المترجم لا يتعلم اللغة من كتاب مدرسي، بل بالاستماع إلى الكلام الحي ورؤية ما يفعله الناس استجابةً للكلمات. هذا بالضبط ما يفعله الأسلوب الجديد C3P لقراءة الحمض النووي البكتيري. النماذج الجينومية التقليدية تحاول تعلم القواعد بمجرد «إعادة قراءة» مليارات الحروف من الشيفرة الوراثية — وغالبًا ما ترتبك. السبب هو أن المناطق التنظيمية في الحمض النووي تتطور بسرعة وبشكل فوضوي، مثل اللغة العامية في الشوارع. أما C3P فيقارن المحفّزات (مناطق الحمض النووي التي تبدأ قراءة الجين) بالبروتينات الناتجة عنها. نماذج اللغة البروتينية تفهم جيدًا «لغة» البروتينات — بنيتها ثلاثية الأبعاد ووظائفها. هذه الخبرة الغنية تصبح المعلم للحمض النووي.
بعد التعلّم على 88 مليون زوج من «محفّز — بروتين» من البكتيريا، أصبح النموذج أفضل بكثير في التنبؤ بمكان وكيفية تنظيم الجينات. لكن الأكثر إثارة للاهتمام أنه تعلّم العثور على الجينات الشريكة في الجينوم دون أي تلميحات (وهذا ما يسمى zero-shot). النماذج التقليدية في هذه المهمة تعمل بشكل شبه عشوائي، بينما C3P يعطي مجموعات ذات معنى فورًا. هكذا المترجم، بعد أن يفهم العلاقة بين الكلمات والأفعال، يدرك بدون قاموس أن «المطر» و«المظلة» غالبًا ما يأتيان معًا في الحديث.
اختبر المؤلفون كيف تتحسن الجودة مع زيادة البيانات والقدرة الحاسوبية. اتضح أن C3P يحقق دقة عالية بتكلفة أقل بكثير من النماذج الجينومية الرائدة. يمكن تطبيق الأسلوب على نطاق واسع دون انتظار أجهزة الكمبيوتر العملاقة. الأفق المستقبلي هو فك شفرة تنظيم الجينات لملايين الأنواع البكتيرية بمجرد توفر جينوماتها. دون إجراء تجربة واحدة في المختبر.
قد يتكون المحفّز البكتيري من بضع عشرات فقط من «حروف» الحمض النووي، لكنه هو الذي يحدد ما إذا كانت الإشريكية القولونية غير الضارة ستصبح ممرضًا خطيرًا.
في «الحديقة الجوراسية»، ملأ العلماء الفجوات في الحمض النووي للديناصورات بجينات الضفادع — كان بإمكان C3P التنبؤ بكيفية تأثير هذا «التجميع» على تفعيل الجينات.