طور فريق بحثي دولي يمثل معهد ليبنيز للعلوم النباتية ومركز يوليش لأبحاث الطاقة نموذج ذكاء اصطناعي متقدم يعتمد على التعلم العميق، للتنبؤ بدقة بمواقع ارتباط البروتينات التنظيمية بالحمض النووي للنباتات، مما يفسر الآليات الجزيئية التي تتحكم في تشغيل الجينات واستجابتها للضغوط البيئية. ونُشرت نتائج الدراسة في دورية نيتشر كومونيكيشنز مؤخراً. يعتمد النموذج على بيانات جينومية ضخمة مستخلصة من نبات الأرابيدوبسيس، حيث يُدرّب على تحديد أنماط ارتباط أكثر من 46 عائلة من عوامل النسخ في وقت واحد، متجاوزاً قيود النماذج التقليدية التي تعالج كل عامل بشكل منفصل. ويؤكد الباحثون أن البروتينات التنظيمية لا تقرأ تسلسلات حمض نووي معزولة، بل تعتمد وظيفتها على السياق وترتيب العناصر التنظيمية، على غرار القواعد النحوية التي تمنح المعنى للجملة. وقد أظهرت الخوارزمية قدرة عالية على تصنيف آلاف الجينات ضمن 14 مجموعة تنظيمية واسعة ترتبط بوظائف بيولوجية متناسقة. وسّع الفريق التحليل ليشمل أكثر من 7000 متغير جيني مرتبط بصفت زراعية مثل توقيت الإزهار ومقاومة الأمراض، وتنبأ النموذج بنحو خُمس هذه المتغيرات وتأثيرها المباشر على ارتباط عوامل النسخ. وأكدت التجارب المعملية صحة التنبؤات، لا سيما فيما يتعلق بتأثير التغييرات النوكليوتيدية البسيطة على نشاط الجينات. ويوضح مدير مجموعة نمذجة البيانات أن هذه الأداة تتيح الانتقال من الارتباطات الإحصائية إلى الآليات الجزيئية الدقيقة، مما يعزز كفاءة برامج التربية النباتية الحديثة. وتميزت الدراسة بقدرتها على التعميم الناجح إلى محاصيل أخرى، حيث طُبّق النموذج على نبات الذرة دون إعادة تدريبه، مما سمح بتحديد عوامل النسخ الرئيسية المسؤولة عن الاستجابة للإجهاد الحراري. ويسهم هذا التطور في سد الفجوة المعرفية في المحاصيل ذات البيانات المحدودة، وتسريع تطوير أصناف محاصيل متينة قادرة على التكيف مع التغيرات المناخية المتسارعة.