→ العودة إلى الصفحة الرئيسية

الذكاء الاصطناعي يصمّم تسلسلات للتعرّف لدى الخلايا التائية: مستقبلات اصطناعية تُظهر قدرة على التنشيط في التجارب

غالبًا ما يتطلب العثور على مستقبلات للخلايا التائية قادرة على التعرّف على أهداف محددة عمليات فحص واسعة. ينطلق ERTransformer من أجزاء المستضدات لاقتراح تسلسلات مرشحة، وقد اجتازت بعض التصاميم تجارب خلوية، لكن إمكانية استخدامها بأمان في العلاج لا تزال تتطلب تحققًا تدريجيًا.

By SURL BioNews

لكي تتعرّف الخلايا المناعية على المرض، لا بد أولًا من العثور على المستقبلات المناسبة. وبالنسبة إلى الباحثين الذين يطوّرون علاجات تعتمد على مستقبلات الخلايا التائية، غالبًا ما يستغرق هذا البحث وقتًا طويلًا ويكون مكلفًا. حاولت دراسة نُشرت في «Genome Biology» استخدام الذكاء الاصطناعي لاقتراح تسلسلات للتعرّف، ثم إخضاعها للفحص التجريبي؛ وقد أحدثت بعض المستقبلات المصممة اصطناعيًا، في ظروف محددة، استجابات لتنشيط الخلايا التائية تضاهي استجابات المستقبلات الطبيعية، بل وتتجاوزها أحيانًا.

تتعرّف مستقبلات الخلايا التائية (TCR) على أجزاء بروتينية تعرضها خلايا أخرى بواسطة جزيئات مستضدات الكريات البيضاء البشرية (HLA). وتشكل آلية الاقتران هذه أساسًا مهمًا يستخدمه الباحثون لتوجيه الخلايا المناعية نحو التعرّف على أهداف ورمية. يركّز النموذج الجديد ERTransformer على منطقة CDR3 في السلسلة β للمستقبل، وهي تسلسل متغير يشارك في التعرّف؛ ولا يزال من الضروري اختبار التسلسلات التي ينتجها بعد إدراجها في مستقبل كامل وفي البيئة المناسبة لعرض المستضد.

يجمع النموذج بين EpitopeBERT وReceptorBERT، اللذين خضعا لتدريب مسبق باستخدام 1.9 مليون تسلسل لحواتم مستضدية و33.1 مليون تسلسل لمستقبلات TCR، على التوالي. اختار الفريق خمس حواتم تتوافر لها مستقبلات طبيعية يمكن استخدامها للمقارنة، وولّد لكل منها 1,000 تسلسل مرشح لمنطقة CDR3. أظهرت هذه التسلسلات المرشحة تشابهًا منخفضًا مع تسلسلات السلاسل β الطبيعية، مع احتفاظها بأطوال وتركيب من الأحماض الأمينية ضمن نطاقات معقولة، ما يوفر مزيدًا من نقاط الانطلاق للفحص اللاحق.

كان الاختبار الفعلي في التجارب الخلوية. اختار الباحثون بعض المستقبلات الاصطناعية، واستخدموا قياس التدفق الخلوي لقياس تنشيط الخلايا التائية، وحصلوا على استجابات قابلة للمقارنة باستجابات المستقبلات الطبيعية. لكن التسلسلات المولّدة البالغ عددها 5,000 لم تخضع جميعها للتحقق الوظيفي؛ كما تقتصر النتائج على تركيبات المستقبلات والببتيد—MHC المستخدمة في التجارب، ولا يمكن الاستناد إليها لاستنتاج معدل نجاح مجموعة التسلسلات المرشحة بأكملها، ولا مساواتها مباشرة بفعالية مضادة للسرطان لدى البشر.

تُظهر هذه النتيجة أيضًا الوقت اللازم للانتقال من التصميم الحاسوبي إلى التحقق البيولوجي. ذكر المؤلف المسؤول عن المراسلات Qingpeng Zhang في منشور علني أن المشروع بدأ خلال فترة تدريب Jiannan Yang في Tencent AI Lab، وأن العمل الحاسوبي اكتمل إلى حد كبير في عام 2022، ثم أجرى Jianhua Yao والفريق المتعاون من مستشفى شيجينغ التحقق بالتجارب المخبرية. وبين قدرة النموذج على اقتراح تسلسلات وقدرة تلك التسلسلات على إحداث استجابة خلوية، تظل التجارب ضرورية لربط الخطوتين.

يوفر مستودع الشيفرة العام ER-BERT التابع للفريق تعليمات للتدريب المسبق والتوليد والاستخدام، إلى جانب روابط للنماذج المدرّبة وبيانات توضيحية. ويستخدم سير العمل الوارد في الوثائق أيضًا نموذجًا تمييزيًا إضافيًا للتنبؤ بخصوصية الارتباط، للمساعدة في اختيار التسلسلات المرشحة؛ ولا تزال هذه التنبؤات تحتاج إلى تأكيد تجريبي. أما البيانات الكاملة فيجب طلبها من الباحثين، ولذلك، رغم أن إتاحة الشيفرة تساعد على فحص الطريقة، فإن إعادة إنتاج العمل بالكامل تظل مرتبطة بالحصول على البيانات.

الاستخدام الأوضح حاليًا هو توسيع مجموعة التسلسلات المرشحة وترتيب أولويات الفحص التجريبي. وللانتقال إلى العلاج، لا بد من التحقق مما إذا كانت التصاميم قابلة للتطبيق على مزيد من الحواتم وخلفيات HLA، وما إذا كانت قد تتعرّف على أهداف غير مقصودة وتضر بالأنسجة الطبيعية. نُشرت الورقة في 2 سبتمبر 2026، ويصفها الناشر بأنها نسخة مبكرة مقبولة وخاضعة لمراجعة الأقران، وستُجرى عليها تعديلات تحريرية لاحقًا؛ وهي توفر نقطة انطلاق للتحقق الوظيفي، لكنها لم تُرسِ بعد أدلة على الفعالية السريرية والسلامة.

References

  1. BIOENGINEER
  2. Genome Biology
  3. Qingpeng Zhang, study corresponding author (LinkedIn)
  4. TencentAILabHealthcare (GitHub)