ثورة في فهم آليات الخلايا: لماذا تعتبر النماذج اللغوية الكبرى غير كافية للتنبؤ؟

تعد التجارب المتعلقة بالاضطرابات خيوطًا حيوية لفهم آليات الخلايا، لكنها غالبًا ما تكون مكلفة ونادرة. هذا الوضع يدفع الباحثين إلى الحاجة لتوقع استجابات التعبير الجيني (Gene Expression) في الظروف التي لم يتم ملاحظتها بعد. في الآونة الأخيرة، ظهر اتجاه واعد يستخدم النماذج اللغوية الكبرى (Large Language Models) كأجهزة محاكاة افتراضية للخلايا، مستعينًا بأساليب منهجية ومعرفية للاستنتاج في التعبير الجيني.

ومع ذلك، تعكس الأبحاث الأخيرة أن الفعالية البيولوجية لا تعني دائمًا دقة في التوقع. بالرغم من أن النماذج تنتج تفسيرات تبدو معقولة من الناحية البيولوجية، إلا أنها تفشل في التقاط التأثيرات الخاصة بالاضطرابات بشكل موثوق. في الواقع، تشير التقييمات الشاملة إلى أن هذه الطرق تتجاوز التقديرات العادية للتعبير الجيني، وفي كثير من الحالات، تبين أنها أقل أداءً من أساليب بسيطة تعتمد على تكرار الجينات.

ربما تكون المشكلة الرئيسة في كيفية تقديم الأدلة، حيث تقوم الطرق الحالية بتقييم أزواج الاضطراب والجين بشكل معزول، دون النظر في كيفية اختلاف التأثيرات الناتجة عن الاضطرابات ذات الصلة على نفس الجين. لمواجهة هذه الحدود، تم تقديم تقنية جديدة تُعرف بـCORE (تنظيم الأدلة التباينية)، والذي يعيد صياغة التنبؤ كمهمة مقارنة من خلال تنظيم الأدلة إلى نتائج إيجابية وسلبية من الاضطرابات المرتبطة.

عبر استخدام رسم بياني للمعرفة البيوميدانية (Biomedical Knowledge Graph) لاسترجاع الأدلة، تسهم تقنية CORE في تحسين التقييم وتزيد بشكل كبير من دقة التنبؤات المرتبطة بالتأثيرات الخاصة بالاضطرابات في كل من بيئات النماذج اللغوية وغير اللغوية. على سبيل المثال، في بيانات اضطرابات الأدوية، تمكنت CORE-Reasoning من تحسين مقاييس Qwen3.5-9B الإجمالية بنسبة تصل إلى 28.6%. وعلى بيانات الاضطرابات العامة، ارتفعت قيمة AUROC لكل جين إلى 0.703، متجاوزة أدنى مستوى الأداء.

هذه النتائج تؤكد على أهمية تنظيم الأدلة التباينية كشرط أساسي لتعزيز موثوقية استنتاجات التأثيرات المرتبطة بالاضطرابات المدفوعة بالنماذج اللغوية الكبرى.