البروتينات، مثل البشر، لها أنساب. بروتينان يؤديان نفس الوظيفة في كائنات مختلفة ينحدران من سلف مشترك. بمقارنة تسلسلاتهما، يمكن استعادة هذه القصة. لكن عندما تباعدت البروتينات منذ زمن بعيد، تفقد الطرق التقليدية الأثر: تتراكم الاختلافات كثيرًا لدرجة أن الإشارة تختفي، كما تتلاشى الصور القديمة.
النهج الجديد، HyperEvoGen، يبني خريطة قرابة في فضاء منحنٍ — حيث يمكن للخطوط المتوازية أن تتباعد. هذا الفضاء يشبه السرج: كلما ابتعدت عن المركز، زادت المسافة بشكل أسرع. فيه توضع البروتينات السليلة على فروع تنبثق من السلف، والمسافات بينها تُظهر بصدق عدد الخطوات التطورية التي تفصل بينها. تتعلم الشبكة العصبية ترتيب البروتينات بحيث تحافظ الخريطة على التسلسل الهرمي للقرابة، دون أن تفقده حتى للعائلات شديدة التباعد.
هذه الخريطة مفيدة ليس فقط للتاريخ. فهي تساعد في إنشاء بروتينات جديدة بخصائص مرغوبة، إذ يمكن التحرك على الخريطة نحو الصفات المطلوبة. بالنسبة للعائلات الكبيرة من البروتينات، حيث كانت الحسابات التقليدية تستغرق أسابيع، تعمل الطريقة الجديدة في غضون ساعات. وهذا يفتح الطريق لدراسة تطور آلاف البروتينات في وقت واحد، وتسريع تطوير الإنزيمات والأدوية.
فضاء لوباتشيفسكي، حيث يعمل HyperEvoGen، لا نهائي: فهو يتسع لـ«أماكن» أكثر بكثير من الخريطة المسطحة. لذلك حتى البروتينات البعيدة جدًا عن بعضها تبقى قابلة للتمييز، ولا تضيع القرابة.