيرة في مجال اكتشاف الأدوية وهندسة البروتينات، مثل تطوير طرق علاج السرطان. على مدى الخمسين عامًا الماضية، كان تطوير نموذج متوسط الدقة قادر على التقاط طيات البروتينات وديناميكيتها تحديًا دائمًا للعلماء. تقول البروفيسورة كليمنتي: "هذا العمل هو أول من أثبت أن التعلم العميق يمكن أن يتغلب على هذا العائق ويؤدي إلى نظام محاكاة يقترب من محاكيات البروتينات التي تعتمد على جميع الجزيئات دون نمذجة صريحة للمذيب أو التفاصيل الذرية". في CGSchNet، قام فريق البروفيسورة كليمنتي بتدريب شبكة عصبية بيانية على تعلم التفاعلات الفعالة بين جسيمات البروتينات المتوسطة الدقة لإعادة إنتاج ديناميكيات مجموعة متنوعة تتكون من آلاف المحاكاة الجزيئية لجميع الجزيئات. بخلاف أدوات التنبؤ الهيكلية، فإن CGSchNet يقوم بتقليد العملية الديناميكية، بما في ذلك الحالات الوسيطة ذات الصلة بعمليات الطي الخاطئ مثل تكون الأميلويدات، وهي مجموعات بروتينية مرضية تظهر في حالات مثل مرض الزهايمر. كما أن النموذج يحاكي الانتقالات بين الحالات المطوية، وهو ما يعتبر حاسمًا لوظائف البروتينات، ويمكنه التعميم على بروتينات خارج مجموعة التدريب الخاصة به، مما يدل على سلامة الكيميائية القوية. بالإضافة إلى ذلك، يتمكن النموذج من التنبؤ بدقة بالحالات شبه المستقرة للبروتينات المطوية وغير المطوية والمبعثرة، والتي تشكل الغالبية العظمى من البروتينات ذات النشاط البيولوجي. كانت هذه التنبؤات في غاية الصعوبة في الماضي بسبب مرونة هذه البروتينات. أيضًا، يمكن للنموذج تقدير الطاقات الحرة النسبية للطي للطفرات البروتينية، وهي مهمة لم يستطع الطرق المحاكية السابقة تحقيقها بسبب القيود الحسابية.