CycloPepper: منصة تعلم آلي لتوقع نتائج إغلاق الحلقات وتحسين تخليق الببتيدات الحلقية العلاجية

تحويل السلاسل المرنة إلى حلقات قوية

الأدوية المضادة للسرطان والمضادات الحيوية وأدوية حديثة أخرى تُبنى بشكل متزايد من سلاسل قصيرة من الأحماض الأمينية تُدعى ببتيدات. عندما تُخاط هذه السلاسل إلى حلقات مغلقة، أو ببتيدات حلقية، فإنها غالبًا ما تصبح أكثر صلابة، وأكثر دوامًا، وأكثر قدرة على المرور داخل الخلايا. لكن صنع هذه الحلقات الصغيرة في المختبر يحتاج إلى حساسية عالية، ويمكن أن يضيّع الكيميائيون أسابيع وهم يجربون طرقًا مختلفة لإغلاق السلسلة. تقدم هذه الدراسة CycloPepper، منصة مدفوعة بالتعلم الآلي تساعد الباحثين على التنبؤ خلال ثوانٍ بأي السلاسل الببتيدية من المرجح أن تشكّل حلقات مستقرة وأيها سيفشل، ما قد يسرّع البحث عن أدوية ببتيدية جديدة.

لماذا تحظى الببتيدات الحلقيّة بأهمية

الببتيدات هي سلاسل من الأحماض الأمينية، وهي ذات وحدات البناء التي تُكوّن البروتينات. عندما تُترك كسلاسل مفتوحة، قد تكون رخوة وسهلة التحلل بواسطة الإنزيمات في الجسم. إذا تم ربط نهايتي السلسلة رأسًا بذيل لتشكيل حلقة، يصبح الجزيء أكثر تماسكًا وصلابة. غالبًا ما يحسّن هذا كيفية ارتباطه بالهدف البيولوجي بقوة، ومدى تحمّله لإنزيمات الهضم، وسهولة عبوره أغشية الخلايا. العديد من الأدوية المهمة، بما في ذلك مضادات حيوية قوية، تعتمد على مثل هذه الهياكل الحلقية. بالنسبة لمصممي الأدوية، يعد تحويل الببتيد الخطي إلى حلقة استراتيجية رئيسية لتحويل جزيء ضعيف وهش إلى دواء فعال ومتين.

الصعوبة الخفية في إغلاق الحلقة

رغم جاذبيتها، فإن الببتيدات الحلقيّة صعبة الصنع. لتشكيل حلقة، يجب أن تنطوي السلسلة المرنة إلى الشكل الصحيح حتى تتمكن نهايتيها من التفاعل مع بعضهما بدلًا من التفاعل مع جيرانها. السلاسل القصيرة على وجه الخصوص تدفع تكلفة «تنظيمية» عالية لتتبنى هذا الشكل الحلقي، والأحماض الأمينية المكتظة قرب نقطة الارتباط قد تمنع التفاعل فعليًا. عادةً يبني الكيميائيون الببتيدات على حبيبات صغيرة من مادة صلبة لتبسيط التنقية، وهو ما قد يقيد أيضًا حرية طي السلسلة. نتيجة لذلك، يعتمد نجاح أو فشل تكوين الحلقة غالبًا على الموقع الذي يختاره الكيميائي لإغلاق الحلقة داخل تسلسل متشابه. وحتى الآن، كان هذا الاختيار يعتمد إلى حد كبير على الخبرة والتجربة والخطأ.

الروبوتات والخوارزميات تبني مكتبة تعليمية

للاستعاضة عن التخمين بالبيانات، جمع الباحثون بين الكيمياء الآلية والتعلم الآلي. باستخدام نظام تخليق تدفقي روبوتي يُدعى CycloBot وروابط خاصة تسمح بإتمام الإغلاق الحلقي مباشرةً على الدعامة الصلبة، أنتجوا واختبروا بسرعة 306 سلاسل ببتيدية مختلفة تتراوح من حمض أمينيين إلى 14 حمضًا أمينيًا. لكل تسلسل، سجّلوا ببساطة ما إذا تم الكشف عن منتج حلقي نقي أم لا. ثم حوّلوا كل تسلسل إلى وصف رقمي غني: أي الأحماض الأمينية يحتويها، وكيفية ترتيبها في أزواج، وترميز موضعي لكل موقع، وعدد من العلامات المختارة يدويًا بناءً على خبرة المختبر (على سبيل المثال، أن بعض الأحماض الأمينية عند أي من الطرفين تميل إلى المساعدة أو الإعاقة في تكوين الحلقة). بإدخال هذه البصمات البُعدية البالغة 414 في عدة أنواع من نماذج التعلم الآلي، وجدوا أن مصنف ناقلات الدعم أعطى الأداء الأفضل، حيث تنبأ بشكل صحيح بنجاح أو فشل التدوير بنسبة تقارب 84 بالمئة في اختبارات التحقق المتبادل.

وضع التنبؤات على المحك التجريبي

بعد ذلك اختبر الفريق نموذجهم على ببتيدات جديدة لم يرها من قبل. صمموا ثمانية تسلسلات صناعية وأربعة مرشحين علاجيين مستوحين من الطبيعة، ولدى كل منها جربوا جميع المواقع الممكنة لإغلاق الحلقة على طول السلسلة. أجروا إجمالًا 74 تجربة إغلاق حلقية. توافقت تنبؤات نموذج التعلم الآلي مع نتائج المختبر في 64 من هذه الحالات، بدقة بلغت 86 بالمئة. ومن المهم أن النموذج كان جيدًا في تحديد كل من المواقع الواعدة والسيئة، ما يعني أنه يمكن أن يساعد الكيميائيين على تجنّب إضاعة الجهد على تسلسلات غير متعاونة وكذلك إبراز أكثر الخيارات احتمالًا للنجاح.

أداة عملية لمصممي الأدوية

لجعل نهجهم ذا فائدة خارج مختبرهم، دمج المؤلفون النموذج المُدرّب في منصة عامة تُدعى CycloPepper، متاحة كبرنامج قابل للتحميل وأداة ويب. يمكن للمستخدمين إدخال ببتيد واحد أو تحميل العديد دفعة واحدة، وخلال ثوانٍ يتلقون خريطة بمواقع إغلاق الرأس إلى الذيل التي من المرجح أن تنجح. أظهر الفريق قيمتها من خلال تصميم مئات الببتيدات الحلقية المحتملة المستهدفة لبروتينات مرتبطة بالسرطان والأمراض المناعية، مبيّنًا أن الأداة تستطيع بسرعة استبعاد ما يقرب من 40 بالمئة من التسلسلات غير المرجّح أن تتدوّر. للمستخدمين غير المتخصصين، الخلاصة هي أن CycloPepper يعمل كمساعد ذكي قبل الفرز، يقلّص مساحة التصميم الشاسعة إلى مجموعة عملية من المرشحين. من خلال الجمع بين التخليق الآلي والخوارزميات التنبؤية، تقرّب هذه العمل خطوة أخرى من الوعد باكتشاف أسرع وأكثر عقلانية لأدوية الببتيدات الحلقية.

الاستشهاد: Pan, Y., Hu, C., Li, J. et al. CycloPepper: a machine learning platform for predicting cyclization outcomes and optimizing synthesis of therapeutic cyclopeptides. Nat Commun 17, 2803 (2026). https://doi.org/10.1038/s41467-026-69441-w

الكلمات المفتاحية: الببتيدات الحلقية, تصميم أدوية الببتيد, التعلم الآلي في الكيمياء, التخليق الآلي, توقع الإغلاق الحلقي