→ العودة إلى الصفحة الرئيسية

تقليل العمل المتكرر في تصوير البروتينات: cryoPARES يسرّع الأبحاث الدوائية بالمجهر الإلكتروني بالتبريد

عند ربط البروتين نفسه بجزيئات صغيرة مختلفة، غالبًا ما يظل تحليل البنية يتطلب محاذاة الصور من جديد. يستخدم cryoPARES نتائج المحاذاة من تجارب سابقة لتحليل عينات جديدة، ويُظهر جدوى تسريع إعادة البناء عبر أربعة بروتينات وسبعة معقّدات مرتبطة بربيطات.

By SURL BioNews

حين يريد الباحثون في مجال الأدوية معرفة كيفية تموضع جزيء صغير داخل بروتين، غالبًا ما يضطرون أولًا إلى انتظار تجميع عدد كبير من الصور المجهرية في بنية ثلاثية الأبعاد. وعندما تتناول الدراسة البروتين نفسه مرتبطًا بسلسلة من الجزيئات المختلفة، تتكرر فترة الانتظار هذه. تسعى الطريقة الجديدة cryoPARES إلى جعل المعلومات المتبقية من التجربة السابقة مسارًا مختصرًا للتحليل التالي، بما يتيح إدخال النتائج البنيوية في عملية تصميم الجزيئات بسرعة أكبر.

تقترح دراسة نُشرت في 18 نوفمبر في مجلة Nature Communications استخدام التعلم العميق الخاضع للإشراف لتسريع محاذاة صور المجهر الإلكتروني بالتبريد (cryo-EM). وقد اجتازت الورقة مراجعة الأقران، وهي متاحة حاليًا بوصفها نسخة مقبولة نُشرت مبكرًا، ولا تزال بانتظار التحرير النهائي. ويتمثل جوهر هذا العمل في إعادة استخدام معلومات اتجاهات صور الجسيمات المتوفرة، لتقليل عبء بدء الحسابات من الصفر في كل مرة تُحلَّل فيها عينات متشابهة.

ينتج التصوير بالمجهر الإلكتروني بالتبريد إسقاطات ثنائية الأبعاد لجزيئات ذات اتجاهات مختلفة؛ ولإعادة بناء البنية ثلاثية الأبعاد، يجب أولًا تحديد اتجاه الجزيئات في الصور. ووفقًا لوصف مستودع الشيفرة الذي يديره المؤلفون، يدرّب cryoPARES النموذج أولًا باستخدام بيانات مرجعية عالية الجودة أُنجزت محاذاتها بالطرق التقليدية، ثم يعيّن اتجاهات لصور الجزيئات نفسها أو لجزيئات شديدة الشبه بها، مثل عينات البروتين نفسه المرتبط بربيطات مختلفة. وهكذا، لا تخلّف التجارب السابقة بُنى فحسب، بل توفر أيضًا خبرة يمكن الاستفادة منها في التحليلات اللاحقة.

أظهر فريق البحث جدوى التحديد السريع للبنية باستخدام أربعة بروتينات مستهدفة، ضمن سبعة معقّدات مرتبطة بربيطات إجمالًا. ويورد العرض التعريفي بالبحث لدى IE University هذا التحقق أيضًا، ويشير إلى أن الفريق أتاح علنًا ثلاث مجموعات بيانات للمجهر الإلكتروني بالتبريد تضم جزيئات صغيرة شظوية مرتبطة. ويوفر ذلك عينات تجريبية يستند إليها تقييم الطريقة، كما يتيح مواد لباحثين آخرين لمقارنة مسارات التحليل.

إلى جانب التسريع، يسعى cryoPARES أيضًا إلى تقليل الفرز اليدوي. ويشير العرض التعريفي للجامعة إلى أن النظام يستطيع استبعاد الجسيمات تلقائيًا؛ فيما يوفر مستودع الشيفرة أدوات للتصفية وفق درجات الثقة، والتنقيح المحلي للاتجاهات، وإعادة البناء ثلاثي الأبعاد، وزيادة حدة الخرائط. ويتضمن أيضًا نمط معالجة في الخلفية يستقبل بيانات الجسيمات الجديدة باستمرار، بما يدعم إجراء التحليل أثناء جمع البيانات، ويدفع نحو توفير نتائج بنيوية في وقت شبه آني.

لهذه الاستراتيجية شرط واضح للتطبيق: يجب أن تكون العينات الجديدة والسابقة متشابهة بما يكفي لتكون إعادة استخدام سمات الصور التي تعلمها النموذج مبررة. لذلك، تدعم نتائج المعقّدات السبعة تسريع مسارات التحليل بين العينات ذات الصلة، ولا يمكن الاستنتاج منها مباشرة أن النموذج يستطيع التعامل مع جميع البروتينات غير المألوفة له أو مع التشكّلات التي تغيرت بدرجة كبيرة. كما أن وصف «شبه آني» يشير إلى القدرة على تقديم نتائج تحليل إعادة البناء، ولا يعني أن التجربة بأكملها، من تحضير العينة إلى تأكيد كيفية ارتباط الدواء، يمكن إنجازها فورًا.

بالنسبة إلى اكتشاف الأدوية الموجّه بالبنية، تتمثل القيمة العملية لهذا التقدم في إتاحة الفرصة لفرق البحث لمقارنة كيفية ارتباط الجزيئات المختلفة في وقت أبكر، ثم تحديد كيفية تعديل المركّبات في الجولة التالية. لكن الحصول على البنية بسرعة أكبر يظل حلقة واحدة فقط في سلسلة البحث والتطوير؛ إذ إن امتلاك الجزيء نشاطًا وانتقائية وسلامة كافية لا يزال يتطلب أدلة تجريبية مستقلة لكل منها. يعرض cryoPARES مسارًا لتقصير انتظار التحليل البنيوي، لكنه لم يثبت بعد قدرته على رفع معدل النجاح السريري للأدوية المرشحة.

References

  1. Nature Communications
  2. IE University — IE Intelligent Systems
  3. cryoPARES author-maintained GitHub repository