طريقة الذكاء الاصطناعي تكشف ما تتعلمه نماذج الجينوم من الحمض النووي وتفضح التحيز التجريبي المخفي

بنى الباحثون في معهد ستاورز للبحوث الطبية طريقة تفسير تُظهر، قاعدةً بقاعدة، ما تعلمه نموذج التعلم العميق من الحمض النووي، واستخدموها لإزالة التحيز التجريبي المخفي من بيانات الجينوم. تُدعى الطريقة PISA، وقد وصفت في ورقة نُشرت في Nature Communications في أغسطس 2026 وأُعلن عنها من قبل المعهد في 25 أغسطس 2026.

تستقبل الشبكات العصبية المتسلسلة إلى وظيفة الحمض النووي الخام كمدخل وتُتوقع نتائج تجارب الجينوم، من ارتباط عوامل النسخ إلى تنظيم النوكليوزوم. ما لا يمكنها عادةً إخبارك به هو السبب وراء إحداث تنبؤ معين. تُختصر PISA إلى “pairwise influence by sequence attribution”، وتُتبع توقع النموذج في موقع جيني محدد إلى كل قاعدة أخرى أثرت فيه، مُنتجة خريطة ثنائية الأبعاد بدقة قاعدة واحدة تُظهر ما تعلمه النموذج بدلاً من مجرد ما توقعه.

قاد الدراسة جوليا زيتلنجير في ستاورز بالتعاون مع أنشول كنداجي في جامعة ستانفورد، وكان تشارلز ماكاناني، زميل الذكاء الاصطناعي في ستاورز، المؤلف الأول. تعمل PISA داخل BPReveal، أحدث امتداد للمختبر لـ BPNet، وهو إطار تعلم عميق طوّره الفريق لأول مرة في 2021.

كيف تُفصل PISA بين التحيز التجريبي والبيولوجيا

طبق الفريق PISA على MNase-seq، وهو اختبار واسع الاستخدام يرسم مواقع النوكليوزومات، الهياكل التي تتشكل عندما يلتف الحمض النووي حول بروتينات الهيستون. يعمل الاختبار باستخدام إنزيم يقطع الحمض النووي المكشوف مع إبقاء الحمض النووي المحمي بالنوكليوزوم سليمًا، لكن الإنزيم يفضّل بعض التسلسلات على غيرها. لذا تحتوي البيانات على إشارتين متداخلتين، وتعلم النموذج كليهما.

نظرًا لأن أدوات التفسير السابقة تُلخّص تأثير كل قاعدة إلى قيمة واحدة، يمكن أن تُلغى التأثيرات الإيجابية والسلبية وتختفي. تحتفظ PISA بالمعلومات بدقة كاملة، وفي تلك الدقة ظهر تفضيل الإنزيم للتسلسلات كبصمة مميزة على الخرائط. استخرج الفريق تلك البصمة رياضيًا، ودرب نموذجًا منفصلًا على التحيز فقط، ثم طرحه، ما ترك نموذجًا ثانيًا تعلم فقط البيولوجيا.

«إنه يشبه إلى حد ما الميكروسكوب فائق الدقة»، قالت زيتلنجير في إعلان المعهد. «حتى طرق التفسير السابقة فتحت الصندوق الأسود. ثم تدرك أنك تستطيع رؤية المزيد. أنت تضيف بكسلات وفجأة ترى أشياء لم تستطع رؤيتها من قبل.»

المفاجأة المخفية في البيانات النظيفة

داخل النموذج المصحح من التحيز، كشفت PISA عن تسلسلات DNA تساعد في تحديد موضع النوكليوزومات، مع تأثيرات تمتد لمئات القواعد في كلا الاتجاهين. كان الكثير منها غير متماثل، يؤثر على جانب واحد بصورة مختلفة عن الجانب الآخر. قاد اتباع هذا اللاتماثل الفريق إلى حدود نطاق الكروماتين، وهي الحدود التي تحدد أي تسلسلات تنظيمية يمكنها الوصول إلى أي جينات. تُرسم هذه الحدود عادةً باستخدام طرق كروماتين ثلاثية الأبعاد تتطلب عمق تسلسل هائل؛ وقد أظهر النموذج آلافًا منها استنادًا إلى بيانات النوكليوزوم فقط، غالبًا بدقة تفوق ما تسمح به البيانات ثلاثية الأبعاد، وفقًا للورقة.

ثم استخدم الفريق النماذج الموجهة للبيولوجيا لتصميم تسلسلات DNA اصطناعية تُتوقع أن ترتب النوكليوزومات في تكوينات محددة، واختبروا مجموعة فرعية من تلك التصاميم تجريبيًا. ثبتت صحة التنبؤات، مما يدل على أن القواعد التي تعلمها النموذج يمكنها توليد فرضيات قابلة للاختبار بدلاً من مجرد وصف البيانات الموجودة.

تقع هذه الدراسة في مجال استثمر بشكل كبير في نماذج تسلسلية متزايدة الحجم. أطلقت Google DeepMind مشروع AlphaGenome، الذي نُشر في بداية 2026 وأُشير إليه في مقدمة ورقة PISA، ويتنبأ بتأثير المتغيرات التنظيمية عبر الجينوم. تتعامل PISA مع المشكلة المكملة: بمجرد أن يُقدّم النموذج مثل هذه التنبؤات، فهم أي ميزات تسلسلية استخدمها فعليًا. وقد انتشرت الطريقة بالفعل خارج مختبر زيتلنجير، حيث تم تنفيذها في حزمة برمجية منفصلة بواسطة متعاون وتم تبنيها من قبل عالِم الأعصاب في ستاورز Neşet Özel لسؤال بيولوجي مختلف.

PISA بالأرقام

• 2021 – إطار التعلم العميق BPNet، أساس PISA، تم تطويره أولاً من قبل الفريق
• 8 أبريل 2025 – تم نشر مسودة PISA أولاً على bioRxiv
• أغسطس 2026 – نشر محكم في Nature Communications
• مئات القواعد – مدى تسلسلات تحديد موضع النوكليوزوم الفردية التي اكتشفها النماذج
• آلاف – حدود نطاق الكروماتين التي تم تحديدها من بيانات النوكليوزوم فقط

الحدود التي يذكرها المؤلفون

هذه ورقة طرق وجينوميات، وإشارة مرضها هي اتجاه وليس نتيجة. معظم التغيّرات الجينية المرتبطة بالأمراض تكمن في DNA التنظيمي بدلاً من الجينات، وتؤكد زيتلنجير صراحةً أن وضع متغيّر في موقع ربط أو عند حد نطاق يقترح آلية دون إنتاج دواء. كما أن العمل يتطلب مختبرًا متمكنًا من كل من التعلم العميق والبيولوجيا التجريبية، وتُشير زيتلنجير إلى أن هذه الخبرة المزدوجة هي الفجوة المستمرة في المجال بدلاً من القوة الحاسوبية.

تم التحقق من صحة تسلسلات DNA المصممة فقط لجزء تم اختباره تجريبيًا، وإظهار تصحيح التحيز في الورقة يخص MNase-seq، رغم أن المؤلفين أظهروا تطبيق PISA على عدة أنواع من البيانات. تُظهر سجل مراجعات المسودة أن تحليل نطاق الكروماتين أُضيف خلال عملية التحكيم، بعد نسخة مُعدلة نُشرت في 5 يناير 2026.

ما يثبت هذا العمل الآن هو طريقة لتدقيق ما تمتصه نماذج الجينوم من بيانات التدريب، وتصحيح الأجزاء التي جاءت من التجربة بدلاً من البيولوجيا، واستخلاص قواعد تسلسلية دقيقة بما يكفي لتصميمها واختبارها على الأنظمة الحية.