Command Palette
Search for a command to run...
توليد 800 مليون طيف كتلة تنبؤي لأكثر من 100 مليون جزيء صغير، كورنيل تطرح AIMe الذي يدمج القواعد الكيميائية واستنتاج مسارات التفتيت والتعلم بالشبكة العصبية
في دراسات الميتابولومكس، يمكن لمطياف الكتلة التقاط إشارات جزيئية صغيرة عديدة من العينات البيولوجية المعقدة، لكن اكتشاف الإشارة هو مجرد الخطوة الأولى؛ فالصعوبة الحقيقية تكمن في تحديد الجزيئات المقابلة لها. حاليًا، لا تغطي مكتبات الطيف المرجعية التجريبية المتاحة للمقارنة سوى أقل من 1٪ من المركبات المعروفة، وبالتالي فإن أكثر من 80٪ من المستقلبات في العينات البيولوجية المعقدة النموذجية غالباً ما تبقى غير مُعرَّفة. وفي الوقت نفسه، يكون الفضاء الهيكلي للجزيئات الصغيرة أكثر تعقيداً بكثير مقارنة بالحمض النووي الريبوزي المنقوص الأكسجين والبروتينات، فقد يتوافق الصيغة الكيميائية الواحدة مع العديد من البنى المختلفة، ومن الصعب جداً تغطية هذا الحيز الكيميائي الشاسع فقط عن طريق التوسع المستمر في المواد القياسية ومكتبات الأطياف المرجعية.
لمعالجة هذه المشكلة، طور فريق بحثي من جامعة كورنيل إطار عمل ذكاء اصطناعي هجين عصبي-رمزي متعدد الوكلاء يُعرف باسم مستكشف الجزيء الذكي (AIMe) لتحليل مطيافية كتلة الجزيئات الصغيرة. يجمع نموذجها الأساسي DeepMS²Reasoner بين قواعد الكيمياء واستدلال مسارات التفكك وتعلم الشبكة العصبية، حيث يحاكي عمليات التفكك مثل انقطاع الروابط الكيميائية ونقل الهيدروجين انطلاقاً من بنية الجزيء ويتنبأ بأطياف MS² المطابقة. وبفضل ذلك، يستطيع AIMe تجاوز التطابق المباشر التقليدي القائم على «مطيافية الكتلة التجريبية مقابل المكتبة المرجعية»، ووضع أطياف الكتلة المجهولة للبحث عن مرشحين ذوي صلة ضمن فضاء بنيوي أوسع للجزيئات.
لتوسيع نطاق هذه القدرة لتشمل مساحة الجزيئات الصغيرة المعروفة، قام الفريق البحثي أيضاً بإنشاء MS²KOSMOS، حيث تم توليد أكثر من 800 مليون طيف MS² متوقع لأكثر من 100 مليون جزيء صغير في قاعدة بيانات PubChem، مما وسّع فضاء الأطياف القابل للبحث بمقدار ثلاثة رتب عشرية تقريباً مقارنة بالمكتبات التجريبية الحالية. بالنسبة لأي طيف كتلة مجهول، لا يقتصر دور AIMe على إرجاع المرشحين المحتملين فحسب، بل يقدم أيضاً المسارات التفككية المرتبطة بها ويربط قمم الطيف المحددة بالصيغ البنائية والهياكل الجزئية الممكنة. وبعدئذٍ، تحقق الباحثون من قدراته في تحليل الجزيئات الصغيرة المجهولة والتعليق عليها بمستوى قواميس البيانات باستخدام مستقلبات مرتبطة بالميكروبيوتا المعوية للفئران وبيانات مطيافية الكتلة واسعة النطاق من منصة GNPS.
تم نشر النتائج ذات الصلة تحت عنوان "رسم خريطة عالم الجزيئات الصغيرة من أطياف الكتلة باستخدام الذكاء الاصطناعي العصبي الرمزي" على منصة النشر المبكر bioRxiv.
عرض الورقة البحثية:
https://www.biorxiv.org/content/10.64898/2026.08.05.743095v1
الانتقال من أطياف الكتلة التجريبية إلى فضاء ملياري الجزيئات الصغيرة
تقوم البيانات المستخدمة في AIMe بثلاث مهام رئيسية: تدريب نموذج التنبؤ بطيف الكتلة، وبناء فضاء قابل للاستعلام للجزيئات الصغيرة، واختبار قدرة التحليل في العينات الواقعية.
جاءت بيانات تدريب DeepMS²Reasoner من قاعدة بيانات NIST لعام 2020 الخاصة بمطياف الكتلة التسلسلي. احتفظ الفريق بالأطياف MS² للأيونات المؤينة بإضافة بروتون [M+H]+ والأنيونات الناتجة عن إزالة البروتون [M-H]-، وقام باستبعاد المركبات المعدنية والعينات التي تحتوي معلومات هيكلية ناقصة، كما توحد معالجة قمم الطيف والبنى الجزيئية. وتم تقسيم البيانات بناءً على مفتاح InChI الكامل بنسبة 80٪ مجموعة تدريب، و10٪ مجموعة التحقق، و10٪ مجموعة اختبار. ولتخفيف تأثير تكرار البنى، استُبعدت أثناء التقييم النهائي أي جزيئات اختبار تتطابق تماماً (Tanimoto similarity = 1.0) مع جزيئات التدريب عند استخدام بصمة مورغان.
وقُدِّرت قابلية تعميم النموذج خارجياً عبر مجموعتي بيانات مستقلتين هما CASMI 2022 وMassSpecGym، ولم تُستخدم أي منهما خلال عملية التدريب. وزادت تجارب الاسترجاع الهيكلية من مستوى التعقيد: لكل طيف كتل تجريبي، إلى جانب البنية الصحيحة، أُضيف حتى 49 جزيئة من PubChem تشبهه كتلياً وهيكلياً كمشتتات. وصُممت لـCASMI تجربة صارمة خاصة بجميع المتماكبات، شملت جميع متماكاتب PubChem المشتركة لنفس الصيغة الجزيئية كمرشحة محتملة، ليصل إجمالي عدد أطياف الكتلة المترجمة نحو 2.5 مليون طيف مرشح.
وبعد اكتمال تدريب النموذج، توسعت دائرة الدراسة لتشمل الجزيئات الصغيرة المعروفة في PubChem. بالنسبة لأكثر من 105 ملايين مركب عضوي تمتلك نسبة كتلة/شحنة (m/z) أقل من 1000، تنبّأ AIMe بأطياف MS² تحت أنماط التأين الموجب والسالب وأربع مستويات لطاقة التصادم، مولداً بذلك أكثر من 800 مليون طيف كتلة متوقعة ونظمها داخل MS²KOSMOS لتوفير الأساس لاسترجاع أطياف الكتلة المجهولة لاحقاً.
تركز التطبيقات الواقعية بشكل أساسي على مجموعتين من البيانات. المجموعة الأولى تستمد من ميتابولوميكا براز الفئران الخالية من الجراثيم (GF) والفئران خالية العوامل المرضية المحددة (SPF) ذات الميكروبيوتا الكاملة، وقد اختير منها 111 إشارة تعتمد على الميكروبات وذات وفرة عالية لكنها لم تُعرّف بواسطة المنتجات القياسية والمكتطات الموجودة حالياً. أما الثانية فتأتي من قاعدة بيانات GNCS العامة لمطياف الكتلة، وبعد تصفية حسب حالة الشحن والكتلة الجزيئية وغيرها من الشروط، دخلت ما مجموعه 7,144,480 طيف MS2 توافقياً ضمن البحث واسع النطاق.
تعليم النموذج لكيفية تفكك الجزيئات
يتكون AIMe من ثلاث وحدات مترابطة: يقوم DeepMS²Reasoner بالتنبؤ بأطياف MS2 ومسارات التفكك انطلاقاً من بنية الجزيء؛ ويستعين MS²KOSMOSGenerator بهذا النموذج للتنبؤ بهندسة كيميائية ضخمة وبناء MS²KOSMOS القابل للاستعلام؛ بينما يعالج MS²KOSMOSMapper أطياف الكتلة المجهولة المختبرة عملياً، باحثاً عن الجزيئات المجاورة والهياكل المحتملة الارتباط ضمن MS²KOSMOS. وبفضل إنجاز التنبؤ الواسع مقدماً، تقتصر عملية الاستفسار الفعلية حينها على إجراء حسابات أدق للهياكل المرشحة بعد ترشيحها.
في هذا السياق، يحدد DeepMS²Reasoner قدرة النظام بأكملها على التنبؤ بطيف الكتلة. فهو لا يتعلم مباشرة "أي قمم تتوافق مع جزيء معين وقوة هذه القمم"، بل يبدأ من الجزيء السلفوي ويحاكي عملية التكسير خطوة بخطوة، مشكّلاً ديناميكياً رسمًا بيانيًا موجهًا بلا حلقات (DAG). تمثل العقد في الرسم البيوني شظايا مختلفة، بينما تقابل الحركات المحددة للتكسير الأضلاع. يأخذ النموذج بعين الاعتبار ثلاثة آليات رئيسية وهي انقطاع الروابط الخطية، وانقطاع روابط الحلقات، والإزالة؛ كما يسجل تغيرات الشحنة ونقل الهيدروجين، دون تحديد مسبق لعمق التكسير، مما يتيح له تمثيل الشظايا المعقدة التي تتطلب عدة خطوات لكسر الروابط أو فتح الحلقة أو إعادة الترتيب لتتشكل.
تختار مكون الشبكة العصبية المسمى ALEA (المستشار لتقدير احتمالية الفعل) مسار التكسير المسؤول عن اتخاذ القرار. يعتمد ALEA على بنية Graphormer، ويقوم بتعيين الاحتمالات لأفعال التكسير المختلفة و"إيقاف التكسير" بناءً على الذرات والروابط الكيميائية وهياكل الحلقات وحالة الهيدروجين للشظياء الحالية، بالإضافة إلى ظروف التجربة مثل طاقة الاصطدام والجهاز والأيونات المترافقة. ثم ينشر DeepMS²Reasoner هذه الاحتمالات عبر مسار التكسير، ويتم الحصول على قوة قمة الطيف المقابلة من خلال تراكم احتمال الإيقاف النهائي لكل شظية.
تقوم الشبكة العصبية بتحديد المسارات الأكثر احتمالاً للحدوث، فيما تقوم القواعد الكيميائية بالتحقق من صلاحية حدوث تلك المسارات. بعد كل خطوة تكسّر، يفحص النظام القيود الكيميائية مثل علاقات الاتصال الجزيئي وتوازن الهيدروجين؛ ولا تدخل عمليات التكسير غير المنطقية في الحسابات اللاحقة. يتم دمج الشظايا ذات البنية والحالة الكيميائية المتماثلة لتقليل البحث المكرر. أما الفروع ذات الاحتمال الضئيل جداً فلا يقوم النموذج بتوسيعها أكثر، مما يجنّب إجراء بحث شامل لجميع مسارات التكسير التي تنمو بسرعة هائلة مع تعقيد الجزيء.
أثناء التدريب، يكون التركيز الرئيسي لتعلّم البارامترات منصبّاً على نموذج ALEA، حيث تتم جميع عمليات التكشير الأخرى وتحديد الجدوى الكيميائية باستخدام قواعد حتمية. يستخدم النموذج تباعد كلباك-ليبلر (KL divergence) لقياس الفرق بين طيف الكتلة المتوقع وطيف الكتلة التجريبي، مع إضافة قيود الانتظام لضمان إعطاء أولوية معتدلة للكسر الخطي الأبسط عندما يمكن تفسير نفس القمة الطيفية بعدة آليات. كما يُستخدم التعلم التدريجي (Curriculum Learning)، بدءاً بجزيئات أصغر وأبسط في مسارات التكسير، ثم إدخال مركبات أكبر وأكثر تعقيداً تدريجياً، لتمكين النموذج من إتقان أنماط التكسير المحلية القابلة للنقل أولاً.
بينما يعالج DeepMS²Reasoner مهمة "التنبؤ بالطيف انطلاقاً من الهيكل"، فإن MS²KOSMOS يهدف بشكل أوسع إلى معالجة كيفية "البحث ضمن مليارات الجزيئات". يحول مولّد MS²KOSMOS Generator كل طيف متوقع إلى متجه نادر مُكوّن من الصيغ الجزئية للشظايا، وينشئ فهرساً عكسياً. عند مواجهة طيف كتل مجهول المصدر، لا يحتاج النظام لمقارنة ملايين الجزيئات واحدة تلو الأخرى، بل يجد أولاً المرشحين الذين يشتركون معه في صيغة جزئية معينة للشظايا، ومن ثم يعاد توقع الأطياف الخاصة بهذه المرشحين وترتيبها وفقاً لشروط تجريبية فعلية مثل طاقة الاصطدام بواسطة MS²KOSMOS Mapper، ويعرض أيضاً DAG الخاص بالتكسير المقابل لها.
من التنبؤ بالأطياف الكتلية إلى تحليل الجزيئات المجهولة
بدأ الباحثون باختبار أداء DeepMS²Reasoner من خلال المهمة الأساسية المتمثلة في التنبؤ بأطياف الكتلة. وعلى مجموعة الاختبارات المستقلة NIST 2020، بلغ متوسط التشابه بالجيباوسيني بين الأطياف المتوقعة والأطياف التجريبية قيمة قدرها 0.83، وكانت الوسيط 0.89؛ وفي المقابل تراوحت القيم المتوسطة للأطر المرجعية المنافسة ما بين 0.61 و0.75. وعلى مجموعات البيانات المستقلة تماماً والمُسمَّاة CASMI 2022 وMassSpecGym، حقّق DeepMS²Reasoner متوسط تشابه جيبيوسي مقداره 0.67 و0.59 على التوالي، وهو الأعلى مقارنة بجميع النماذج المشاركة في التقييم. وبالنظر إلى مثال CASMI تحديداً، قدَّم DeepMS²Reasoner أفضل تطابق للطيف المتوقع مع النتائج التجريبية في أكثر من 40٪ من العينات المُدرَسة.
من الصعب للغاية بالمقارنة مجرد التنبؤ بالأطياف الكتلية أن نعكس العملية ونحاول العثور على الجزيء الصحيح انطلاقاً من الطيف التجريبي. قام الباحثون بإجراء الاسترجاع عن طريق وضع التركيزات الحقيقية جنباً إلى جنب مع عدد كبير من المرشحين ذوي الكتل القريبة والهياكل المشابهة. وخلال اختبار جميع النظائر المتساوية في CASMI، بلغت الدقة المطلقة للمراكز الأولى عشرة والخمسينية لدى DeepMS²Reasoner قيم 35.6٪، و64.4٪، و79.8٪ على التوالي؛ وكان تفوقه بنسبة تزيد عن عشر نقاط مئوية واضحاً في المركز الأول والثاني مقارنة بنموذج FraGNNet الذي جاء ثانياً.
كما تم التحقق من قدرة النموذج على التعامل مع التكثير متعدد الخطوات من خلال دراسة جزيئات محددة. فمثلاً بالنسبة للبوتين، بلغ التشابه الجيوبسي بين الطيف المتوقع والطيف التجريبي الناتج عن DeepMS²Reasoner القيمة 0.88. بعض الشظايا الرئيسية لا يمكن تشكيلها بكسر رابطة واحد فقط، بل تحتاج المرور بسلسلة متتابعة تشمل إزالة المجموعات، وفَتْح الحلقة، ومزيداً من مراحل التكسير. يستطيع النموذج تقديم المسارات متعددة الخطوات المرتبطة بكل شظية، ويتنبأ بدرجات متفاوتة من التكسير تبعاً لتغير طاقة الاصطدام.
الأداء التنبؤي لطيف الكتلة بواسطة DeepMS²Reasoner
بعد ذلك، استخدم فريق البحث أداة AIMi لتحليل مستقلبات حقيقية وغير مكتشفة حتى الآن. وفي سياق تحليل 111 إشارة تعتمد على ميكروبات الأمعاء ولم تُعرّف سابقاً ضمن الميتابولومي للفأر، نجح حوالي الثلث منها في إيجاد مطابقة عالية التشابه مع مركبات معلومة داخل قاعدة بيانات MS²KOSMOS، بينما تشير الباقي غالباً إلى هياكل جديدة لم توصف بعد.
قام الباحثون باختيار مركبين مجهولين إضافيين لإجراء تحليل هيكلي. بناءً على الهياكل الجزئية التي قدمها AIMe، قاموا بتركيب عدة جزيئات مرشحة لكل منهما، ثم تنبأوا بأطياف MS² لهذه المرشحين وقارنوها بالنتائج التجريبية. بلغت أعلى تشابهات جيبس-كوساين للمترشح الأولي الأفضل لأحد المركبات المجهولة 0.79، لكنها كانت لا تزال تفتقر إلى بعض الشظايا الرئيسية الموجودة في البيانات التجريبية. لذلك، واصل الفريق البحثي النظر في التراكيب الحلقية وحدد مشتقاً نادراً من البولي أمينات حلقياً كبيراً. تم التحقق نهائياً من كلا الهيكلين المرشحين من خلال الاصطناع الكيميائي ومقارنة أوقات الاحتفاظ وأطياف MS²، بما في ذلك هيكل متعدد الأمين لم يُبلغ عنه سابقاً في الفئران أو البشر. أظهرت عمليات الاسترجيع الإضافية أن العديد من المستقلبات ذات الصلة موجودة أيضاً في العينات البشرية.
في النهاية، وسع البحث تطبيق AIMe ليشمل أكثر من 7.14 مليون طيف كتلوات توافقية في قاعدة بيانات GNPS. باستخدام عتبة لتطابق كوساين تبلغ 0.7، حصل ما يقارب 2.69 مليون طيف على تعليقات توضيحية مرشحة، مما يمثل حوالي ثلث إجمالي الطلبات؛ وعند رفع العتبة إلى 0.8، تمت إضافة نحو 1.27 مليون تعليق عالي التطابق إضافية، تتوافق مع أكثر من 26 مليون طيف أولي غير معلق سابقاً في GNPS. وهكذا، توسع نطاق استخدام AIMe من التنبؤ بالأطيال لجزيء واحد إلى التعليق على المواد المجهولة بحجم قواعد البيانات.
*نتائج التعليقات الواسعة النطاق لـ AIMe على قاعدة بيانات GNPS*
لا تعني هذه النتائج أن تحديد هياكل الجزيئات الصغيرة قد أصبح مؤتمتة بالكامل. ومع زيادة الكتلة الجزيئية، تزداد مسارات التكسير المحتملة بشكل ملحوظ، بينما يكون التغطية للجزيئات الكبيرة في بيانات التدريب أقل نسبياً، مما يؤدي إلى انخفاض أداء DeepMS²Reasoner في التنبؤ. والأهم من ذلك، فإن أطياف MS² وحدها غالباً ما تكون غير كافية لإتمام تأكيد الهيكل النهائي. وفقاً لمعايير علم الأيضيات، عندما تغيب أدلة مستقلة مثل وقت الاحتفاظ، مطيافية الرنين المغناطيسي النووي (NMR)، أو معايير مرجعية، تنتمي نتائج AIMe أساساً إلى مستوى التعليق المستوى الثالث (Level 3)، ويكون دورها أقرب إلى تقليص مجموعة المرشحين، واقتراح فرضيات هيكلية وتفسير أسس التكسير، حيث يظل التأكيد النهائي بحاجة إلى تحقق تجريبي.
كلمة أخيرة
إن أهمية AIMe ليست فقط في تحسين دقة التنبؤ بالطيف الكتلوي، بل تحاول تغيير طريقة تحليل الجزيئات الصغيرة المجهولة. في الماضي، كان الباحثون أمام طيف كتلوي مجهول يبحثون عن تطابق مباشر ضمن مكتبة تجريبية محدودة الحجم؛ أما AIMe فيستخدم النموذج أولاً لتحويل فضاء الجزيئات الصغيرة المعروف إلى فضاء طيفي متوقع قابل للبحث، ثم يعتمد على الهياجز الفرعية ومسارات التكسير تدريجياً لتقليص قائمة المرشحين. وعلى الرغم من أنه لا يمكنه حالياً استبدال التحقق التجريبي القائم على المعايير المرجعية أو NMR، إلا أنه وفر إمكانية تتبع المزيد من الإشارات التي كانت صعبة التحليل بسبب «انعدام الأطوال المرجعية».
بالنسبة لعلم الأيضيات، ربما يكون هذا الأمر أهم مجرد إضافة دفعة جديدة من إدخالات المكتبة: فلم تعد الطيف الكتلوي المجهول ينتهي بنتيجتين فقط هما «التطابق» أو «عدم التطابق»، بل بدأ يشكل نقطة انطلاق لطرح وفحص الفرضيات الهيكلية.
