في عالم الأبحاث البيولوجية، تُعد معرفة مواقع ربط البروتينات (pockets) أمرًا بالغ الأهمية لفهم وظيفة البروتينات وتطوير الأدوية. رغم ذلك، فإن غالبية الطرق العامة لم تستفد من نماذج الصياغة المعلقة (co-folding models) في توقع هذه المواقع. هذه الفجوة جعلت من الضروري تطوير أدوات جديدة تعتمد على مدى تفاعل البروتينات مع الجزيئات الحيوية.

وفي هذا السياق، أعلن الباحثون عن تطوير تقنية جديدة تُعرف باسم zPocket، وهي ميزة جديدة تعزز من دقة التنبؤ بمواقع الربط. وقد تم بناء zPocket على أساس مجموعة بيانات جديدة تُسمى PocketWatch، التي تحتوي على مواقع ربط لـ ligands المصنفة وفقًا للتشابه التسلسلي، والتشابه الهيكلي، وصعوبة التنبؤ.

استخدمت الدراسة مجموعة بيانات PocketWatch لاختبار الأداء، وقد أظهرت النتائج أن التقنية الجديدة zPocket تتفوق على الطرق التقليدية في جميع تصنيفات البيانات. حيث حقق أفضل نموذج من zPocket AUPRC إجمالي بلغ 0.745، مقارنةً بالنماذج الأكثر قوة مثل VN-EGNN وUniSite-1D التي حصلت على نتائج أقل بمعدل كبير.

ومن المثير للاهتمام، أن zPocket أثبتت كفاءتها ليس فقط في توقع المواقع، بل أيضًا في تحسين أداء النماذج الأخرى عن طريق إعادة تصنيف مواقع الربط المقترحة. لذلك، تفتح هذه التقنية آفاقًا جديدة لأبحاث البروتينات، بما في ذلك تطبيقات مثل الفحوصات البلورية والكشف عن مواقع الربط غير المعروفة في البروتينات البشرية.

تُبرز نتائج هذا البحث كيف يمكن للميزات من نماذج الصياغة المعلقة أن تُحدث ثورة في توقع مواقع ربط الجزيئات الحيوية، مما يدفعنا للاعتقاد بأن zPocket ستمثل خطوة بارزة في مجال تطوير الأدوية.