تصميم البروتين الوظيفي وتحسينه بتكرار التعزيز المعرفي

تعليم الحواسيب بناء بروتينات أفضل

تؤدي البروتينات معظم الأعمال داخل الخلايا الحية، من تكسير الغذاء إلى مكافحة العدوى. يرغب العلماء في تصميم بروتينات جديدة عند الطلب—مثل إنزيمات صناعية أكثر متانة أو أدوات طبية محسّنة—لكن تحويل أفكار الحاسوب إلى جزيئات حقيقية وعاملة لا يزال أمرًا صعبًا. تقدم هذه الدراسة نظامًا جديدًا يُسمّى ORI يربط الذكاء الاصطناعي مباشرةً بالتجارب المخبرية، بهدف جعل تصميم البروتين أسرع وأكثر موثوقية وأسهل في التحكم.

لماذا تصميم البروتينات صعب جدًا

يتكوّن كل بروتين من سلسلة طويلة من الأحماض الأمينية، والتغييرات الصغيرة في هذه السلسلة قد تغيّر بشكل كبير طريقة طي الجزيء وسلوكه. يمكن للذكاء الاصطناعي الحديث التنبؤ بأشكال البروتينات وحتى توليد تسلسلات جديدة، لكن هناك فجوة عنيدة بين ما يبدو جيدًا في الحاسوب وما يعمل فعليًا في أنبوب الاختبار. تفشل العديد من التصاميم لأنها غير مستقرة، أو لا تطيّر بشكل صحيح، أو تفتقر إلى النشاط المرغوب، مما يضطر الباحثين للاعتماد على التجربة والخطأ البطيئة.

حلقة مغلقة بين الحاسوب والمختبر

يتناول إطار ORI هذه المشكلة بإنشاء حلقة تغذية راجعة بين نماذج الذكاء الاصطناعي والتجارب الحقيقية

التعلم من التغذية الراجعة التجريبية

ما يميز ORI هو أنه لا يكتفي بالتنبؤ؛ بل يتعلم من نجاحات وإخفاقات المختبر. تُصنَّع التصاميم البروتينية المنتقاة وتُختبر لكيفية تعبيرها، ومدى نشاطها، وسلوكها تحت الإجهاد. ثم تُعاد هذه النتائج إلى الذكاء الاصطناعي باستخدام استراتيجية مستوحاة من التعلم المعزز، ما يتيح للنظام تفضيل أنماط تسلسل تؤدي جيدًا في الحياة الواقعية تدريجيًا بدلًا من الاعتماد على التقييم النظري فقط. عبر جولات متعددة، يصبح الذكاء الاصطناعي أفضل في اقتراح مرشحين ينجون من هذا الامتحان الواقعي

بناء إنزيمات أقوى وأكثر حرارة ووظائف مزدوجة

لإظهار قدرات ORI، طبّق المؤلفون النظام على تحديات تصميم إنزيمات متعددة. بالنسبة للليزوزيمات، التي تكسر جدران الخلايا البكتيرية، ولّد النظام العديد من المتغيرات وبعد التعلم من التغذية الراجعة التجريبية أنتج نسخًا ذات نشاط أعلى بكثير من الليزوزيمات الطبيعية، بما في ذلك نسخة كانت أقرب إلى مئة مرة أكثر نشاطًا من مرجع معياري. كما استُخدم ORI لتصميم الكيتينازات، إنزيمات تهضم الكيتين الموجود في هياكل الحشرات والفطريات. من خلال توجيه النموذج نحو ميزات مقاومة للحرارة، أنشأ الفريق كيتينازات حافظت على نشاطها عند درجات حرارة تقارب 85 درجة مئوية، وهي حرارة تفوق بكثير ما تتحمله معظم النسخ الطبيعية. أخيرًا، هندس النظام بروتينات مفردة تجمع بين نشاطي الليزوزيم والكيتيناز، وبعض هذه الإنزيمات متعددة الوظائف تفوّقت على نظيراتها الطبيعية المتخصصة في المهمتين.

طريقة جديدة لاستكشاف إمكانيات البروتين

لغير المتخصصين، الفكرة الأساسية هي أن ORI يحول تصميم البروتين إلى محادثة مستمرة بين النماذج الحاسوبية والمختبر الرطب، بدلًا من تنبؤ لمرة واحدة. يستخدم النظام معرفة منظّمة حول أنواع البروتينات وخصائصها لتوجيه خياله، ويصغي بعناية إلى ما تقوله التجارب عن كل تصميم جديد. من خلال تكرار هذه العملية، لا يقتصر ORI على مضاهاة البروتينات الطبيعية فحسب، بل قد يتجاوزها أحيانًا في القوة أو مقاومة الحرارة أو التعدّد الوظيفي. يشير هذا إلى مستقبل يمكن فيه تطوير بروتينات مخصّصة للطب والصناعة والبيئة بكفاءة أكبر وثقة أعلى.

الاستشهاد: He, B., Qin, C., Zhao, Y. et al. Functional protein design and enhancement with ontology reinforcement iteration. Nat Commun 17, 4158 (2026). https://doi.org/10.1038/s41467-026-69855-6

الكلمات المفتاحية: هندسة البروتين, تصميم الإنزيمات, الذكاء الاصطناعي, الإنزيمات المقاومة للحرارة, البروتينات متعددة الوظائف