كيف تكتشف النماذج اللغوية التكرارات في البروتينات سريع
البروتينات هي سلاسل من الأحماض الأمينية، وكثيرًا ما توجد فيها مقاطع متكررة. أحيانًا تكون التكرارات دقيقة، مثل نفس العبارة تُقال مرتين. وأحيانًا تكون مع أخطاء مطبعية: حرفان مُستبدلان، لكن المعنى واحد. هذه التكرارات مهمة: فهي تساعد البروتين على الالتفاف في الشكل الصحيح وأداء وظيفته.
كان العلماء يعرفون بالفعل أن النماذج اللغوية المدربة على ملايين تسلسلات البروتينات قادرة على العثور على هذه التكرارات. لكن كيف تفعل ذلك بالضبط، بقي لغزًا. في الدراسة الجديدة، نظر المؤلفون داخل النموذج وتتبعوا عمله خطوة بخطوة. وتبين أن آلية التكرارات غير الدقيقة هي أكثر عمومية: فهي تشمل آلية التكرارات الدقيقة، كما لو أن القدرة على قراءة نص به أخطاء مطبعية تمنح تلقائيًا القدرة على قراءة نص بدونها.
بعد ذلك، تجد ما يسمى "رؤوس الاستقراء" للانتباه مقاطع متطابقة أو متشابهة في أماكن مختلفة من السلسلة وتنقل المعلومات بينها. وهذا يساعد النموذج على التنبؤ بالحمض الأميني الذي يجب أن يكون في موضع النقص. وهكذا يجمع النموذج اللغوي بين الآلية العامة للبحث عن الأنماط والمعرفة البيولوجية بخصائص الأحماض الأمينية.
هذا الاكتشاف هو خطوة نحو فهم كيف يمكن للنماذج التقاط عمليات تطورية أكثر تعقيدًا مكتوبة في تسلسلات البروتينات. وهذا يعني أنها ستتمكن في المستقبل من التنبؤ بشكل أفضل ببنية البروتينات ووظيفتها، وهو أمر مهم لتطوير الأدوية والتقنيات الحيوية.
في البروتينات، يمكن أن تكون التكرارات طويلة جدًا — على سبيل المثال، بروتين التيتين الذي يمنح العضلات مرونتها يحتوي على مئات من المجالات المتكررة، تشبه حلقات السلسلة.