رقصة مئات الجسيمات: بعض الأزواج تدور ببطء وسلاسة، بينما تهتز أخرى بإيقاع محموم. لفهم جوهر الرقصة، يجب متابعة الحركات البطيئة تحديدًا، فهي الكوريغرافيا الرئيسية للنظام. في علم الجزيئات، تُسمى هذه الحركات البطيئة "الأنماط البطيئة" (slow modes)، وهي التي تحدد كيفية طي البروتين على شكل كرة أو ارتباط الدواء بالهدف.
الطريقة الجديدة SelfTICA تتعلم تمييز هذه الكوريغرافيا دون توجيه. تأخذ لقطتين للنظام الجزيئي مفصولتين بفاصل زمني صغير (lag)، وتحاول تخمين أي الأجزاء في اللقطتين هي "شكل رقص" واحد، وأيها مجرد عابرين عشوائيين. يُسمى هذا النهج التعلم التبايني: يحصل الخوارزمية على مكافأة لتقريب الحالات المتشابهة، وعقوبة عند الخلط بينها وبين حالات أخرى. ونتيجة لذلك، تتشكل داخل البرنامج خريطة لأهم الحركات وأكثرها بطئًا.
الحيلة الرئيسية هي فصل التعلم عن البحث عن الأنماط البطيئة. أولاً، تتعلم الطريقة استخراج الميزات المفيدة من البيانات، كما لو أن الراقص يعتاد أولاً على إيقاع الموسيقى. ثم، على الميزات المستخلصة، تطبق أسلوبًا تقليديًا معروفًا، وهو تحليل المكونات المستقلة مع التأخير الزمني (TICA). وهذا يسمح بإيجاد الحركات الأكثر سلاسة وحتى تقدير أزمنتها المميزة.
هذا النهج يشبه عمل مصمم الرقصات الذي يشاهد البروفة ليس من البداية بل من أي مكان، ومع ذلك يخمن الحركة التالية. لا تتطلب SelfTICA مسارات تدريب طويلة، ويمكنها العمل مع بيانات لم تحدث فيها التحولات النادرة بعد. وهذا يعني أن المحاكاة الحاسوبية للجزيئات البيولوجية ستصبح أسرع وأرخص، وتقربنا من فهم كيفية عمل البروتينات والحمض النووي والأدوية.
الحركات البطيئة في الجزيئات قد تستغرق من ميكروثانية إلى دقائق، وهي بالنسبة للحاسوب أبدية، إذ تستغرق كل خطوة محاكاة فمتوثانية (جزء من مليار جزء من الثانية).