מערכת BetaDescribe, שפיתחו חוקרים מהטכניון ומאוניברסיטת תל אביב, מקבלת רצף של חומצות אמינו ומפיקה תיאור מילולי של תפקוד החלבון, פעילותו הכימית ואתרי הקישור האפשריים שלו. החוקרים מקווים שהמערכת תסייע לבחור אילו השערות לבדוק במעבדה ותאיץ מחקר רפואי וביוטכנולוגי
רצף של חלבון עשוי להכיל מאות ואף אלפי חומצות אמינו, אך קריאת הרצף לבדה אינה מגלה בדרך כלל מה החלבון עושה בתוך התא. חוקרים מהטכניון ומאוניברסיטת תל אביב פיתחו מערכת בינה מלאכותית שמנסה לגשר על הפער הזה: היא מקבלת רצף חלבוני ומפיקה בשפה טבעית תיאור של תפקודיו ומאפייניו האפשריים.
המערכת, שנקראת BetaDescribe, מוצגת במאמר שפורסם בכתב העת Proceedings of the National Academy of Sciences – PNAS. היא פותחה בהובלת הדוקטורנט עידו דותן, בהנחיה משותפת של פרופ' יונתן בלינקוב מהפקולטה למדעי המחשב ע"ש טאוב בטכניון ושל פרופ' טל פופקו מהפקולטה למדעי החיים באוניברסיטת תל אביב.
במחקר השתתפו גם פרופ' ערן בכרך, פרופ' מרסלו ארליך והדוקטורנטית איריס ליובמן מהפקולטה למדעי החיים באוניברסיטת תל אביב.
ממחרוזת אותיות להסבר ביולוגי
חלבונים בנויים משרשראות של חומצות אמינו. הרצף המדויק של חומצות האמינו משפיע על המבנה התלת־ממדי של החלבון, והמבנה קובע במידה רבה את הפעולות שהוא מסוגל לבצע. חלבונים עשויים, בין השאר, לזרז תגובות כימיות, להעביר אותות בין תאים, להוביל חומרים, לזהות גורמי מחלה או להשתתף בבניית רקמות.
טכנולוגיות ריצוף מודרניות מגלות רצפי חלבונים בקצב מהיר בהרבה מהיכולת לבדוק כל חלבון בניסוי. מאגרי המידע הביולוגיים כבר כוללים מיליארדי רצפים חזויים או מתועדים, אולם רק שיעור קטן יחסית מהחלבונים אופיין ישירות במעבדה.
לכן, חלק גדול מהמידע על חלבונים חדשים מתקבל באמצעות השוואתם לחלבונים מוכרים. כאשר רצף חדש דומה מאוד לרצף שתפקידו ידוע, אפשר לשער שגם תפקידיהם דומים. השיטה יעילה במקרים רבים, אך מתקשה כאשר מדובר בחלבון שאין לו קרוב משפחה מוכר במאגרי המידע.
BetaDescribe נועדה להתמודד גם עם מקרים כאלה. במקום להסתפק בחיפוש אחר התאמה לרצף מוכר, היא משתמשת במודל גנרטיבי ובמנגנוני אימות והערכה כדי לנסח תיאור מפורט של החלבון.
לפי החוקרים, התיאור עשוי לכלול את תפקידו הביולוגי המשוער של החלבון, את סוג הפעילות הקטליטית שהוא מבצע, את מעורבותו במסלולים מטבוליים ואתרי קישור אפשריים למולקולות אחרות.
לא רק תווית קצרה
מאגרי חלבונים מסורתיים נוטים להצמיד לרצף תוויות, מונחים מקצועיים או קודים המתארים תפקידים ביולוגיים. לעומתם, BetaDescribe נועדה לייצר טקסט רציף ומפורט יותר.
ההבדל משמעותי משום שחלבון יחיד עשוי למלא כמה תפקידים, לפעול רק ברקמות מסוימות או להשתתף בתהליך ביולוגי מורכב. תיאור מילולי עשוי לאפשר לחוקרים להבין טוב יותר מדוע המערכת הציעה תפקיד מסוים ולתכנן ניסויים שיבחנו את ההשערה.
עם זאת, תיאור שמייצרת מערכת בינה מלאכותית אינו תחליף לניסוי. מודלים גנרטיביים עלולים לייצר מידע שנשמע משכנע אך אינו נכון. משום כך שילבו החוקרים במערכת מנגנונים שנועדו לבחון את התיאורים, להשוות בין אפשרויות ולצמצם את הסיכון לקביעות בלתי מבוססות.
המערכת אינה מוכיחה את תפקידו של החלבון אלא מציעה השערה שאפשר לבדוק. חשיבותה האפשרית היא בסינון מספר עצום של רצפים ובהכוונת החוקרים אל החלבונים והניסויים המבטיחים ביותר.
מבחן על חלבונים שלא אופיינו
החוקרים בחנו את המערכת על שישה חלבונים שלא אופיינו קודם לכן. לפי הודעת הטכניון, המערכת הצליחה להציע עבורם תיאורים תפקודיים שאפשר לבחון באמצעות מחקר נוסף.
דוגמאות כאלה נועדו לבדוק האם המודל מסוגל לחרוג משינון של מידע על חלבונים מוכרים ולהפיק השערות גם לגבי רצפים חדשים. עם זאת, יהיה צורך בבדיקות רחבות יותר ובאימות ניסויי של התחזיות כדי לקבוע את מידת הדיוק והשימושיות של המערכת במגוון משפחות חלבונים.
יישומים עתידיים עשויים לכלול איתור אנזימים לתהליכים תעשייתיים, חיפוש חלבונים הקשורים למחלות, זיהוי אתרי מטרה לתרופות ופיתוח חלבונים חדשים לביוטכנולוגיה ולחקלאות.
המחקר ממחיש גם שינוי רחב יותר בביולוגיה החישובית. מערכות בינה מלאכותית כבר אינן משמשות רק למיון נתונים או לחיזוי מבנים, אלא גם ליצירת הסברים והשערות בשפה שבני אדם יכולים לקרוא. האתגר יהיה להבטיח שהשפה השוטפת אינה מסתירה אי־ודאות, ושכל תחזית חשובה תיבחן לבסוף במעבדה.
המחקר נתמך בידי הקרן הלאומית למדע.
המאמר המדעי: BetaDescribe: Generating natural-language descriptions of protein sequences PNAS DOI: 10.1073/pnas.2537345123
—
אמפמ
מה פיתחו החוקרים? מערכת בינה מלאכותית בשם BetaDescribe, המקבלת רצף חלבוני ומייצרת תיאור מילולי של תפקודיו ומאפייניו האפשריים.
מדוע נדרשת מערכת כזאת? מאגרי המידע כוללים מיליארדי רצפי חלבונים, אך רק חלק קטן מהם אופיין ישירות בניסויי מעבדה.
במה היא שונה מחיפוש רגיל במאגרי חלבונים? היא אינה מסתמכת רק על מציאת רצפים דומים לחלבונים מוכרים, אלא מנסה להסיק תפקודים ולהציגם כטקסט מפורט.
איזה מידע היא יכולה להציע? תפקיד ביולוגי משוער, פעילות קטליטית, מעורבות במסלולים מטבוליים ואתרי קישור אפשריים.
האם התיאור מוכיח מה החלבון עושה? לא. זהו חיזוי חישובי שנועד לספק השערות למחקר. אימות מלא עדיין דורש ניסויים ביולוגיים.
כיצד נבדקה המערכת? החוקרים הדגימו את פעולתה על שישה חלבונים שלא אופיינו קודם לכן.
מהם היישומים האפשריים? מחקר רפואי, גילוי מטרות לתרופות, איתור אנזימים, ביוטכנולוגיה וחקלאות.
—
למאמר המדעי: פתיחת המאמר המדעי
