يتجه هندسة البروتينات من "التجربة والخطأ" إلى "الفحص المسبق الحاسوبي"، حيث تُستخدم الأساليب الحاسوبية لتقييم تأثير الطفرات على وظيفة البروتين قبل إجراء التجارب العملية، مما يُقلل من عدد البروتينات المرشحة ويُخفض تكاليف التجارب. مع ذلك، فإن نطاق طفرات البروتينات واسع، والعلاقة بين البنية والوظيفة معقدة. لطالما كان تحقيق التوازن بين كفاءة التنبؤ ودقته تحديًا أساسيًا في هذا المجال.

في يوليو 2025، أصدرت جامعة شنغهاي جياو تونغ، بالتعاون مع جامعة شرق الصين للعلوم والتكنولوجيا ومختبر شنغهاي للذكاء الاصطناعي، برنامج VenusREM، وهو نموذج للتنبؤ بتأثير الطفرات البروتينية.تم نشر الورقة البحثية في مؤتمر ISMB/ECCB 2025 وتم فهرستها بواسطة Bioinformatics.تحتل حاليًا المرتبة الأولى في معايير الطفرات الاستبدالية في برنامج ProteinGym.

تتمحور الفكرة الأساسية لـ VenusREM حول "تحسين الاسترجاع". فهي تُقدم آلية لتحسين الاسترجاع (REM) استنادًا إلى نموذج لغة البروتين. أثناء الاستدلال، تستخدم معلومات التسلسل المتماثل من محاذاة التسلسلات المتعددة (MSA) كمرجع لاستخلاص المعرفة المسبقة حول الحفظ والطفرات من المعلومات التطورية للبروتينات المتماثلة، مما يُحسّن دقة التنبؤ.

من حيث بنية النموذج، تم بناء VenusREM على نموذج لغة البروتين ProSST الذي يراعي بنية البروتين، والذي يدمج تسلسل الأحماض الأمينية والمعلومات الهيكلية ثلاثية الأبعاد، ويدعم أوضاع استرجاع متعددة مثل تسلسل الأحماض الأمينية أو التسلسل الهيكلي أو مزيج من الاثنين، ويمكنه الحفاظ على أداء مستقر في ظل ظروف بيانات مختلفة.

من خلال الاستفادة الشاملة من المعلومات المتعلقة بالتسلسل والبنية والتطور،يمكن استخدام VenusREM لفحص الطفرات في هندسة البروتين، وتقييم البروتوكولات المرشحة قبل تجارب التطور الموجه، وتحليل الطفرات المسببة للأمراض المرتبطة بالأمراض.يساعد ذلك الباحثين على تحديد مواقع الطفرات الرئيسية المحتملة بسرعة أكبر، ويسرع عملية الانتقال من التنبؤ الحسابي إلى التحقق التجريبي.

أطلقت منصة VenusREM حاليًا قسمًا تعليميًا خاصًا بتقنية HyperAI، حيث يمكن للمستخدمين اتباع الدروس التعليمية لإتمام العملية برمتها، بدءًا من تهيئة البيئة ونشر النموذج، وصولًا إلى التنبؤ بتأثير الطفرات وعرض النتائج. كما يمكن للمستخدمين استبدال التسلسلات النموذجية لتطبيق النموذج مباشرةً على أبحاثهم الخاصة بالبروتينات المستهدفة. ⬇️

تشغيل عبر الإنترنت:

https://go.hyper.ai/tfNeL

المزيد من الدروس التعليمية عبر الإنترنت:

https://hyper.ai/notebooks

برنامج تعليمي قيد التشغيل

1. بعد الدخول إلى الصفحة الرئيسية لموقع hyper.ai، حدد صفحة "الدروس التعليمية"، أو انقر فوق "عرض المزيد من الدروس التعليمية"، وحدد "VenusREM: التنبؤ بتأثير طفرة البروتين المحسّن بالبحث"، وانقر فوق "تشغيل هذا البرنامج التعليمي".

2. بعد إعادة توجيه الصفحة، انقر فوق "استنساخ" في الزاوية اليمنى العليا لاستنساخ البرنامج التعليمي في الحاوية الخاصة بك.

ملاحظة: يمكنك تبديل اللغات في الزاوية العلوية اليمنى من الصفحة. حاليًا، اللغتان الصينية والإنجليزية متاحتان. سيوضح هذا البرنامج التعليمي الخطوات باللغة الإنجليزية.

3. حدد صور "NVIDIA RTX 5090" و "PyTorch"، وانقر فوق "متابعة تنفيذ المهمة".

4. انتظر حتى يتم تخصيص الموارد. بمجرد أن تتغير الحالة إلى "قيد التشغيل"، انقر فوق "فتح مساحة العمل" للدخول إلى مساحة عمل Jupyter.

عرض التأثير

1. بعد إعادة توجيه الصفحة، انقر على ملف README الموجود على اليسار، ثم انقر على تشغيل في الأعلى.

2. بعد اكتمال العملية، يمكنك عرض نتائج التنبؤ بتأثير الطفرة وخريطة الحرارة المرئية في البرنامج التعليمي، والتي ستوضح بشكل بديهي تأثير استبدال الأحماض الأمينية في كل موقع على وظيفة البروتين.