Natalia Flechas Manrique Alberto Martínez Elena López-Martínez Luc Andrea Román Orus et al

الملخص

البِيْتوبات (Epitopes) هي تسلسلات قصيرة من الببتيدات المُحَفِّزة للمناعة، تُعَرَّف من قبل الأجسام المضادة أو مستقبلات الخلايا المناعية. وتمثّل هذه البِيْتوبات عنصراً محورياً في تطوير العلاجات المناعية واللقاحات والتشخيصات. ومع ذلك، فإن التصميم المنطقي لمجموعات بِيْتوبات صناعية يُعدّ تحدياً كبيراً نظراً لحجم الفضاء التوافقي للتسلسلات، حيث يُصبح عدد التوليفات الممكنة لبِيْتوبات خطية مكوّنة من n حمض أميني غير ممكن تقييمها أو اختبارها عملياً، حتى باستخدام تقنيات تجريبية عالية الإنتاجية. في هذه الدراسة، نقدم نموذجاً لغوياً كبيراً يُسمى epiGPTope، تم تدريبه مسبقاً على بيانات البروتينات، ثم تم تدريبه بدقة خاصّة على البِيْتوبات الخطية، وهو أول نموذج قادر على إنشاء تسلسلات جديدة تشبه البِيْتوبات مباشرة، وقد أظهرت هذه التسلسلات خصائص إحصائية تشبه تلك الخاصة بالبِيْتوبات المعروفة. ويمكن استخدام هذا النهج التوليدية لتهيئة مجموعات من التسلسلات المرشحة للبِيْتوبات. كما قمنا بتدريب نماذج تصنيف إحصائية للتنبؤ بمن أصل تسلسل البِيْتوب: هل هو بكتيري أم فيروسي، مما يُضيّق نطاق التسلسلات المرشحة ويزيد من احتمالية اكتشاف بِيْتوبات محددة. ونقترح أن الجمع بين النماذج التوليدية والنماذج التنبؤية يمكن أن يسهم بشكل فعّال في اكتشاف البِيْتوبات. ويستند هذا النهج فقط على التسلسلات الأولية للأحماض الأمينية للبِيْتوبات الخطية، ويتجنب الحاجة إلى إطار هندسي أو خصائص مُصاغة يدوياً للتسلسلات. وبتطوير طريقة لإنشاء تسلسلات بيولوجية واقعية، نتوقع تسريع عملية إنشاء وفحص البِيْتوبات الصناعية، مع تقليل التكاليف، وتوسيع نطاق تطبيقاتها في تطوير تقنيات حيوية جديدة.