كيف يتعلم مهندسو البروتينات من الأخطاء ✎ سريع
مهندس البروتينات يشبه طاهياً يحاول أن يجعل الطبق لذيذاً ومفيداً ورخيصاً في الوقت نفسه. فبتغيير مكوّن واحد، يخاطر بإفساد مكوّن آخر. في السابق، كانت الأدوات الحاسوبية قادرة على تقييم خصائص البروتينات بشكل منفرد فقط، دون أن ترى كيف ترتبط ببعضها البعض.
العمل الجديد يقارن ثلاثة أنواع من الشبكات العصبية التي تتعلم التنبؤ بعدة خصائص للبروتين في آن واحد من "وصفته" — تسلسل الأحماض الأمينية. إحداها، ذات الطبقة الأخيرة البايزية (Bayesian)، كانت الأكثر موثوقية: فقد تعاملت بشكل أفضل مع البيانات غير الدقيقة وفازت في 70% من الاختبارات.
المثير للدهشة أن أبسط طريقة لتشفير البروتين — مجرد تحديد أي حمض أميني في أي موضع — لم تكن أقل شأناً من الطرق المعقدة في ربع المهام. كما أن ضغط البيانات قبل التدريب حسّن الدقة بنسبة تصل إلى 42%. الآن لدى المهندسين قواعد مجرّبة: كيف يختارون النموذج للحصول بسرعة على بروتينات بالخصائص المطلوبة — من مساحيق الغسيل إلى الأدوية.
تتكون البروتينات من 20 نوعاً من الأحماض الأمينية، تماماً كما تتكون الكلمات من حروف الأبجدية. تغيير "حرف" واحد قد يغيّر المعنى تماماً — فقد يجعل البروتين عديم الفائدة أو حتى ضاراً.