كيف يتعلم مهندسو البروتينات من الأخطاء ✎ سريع
مهندس البروتينات يشبه طاهياً يحاول أن يجعل الطبق لذيذاً ومفيداً ورخيصاً في نفس الوقت. بتغيير مكوّن واحد، يخاطر بإفساد مكوّن آخر. في السابق، كانت المساعدات الحاسوبية تقيّم خصائص البروتينات بشكل منفصل فقط، دون رؤية كيفية ارتباطها ببعضها البعض.
العمل الجديد يقارن ثلاثة أنواع من الشبكات العصبية التي تتعلم التنبؤ بعدة خصائص للبروتين في وقت واحد من «وصفته» — تسلسل الأحماض الأمينية، وهي اللبنات الأساسية للبروتين. إحداها، ذات الطبقة الأخيرة البايزية، أثبتت أنها الأكثر موثوقية: تعاملت بشكل أفضل مع البيانات غير الدقيقة وفازت في 70% من التجارب.
المثير للدهشة أن أبسط طريقة لتمثيل البروتين — مجرد تحديد أي حمض أميني في أي موضع — لم تكن أقل شأناً من الطرق المعقدة في ربع المهام. وضغط البيانات قبل التدريب حسّن الدقة حتى 42%. الآن لدى المهندسين قواعد مجرّبة: كيفية اختيار النموذج للحصول بسرعة على بروتينات بالخصائص المطلوبة — من مساحيق الغسيل إلى الأدوية.
تتكون البروتينات من 20 نوعاً من الأحماض الأمينية، مثل الكلمات من حروف الأبجدية. تغيير «حرف» واحد يمكن أن يغير المعنى تماماً — مما يجعل البروتين عديم الفائدة أو حتى ضاراً.