تصميم مُولِّد قائم على التسلسل لإنزيمات تريبتوفان متعددة الاستخدامات

تعليم الإنزيمات مهارات جديدة بالذكاء الاصطناعي

تقوم المجتمعات الحديثة على الجزيئات — أدوية ومواد وكيماويات متخصصة — التي غالباً ما تُنتَج بعمليات مستهلكة للطاقة وملوِّثة. يمكن لمحفزات الطبيعة، أي الإنزيمات، أن تقوم بمهام مشابهة بنظافة وكفاءة، لكن إيجاد أو بناء الإنزيم المناسب لمهمة صناعية جديدة أمر بطيء ومحاط بعدم اليقين. تُظهر هذه الدراسة أن الذكاء الاصطناعي التوليدي، نفس فئة التكنولوجيا الكامنة وراء روبوتات الدردشة التي تكتب النصوص، يمكن استخدامه لتصميم إنزيمات جديدة كلياً لا تعمل جيداً في المختبر فحسب، بل تتفوق أحياناً على أفضل ما أنتجته التطور وسنوات من الهندسة.

لماذا تهم الإنزيمات في حياتنا اليومية

الإنزيمات هي آلات بروتينية صغيرة تسرِّع التفاعلات الكيميائية داخل الخلايا الحية. تعلم الكيميائيون كيفية إعادة توظيفها لصنع أدوية ومكونات غذائية ومنتجات قيِّمة أخرى باستخدام طاقة أقل ومواد كيميائية أقل سمية مقارنة بالطرق التقليدية. المشكلة أن كل تطبيق جديد عادةً ما يتطلب إنزيمًا بأداء مُحكَم — قادرًا على قبول مواد أولية معينة، والنجاة من ظروف المعالجة، وإنتاج عوائد عالية. يُحسِّن «الانتقاء المُوجَّه» التقليدي الإنزيمات عن طريق صنع واختبار نسخ مطفرة متعددة، جيلًا بعد جيل. هذا النهج ينجح لكنه يعتمد على إنزيم بداية لائق وقد يستغرق شهورًا أو سنوات من التجربة والخطأ، مما يترك العديد من التفاعلات المفيدة دون استكشاف.

السماح لنموذج لغوي بكتابة الحمض النووي

اللجأ الباحثون إلى نموذج لغوي بمقياس الجينوم اسمه GenSLM، الذي يتعلم أنماط الحمض النووي كما يتعلم النموذج اللغوي قواعد اللغة والأسلوب في النصوص. بدلاً من العمل مع تسلسلات البروتين النهائية، يقرأ GenSLM ويكتب الحمض النووي في أكواد ثلاثية الحروف، مما يعكس كيفية ترجمة الخلايا للجينات إلى بروتينات. أولًا، قام الفريق بضبط GenSLM على عشرات الآلاف من الجينات الطبيعية لجزء فرعي معقد من الإنزيم يدعى TrpB، الذي يساعد في بناء حمض أميني اسمه تريبتوفان. ثم طلبوا من النموذج توليد آلاف جينات trpB جديدة كلياً. قامت مرشحات حاسوبية بسيطة باستبعاد التسلسلات القصيرة أو الطويلة جداً أو غير المرجَّح أن تطوي بشكل صحيح أو المماثلة للغاية للإنزيمات الطبيعية المعروفة، مما أتاح 105 مرشحين متنوعين للاختبار التجريبي في البكتيريا.

من تصاميم الحاسوب إلى محفزات عاملة

عندما تم إنتاج هذه الإنزيمات الـ105 المصممة بالذكاء الاصطناعي في E. coli، طوى كثير منها جيدًا وصُنِع بكميات عالية. تمكنت العشرات من أداء وظيفتها الأساسية: تحويل الإندول وحمض أميني شريك طبيعي، السيرين، إلى تريبتوفان. عمل بعضها بصلابة حتى عند درجات حرارة مرتفعة، على الرغم من عدم وجود تصميم صريح لمقاومة الحرارة. في اختبارات جنبًا إلى جنب، طابق جزء من إنزيمات GenSLM‑TrpBs أو تفوّق على إنزيم معياري تم تطويره بصعوبة عبر الانتقاء المختبري لسنوات ليعمل بمفرده عند 75 °م. كان أحد التصاميم البارزة، المسمى 230، ينتج تريبتوفان أكثر من هذا المعيار الصناعي سواء عند درجة حرارة الغرفة أو عند درجة حرارة مرتفعة، مُظهِرًا أن نموذجًا مدرَّبًا فقط على بيانات التسلسل يمكنه القفز مباشرة إلى أداء من الدرجة الأولى.

مرونة جديدة تتجاوز ما بناه الطبيعة

ثم تحدى الفريق الإنزيمات بمجموعة من الركائز غير الطبيعية — مشتقات الإندول، وشريك مختلف شبيه بالكحول، ومركب مفلور يستخدم في تصنيع الأدوية. عادةً ما تكون النسخ الطبيعية من TrpB متشددة: تُفضِّل ركائزها الأصلية بشدة وتظهر نشاطًا ضئيلاً على البدائل. بشكل ملحوظ، كانت الإنزيمات المولَّدة بالذكاء الاصطناعي أكثر جرأة في كثير من الأحيان. لكل ركيزة غير طبيعية مُختبرة، أظهر على الأقل تصميم واحد من GenSLM نشاطًا قابلًا للقياس، وأدى العديد منها أفضل من الإنزيمات الطبيعية. مرة أخرى برز المتغير 230، الذي حول كلًّا من البدائل السبعة بعوائد تتراوح من متوسطة إلى تكاد تكون كاملة، وهو عرض من «التعددية» لم يُشاهد سابقًا في عائلة هذا الإنزيم. ومع ذلك، عندما قارن الباحثون 230 بأقرب جار طبيعي له — يختلف في 78 موضعًا من أصل 400 حمض أميني فقط — وجدوا أن الإنزيم الطبيعي يفتقر إلى هذه المرونة رغم أن بنيته العامة وبقايا موقع الفعالية الأساسية كانت متطابقة تقريبًا.

ما معناه ذلك للكيمياء الخضراء المستقبلية

بالنسبة لغير المتخصص، الرسالة الأساسية هي أن نموذج ذكاء اصطناعي مدرَّب فقط على تسلسلات الحمض النووي الموجودة قادر على تخيل إنزيمات جديدة واقعية لم تحاولها الطبيعة من قبل، بعضها أدوات أفضل للكيمياء مما نستخدمه حاليًا. تحافظ متغيرات TrpB المصممة بالذكاء الاصطناعي على الشكل والوظيفة الأساسية لأقاربها الطبيعية لكنها تكسب قدرة غير عادية على التعامل مع العديد من المواد الأولية المختلفة. يمكن أن تقلل هذه المرونة بشكل كبير من كمية العمل المختبري اللازمة لاكتشاف طرق قائمة على الإنزيم لصناعة أدوية ومنتجات أخرى. ومع تسارع وتخفيض تكلفة التصميم وتخليق الحمض النووي والاختبار، قد تحول نماذج توليدية مماثلة اكتشاف الإنزيمات من مطاردة كنز بطيئة إلى مهمة تصميم سريعة وروتينية، مما يساعد على نقل المزيد من الكيمياء الصناعية نحو عمليات أنظف تعتمد على الإنزيمات.

الاستشهاد: Lambert, T., Tavakoli, A., Dharuman, G. et al. Sequence-based generative AI design of versatile tryptophan synthases. Nat Commun 17, 1680 (2026). https://doi.org/10.1038/s41467-026-68384-6

الكلمات المفتاحية: هندسة الإنزيمات, الذكاء الاصطناعي التوليدي, تصميم البروتين, تريبتوفان سينثاز, التحفيز الحيوي