فك قيود التطور المشترك لنمذجة التغايرية الطبوغرافية للبروتينات

البروتينات كآلات متحوِّلة الأشكال

البروتينات هي الآلات الدقيقة التي تجعل الحياة ممكنة، والعديد منها يعمل عن طريق تغيير شكله بشكل طفيف. يمكن أن تُفعّل هذه التحولات الإشارات أو تُعطّلها، تفتح أو تغلق بوابات جزيئية، أو تعيد تشكيل جيوب الارتباط التي تستهدفها الأدوية. ومع ذلك فإن معظم أدوات الحوسبة لا تزال تحاول إسناد بنية "صحيحة" واحدة لكل بروتين، مخفية بذلك المرونة نفسها التي تقوم عليها الصحة والمرض. يقدم هذا البحث EvoSplit، طريقة جديدة لقراءة السجل التطوري المشفّر في سلاسل البروتينات للكشف عن أشكال متعددة ذات أهمية وظيفية — بما في ذلك أشكال لم تُرَ في تجارب سابقة وقد تفتح سبلًا جديدة لاكتشاف أدوية.

لماذا تهم مرونة البروتين للطب

داخل خلايانا، نادرًا ما تبقى البروتينات ساكنة. فهي تنحني، تلتف، وأحيانًا تعيد طي أجزاء من نفسها استجابة لتغيرات في الحرارة أو الحموضة أو شركاء الارتباط أو التعديلات الكيميائية. قد تكون مثل هذه الحركات صغيرة، كتحرك بعض السلاسل الجانبية، أو درامية، كقلب مقاطع كاملة من حلزون إلى صفائح. هذه التغيرات مركزية لكيفية إحساس المستقبلات بالهرمونات، وكيف تنقل الناقلات الجزيئات عبر الأغشية، وكيف تساهم البروتينات المسرطنة في دفع السرطان. إن معرفتنا بصورة واحدة فقط للبروتين قد تجعلنا نفقد الشكل النشط أو الجيب القابل للاستهداف دوائيًا أو الطي الذي يؤدي إلى المرض. لذا فإن التقاط "قائمة الممثلين" الدقيقة لأشكال البروتين المستقرة أمر بالغ الأهمية لفهم البيولوجيا وتصميم علاجات مُوجَّهة.

قراءة الملاحظات الخفية للتطور

خلال ملايين السنين، تطورت سلاسل البروتينات تحت ضغوط تحافظ ليس على بنية واحدة فقط، بل غالبًا على عدة أشكال ذات صلة بيولوجيًا. عندما يميل حمضان أمينيان إلى الطفرة بطريقة منسقة عبر بروتينات ذات صلة، فهذا يوحي بضرورة بقائهما متلامسين في شكل واحد على الأقل. تتفوق أنظمة التعلم العميق الحديثة مثل AlphaFold2 لأنها تستخرج مثل هذه أنماط التطور المشترك من عائلات كبيرة من التسلسلات ذات الصلة، المعروفة بمحاذاة التسلسل المتعدد. ومع ذلك، عندما يمكن لبروتين أن يتبنى أكثر من طي واحد، تختلط الإشارات الخاصة بالحالات المختلفة، وعادة ما تنهار النُهج التقليدية إلى بنية واحدة مُوسطَة. حاولت طرق سابقة تفكيك ذلك عن طريق تجميع التسلسلات بناءً على التشابه العام بينها، لكن تلك الطرق تجاهلت إلى حد كبير الأنماط الزوجية التي تشفر بالفعل التفضيلات البنائية.

كيف يفصل EvoSplit الأشكال المتداخلة

يبني المؤلفون على نموذج لغوي بروتيني يسمى MSA Transformer، الذي يستخدم آلية انتباه ليتعلم أي البقايا وفي أي التسلسلات "تنتبه" إلى بعضها البعض. يبيّنون أنه، بالنسبة للبروتينات ذات الهياكل المتعددة المعروفة، تميل أنماط الانتباه في كل تسلسل فردي إلى التشابه مع خريطة التماس لطور معين أكثر من الآخر. بعبارة أخرى، يحمل كل تسلسل بصمة شكله المفضّل. يستغل EvoSplit ذلك باستخدام مصفوفات الانتباه — وليس التشابه الخام للتسلسل — كميزات لتجميع المحاذاة إلى مجموعات فرعية. ثم يُدخَل كل تجمُّع على حدة إلى AlphaFold2، مما يعطي متنبِّئ البنية مُحَرِّكًا تطوريًا أنظف ومختصًا بالشكل. عبر 85 بروتينًا معروفًا بتبديل الطي، ينتج EvoSplit نماذج تتوافق أفضل مع الهياكل التجريبية وبثقة أعلى مقارنة بطريقة تجميع قائمة على التسلسل رائدة، لا سيما للحالة التي تم أخذها بعينة نادرًا.

اكتشاف حالات جديدة تتجاوز بيانات التدريب

إحدى المخاوف الرئيسية مع الشبكات العصبية القوية هي احتمال أن تكون قد "تذكّرت" الهياكل من مجموعات تدريبها بدلًا من اكتشاف جديدة. لاختبار ما إذا كان EvoSplit يضيف معلومات فعلًا، يتجه المؤلفون إلى مجموعة من الناقلات والمستقبلات التي لم تُدرَج حالاتُها البديلة في تدريب AlphaFold2 الأصلي. حتى هنا، يستعيد EvoSplit الأشكال المواجهة للداخل والمواجهة للخارج، وكذلك أشكالًا نشطة وغير نشطة متميزة، مع تشابه بنيوي عالي مع النماذج التجريبية. تمتد الطريقة أيضًا إلى مهام أكثر استكشافية: عند تطبيقها على أكثر من مئة بروتين مرتبط بالسرطان البشري، تحدد 54 مرشحًا محتملًا لامتلاك تَبادُل طي متعدد. لبعضها، مثل الكيناز LCK ومنظّم دورة الخلية سيكلين D1، يقترح EvoSplit ترتيبات معقولة للمجالات تتماهى مع هياكل معروفة من بروتينات ذات صلة، ملمّحًا إلى حالات لم تُرَ لكنها معقولة من الناحية الفيزيائية الحيوية.

طية جديدة مفاجئة في مفاتيح مرتبطة بالسرطان

ربما تكون النتيجة الأكثر إثارة للاهتمام تتعلق بجزيئات GTPase الصغيرة مثل HRAS وKRAS، المفاتيح الجزيئية الكلاسيكية التي تتعرض للطفرات بشكل متكرر في الأورام. عادةً ما تتأرجح هذه البروتينات بين وضعية "تشغيل" و"إيقاف" عن طريق إعادة ترتيب طفيفة بالقرب من موقع ربط النوكليوتيد مع الحفاظ على بقية الطي سليمًا. لكن EvoSplit يتنبأ بشكل متكرر بتكوّن طي بديل تتحول فيه حلقة لولبية قرب بداية البروتين إلى صفائح، مغيرة الطوبولوجيا العامة. يظهر هذا النمط عبر خمسة GTPases ذات صلة، مما يشير إلى أنه ليس مصادفة. تبقى محاكاة هذه الحالة غير المعتادة مستقرة على مدى مئات النانوسوان، وتُظهر تحليلات الاقترانات التطورية إشارات تماس متميزة تتطابق مع اتصالات الصفائح الفريدة الخاصة بها. عندما يقوم المؤلفون بنمذجة تفاعلات HRAS مع عدة شركاء معروفين، تُشكِّل كلتا الحالتين—الكلاسيكية والجديدة—مجمّعات مستقرة، لكن بواجهات تماس مُزاحة، ما يوحي بأن الطي البديل قد يدعم سلوكيات إشارات مختلفة.

ما معنى ذلك لتصميم الأدوية في المستقبل

لغير المتخصص، الرسالة الأساسية هي أن بروتيناتنا قد تحوي أشكالًا أكثر—وبالتالي إمكانيات وظيفية أكثر—مما كشفت عنه توقعات البنية التقليدية. يستخدم EvoSplit التعرف على الأنماط الموجهة بالتطور لفصل هذه الحالات المخفية بدلًا من تسويتها. من خلال التفوق على أساليب أقدم في بروتينات معروفة بتبديل الطي، واكتشاف حالات بديلة في مستقبلات وناقلات مُدرَسة جيدًا، واقتراح طية جديدة ومستقرة لمفاتيح مرتبطة بالسرطان مثل HRAS، يجادل هذا العمل بأن النمذجة متعددة الحالات يجب أن تصبح روتينية. عمليًا، قد تُبرز قوائم البنى الأغنى جيوبًا دوائية جديدة، وتفسر لماذا بعض الطفرات ضارة، وتدل على مسارات لا تظهر إلا عندما ننظر إلى ما وراء بنية ثابتة واحدة.

الاستشهاد: Li, S., Zhang, C., Kong, L. et al. Disentangling coevolutionary constraints for modeling protein conformational heterogeneity. Commun Chem 9, 146 (2026). https://doi.org/10.1038/s42004-026-01940-9

الكلمات المفتاحية: ديناميكية الطي البروتيني, إشارات التطور المشترك, AlphaFold2, بروتينات مرتبطة بالسرطان, تبديل طي GTPase