نموذج اللغات البروتينية: كيف تتنافس المعلومات لتحديد البداية البيولوجية للبروتينات؟

في عالم الذكاء الاصطناعي وتطبيقاته المتزايدة في المجال البيولوجي، يُعتبر نموذج اللغات البروتينية (Protein Language Models) من الأدوات الحديثة التي تُستخدم لتوجيه القرارات التجريبية والسريرية. لكن هل دائمًا تعكس التنبؤات بمستوى عالٍ من الثقة أدلة بيولوجية حقيقية أم أنها مجرّد استرجاع لمتوسطات إحصائية؟

في دراسة جديدة تم تحليل آلية نموذج ESM2-8M لرصد بداية تسلسل البروتين، والذي يفترض أن يبدأ بمادة الميثيونين. المفاجئ أن النموذج لا يكتشف الميثيونين في الموضع المحجوب، بل يستخدم إشارة تفضيلية للميثيونين من تمثيل مرجعي في بداية التسلسل، مُنشئًا استعلامًا مخصصًا يجمع بين الطبقات المختلفة. في النهاية، يتم الحصول على النتيجة النهائية من خلال منافسة بين دوائر معلومات سياقية.

لكن كيف ينجح النموذج في تحديد المعلومات الموضعية؟ هنا تم تقديم تحليل جديد يُعرف بتفكيك اتجاه النمط ضمن نطاقات التردد الدوراني. يظهر أن الترميز الموضعي يعمل من خلال تغييرات مترابطة في معايير الاستعلام ومحاذاة الزوايا عبر هذه النطاقات.

المثير للاهتمام هو أن النموذج يتنبأ بالميثيونين حتى في الحالات التي لا يكون فيها هو N-terminus الحقيقي، مما يشير إلى وجود حلقة استرجاع موضعية تتطابق مع المتوسط الإحصائي. هذا يُظهر أن التنبؤات ليست دائمًا نتيجة لآليات غير متوقعة، بل هي نتاج نظام حسابي موزع يتطلب مراجعة دقيقة.

تشير هذه النتائج إلى أن حسم هذه المسألة يتطلب تحليلات متقدمة، خصوصًا عندما تراودنا الأسئلة البيولوجية الأكثر تعقيدًا، وهو ما يثري النقاش عن العلاقة بين الثقة في التنبؤات والأدلة البيولوجية الأساسية.