Google DeepMind تطلق SynthID Bio، نظام العلامات المائية للبروتينات المصممة بالذكاء الاصطناعي

أطلقت Google DeepMind في 30 سبتمبر نظام SynthID Bio، وهي عائلة من طرق العلامات المائية صُممت للبيولوجيا التركيبية. تضع المنظومة علامة غير مرئية في التصاميم المولدة بالذكاء الاصطناعي حتى يمكن التعرف على البروتين بعد تخليقه في المختبر أيضًا. وجاء الإعلان مع مقال في Nature.

كيف تعمل العلامة المائية

تكيّف SynthID Bio تقنية SynthID المختبَرة سابقًا من Google مع البيانات البيولوجية. في حالة تسلسلات البروتينات، تعمل مع ProteinMPNN: عندما يرتّب هذا البرنامج الأحماض الأمينية على الهيكل واحدًا تلو الآخر، تقترح SynthID Bio التالي بناءً على المفتاح والأحماض الأمينية المختارة بالفعل. لا يقبل ProteinMPNN الاقتراح إلا إذا كان مطابقًا لشكل الهيكل والقيود، لذلك تتوزع العلامة على التسلسل كله.

التعرف إحصائي: يفحص صاحب المفتاح التسلسل كله ويقيس مدى تكرار ظهور أحماض SynthID Bio الأمينية فيه. بالنسبة للبنى ثلاثية الأبعاد المتوقعة، عدّل الفريق جزءًا صغيرًا من شبكة الانتشار في AlphaFold 3 لتُدمج العلامة في أوزان النموذج نفسها. تحافظ الطريقة على دقة AlphaFold 3.

النتائج المخبرية والسلامة الحيوية

اختبر الباحثون مع AlphaProteo ثلاثة أهداف: VEGF-A، وRBD لبروتين spike في SARS-CoV-2، وPD-L1. طابقت النسخ المعلّمة الضابط غير المعلّم في معدل الإصابة والألفة الرابطة والتنوع الطبيعي للتسلسل. وبحسب DeepMind، هذه أول روابط بروتينية معلّمة بعلامة مائية ووظيفية بيولوجيًا.

الهدف الرئيسي هو فحص تخليق DNA. يقارن مزودو التخليق الطلبات الواردة بقواعد التهديدات المعروفة، لكن تصميم الذكاء الاصطناعي الغريب لا يشبه السجلات الموجودة. وترى DeepMind أنه إذا امتلك المزودون مفاتيح منظمات موثوقة، فسيحددون بسرعة أن بروتينًا مجهولًا أُنشئ بنموذج موثوق، ويوجهون الموارد نحو الطلبات المشبوهة. كما تدعم العلامة دقة Protein Data Bank وUniProt وGenBank.

القيود

تعتمد السلامة على توزيع المفاتيح. في البروتينات القصيرة جدًا قد لا تظهر أحماض العلامة الأمينية بما يكفي. إضافة تسلسل غير معلّم، مثل دمجه ببروتين فلوري طبيعي، تضعف العلامة، ويمكن أيضًا محوها بتدخل موجّه. لا تستخدم أدوات AI كثيرة ProteinMPNN، لذا لا يستطيع كل مصمم وضع العلامة. وتغيّر عتبة التعرف التوازن بين النتائج الإيجابية الكاذبة والسلبية الكاذبة. ووفق تقييم Ars Technica، فإن الفائدة العملية للطريقة بهذه الصورة ليست واضحة تمامًا بعد، لكن مجرد كون النهج ناجحًا أمر مهم.

ستنشر DeepMind الكود وبيانات in vitro كمصدر مفتوح، وتختبر النهج أيضًا على جينوم بكتيريوفاج أُنشئ بنموذج Evo 2.

المصادر: Ars Technica · Google DeepMind