آموزش VaxiJen؛ از اجرای آنالیز تا تفسیر نتایج

معرفی VaxiJen و اهمیت آن در ایمونوانفورماتیک

VaxiJen اولین وب‌سرور برای پیش‌بینی مستقل از الاینمنت آنتی‌ژن‌های محافظت‌کننده (protective antigens) است که تحولی بزرگ در حوزه ایمونوانفورماتیک و طراحی واکسن‌های زیرواحدی (subunit vaccines) ایجاد کرده است. در حالی که الگوریتم‌های سنتی (مانند BLAST) برای شناسایی آنتی‌ژن‌ها کاملاً به الاینمنت توالی و یافتن شباهت مستقیم متکی هستند، VaxiJen فرآیند پیش‌بینی را صرفاً بر اساس ویژگی‌های فیزیکوشیمیایی پروتئین‌ها انجام می‌دهد. این ابزار به طور ویژه بر سه چالش کلیدی غلبه کرده است:

۱. پدیده واگرایی و همگرایی تکاملی پروتئین‌ها

برخی پروتئین‌ها به دلیل فرآیندهای تکاملی، تشابه توالی واضحی با یکدیگر ندارند، اما ساختار سه‌بعدی و عملکرد بیولوژیکی کاملاً مشابهی را به اشتراک می‌گذارند. روش‌های مبتنی بر الاینمنت در مواجهه با این پروتئین‌ها دچار ابهام شده یا شکست می‌خورند. VaxiJen با نادیده گرفتن چیدمان خطی و تمرکز بر خصوصیات ساختاری، این مانع تکاملی را برطرف می‌کند.

۲. الگوی پیچیده و غیرخطی آنتی‌ژنیسیته

ویژگی آنتی‌ژنی یک صفت خطی ساده نیست که به راحتی با ترتیب مستقیم چند آمینواسید ردیابی شود، بلکه به شکلی ظریف و غیرخطی در کل توالی پروتئین توزیع شده است. الگوریتم‌های هم‌ردیفی توانایی ردیابی این الگوهای غیرخطی را ندارند. VaxiJen با تبدیل توالی به ویژگی‌های فیزیکوشیمیایی با روش تبدیل خودکار متقاطع کوواریانس (ACC)، این الگوهای پنهان را آشکار می‌سازد.

۳. ناتوانی در کشف آنتی‌ژن‌های کاملاً نوین

روش‌های الاینمنت به‌شدت به تشابه با داده‌های قبلی ثبت‌شده وابسته هستند. بنابراین، در صورت مواجهه با یک آنتی‌ژن کاملاً جدید و منحصربه‌فرد، این روش‌ها به دلیل عدم وجود توالی مشابه در دیتابیس‌ها کارایی ندارند. VaxiJen با تمرکز بر ویژگی‌های آمینواسیدی به جای الاینمنت، کشف آنتی‌ژن‌های کاملاً جدید را امکان‌پذیر می‌کند.

اما این وب‌سرور چگونه یک توالی متنی از آمینواسیدها را به کدهای ریاضی معنادار تبدیل می‌کند؟ در بخش بعدی برای کشف این موضوع، به سراغ الگوریتم محاسباتی VaxiJen خواهیم رفت.

مبانی علمی و الگوریتم محاسباتی VaxiJen

هسته اصلی عملکرد VaxiJen بر اساس تبدیل توالی‌های پروتئینی متنی به کدهای عددی معنادار فیزیکوشیمیایی استوار است. این فرآیند پیشرفته بیوانفورماتیکی شامل سه گام کلیدی است: تبدیل آمینواسیدها به توصیف‌گرهای بیوشیمیایی، یکنواخت‌سازی طول توالی‌ها با الگوریتم ACC و در نهایت دسته‌بندی آماری با مدل DA-PLS.

توصیف‌گرهای z

در گام نخست، هر آمینواسید در توالی پروتئین با سه متغیر عددی به نام توصیف‌گرهای z یعنی $z3​$ | $z2​$ | $z1$ مدل‌سازی می‌شود. این توصیف‌گرها از آنالیز مؤلفه‌های اصلی (PCA) روی ۲۹ ویژگی تجربی و محاسباتی آمینواسیدها (مانند وزن مولکولی، pKa و تغییر مکان‌های NMR) به دست آمده‌اند و عصاره خصوصیات فیزیکوشیمیایی آن‌ها هستند:

• شاخص $z1$ : نشان‌دهنده میزان آب‌گریزی (Hydrophobicity) آمینواسید است.
• شاخص $z2​$ : ویژگی‌های فضایی و اندازه مولکولی (Steric properties/Size) را منعکس می‌کند.
• شاخص $z3​$ : میزان قطبیت (Polarity) آمینواسید را می‌سنجد.

با این روش، به جای کار با حروف متنی ساده، کل توالی پروتئین به زنجیره‌ای از بردارهای عددی بیوشیمیایی تبدیل می‌شود.

تبدیل خودکار متقاطع کوواریانس (ACC)

پروتئین‌های طبیعی طول‌های بسیار متفاوتی دارند، اما الگوریتم‌های یادگیری ماشین و دسته‌بندی آماری برای پردازش داده‌ها به ورودی‌هایی با طول یکسان نیاز دارند. VaxiJen برای حل این مسئله ریاضی از روش تبدیل خودکار متقاطع کوواریانس (Auto Cross Covariance – ACC) استفاده می‌کند.

مزیت بزرگ فرآیند ACC این است که اثرات همسایگی (عدم استقلال آمینواسیدهای مجاور در طول توالی پروتئینی) را نیز در محاسبات لحاظ می‌کند.

در این مرحله، دو محاسبات آماری کلیدی با در نظر گرفتن فواصل کوتاه آمینواسیدی (با فواصل یا لگ‌های ۱ تا ۵) انجام می‌شود:

۱. خودکوواریانس: همبستگی بین یک ویژگی آمینواسید (مثلاً آب‌گریزی) با همان ویژگی در آمینواسیدهای مجاور

۲. کوواریانس متقاطع: همبستگی بین دو ویژگی متفاوت (مثلاً میزان قطبیت آمینواسید با اندازه فضایی آمینواسید مجاور.

این تبدیل ریاضی پیشرفته در نهایت هر پروتئین را، صرف‌نظر از طولی که دارد، به یک بردار استاندارد با ۴۵ متغیر عددی تبدیل می‌کند.

مدل‌سازی آماری و طبقه‌بندی با روش DA-PLS

پس از همگن‌سازی داده‌ها، ماتریس حاوی ۴۵ متغیر برای هر پروتئین وارد نرم‌افزار SIMCA-P شده و تحت آنالیز ممیزی به روش حداقل مربعات جزئی (DA-PLS) قرار می‌گیرد. این مدل ریاضی با سنجش هم‌افزایی نیروهای بین‌مولکولی (نظیر ویژگی‌های فضایی، الکترواستاتیکی و هیدروفوبیک)، مرز مشخصی میان پروتئین‌های آنتی‌ژن و غیر آنتی‌ژن ترسیم کرده و میزان احتمال آنتی‌ژن بودن پروتئین را مشخص می‌کند.

به کارگیری زنجیره‌ای از توصیف‌گرهای z، فرمول‌های ریاضی ACC و طبقه‌بندی DA-PLS به VaxiJen این قدرت را می‌دهد که با دور زدن نیاز به الاینمنت، الگوهای پنهان و غیرخطی آنتی‌ژنیسیته را به تصویر بکشد.

اکنون که با معماری محاسباتی این ابزار آشنا شدیم، در بخش بعدی عملکرد واقعی و دقت این مدل‌ها را در پیش‌بینی آنتی‌ژن‌های باکتریایی، ویروسی و توموری بررسی خواهیم کرد.

ارزیابی عملکرد و دقت مدل‌های VaxiJen

برای ارزیابی و اطمینان از دقت پیش‌بینی یک ابزار بیوانفورماتیکی، نیاز به اعتبارسنجی‌های سخت‌گیرانه روی داده‌های واقعی است. توسعه‌دهندگان VaxiJen برای سنجش کارایی الگوریتم خود، سه دیتابیس مجزا شامل پروتئین‌های باکتریایی، ویروسی و توموری ایجاد کردند تا میزان موفقیت ابزار را در شناسایی آنتی‌ژن‌های مختلف بسنجند.

طراحی دیتابیس و استراتژی‌های اعتبارسنجی

هر یک از سه دیتابیس مورد استفاده در توسعه این وب‌سرور، دقیقاً از ۱۰۰ آنتی‌ژن شناخته‌شده (پروتئین‌هایی که توانایی القای پاسخ محافظتی آن‌ها در مدل‌های حیوانی آزمایشگاهی اثبات شده است) و ۱۰۰ غیر آنتی‌ژن تشکیل شده بود.

برای ارزیابی پایداری و دقت پیش‌بینی این مدل‌ها، پژوهشگران از دو استراتژی اعتبارسنجی استفاده کردند:

۱. اعتبارسنجی متقاطع داخلی (LOO-CV): این روش (Leave-One-Out Cross-Validation) برای سنجش پایداری مدل روی کل داده‌های آموزش به کار رفت. جالب است بدانید پژوهشگران مدل نهایی قرارگرفته در سرور VaxiJen را با میانگین‌گیری از ۵ مدل برتر ارزیابی‌شده در فرآیند LOO-CV ایجاد کردند.

۲. اعتبارسنجی خارجی (External Validation): پژوهشگران برای ارزیابی قدرت تعمیم‌دهی مدل، ۲۵٪ از پروتئین‌های مجموعه اولیه را به‌صورت کاملاً تصادفی کنار گذاشتند و از آن‌ها به‌عنوان «داده‌های تست مستقل» استفاده کردند. سپس مدل را با استفاده از ۷۵٪ باقی‌مانده آموزش دادند و عملکرد آن را روی داده‌های تست مستقل ارزیابی کردند.

همچنین آنالیزهای شباهت توالی (Sequence Similarity) نشان داد که پروتئین‌های موجود در دیتابیس‌های آموزش، تشابه توالی بسیار ناچیزی با یکدیگر داشتند که این امر جلوی هرگونه سوگیری در اعتبارسنجی را می‌گرفت.

عملکرد مدل‌های باکتریایی، ویروسی و توموری VaxiJen

VaxiJen در نسخه اولیه خود، کارایی الگوریتم را روی سه گروه متمایز از آنتی‌ژن‌ها مورد آزمایش قرار داد که نتایج اعتبارسنجی آن‌ها پایداری و دقت بالای این ابزار را اثبات کرد:

• مدل باکتریایی: این مدل در ارزیابی داخلی عملکرد پایداری با دقت ۸۲٪، حساسیت ۹۱٪ و اختصاصیت ۷۲٪ نشان داد. در اعتبارسنجی با داده‌های تست خارجی نیز موفق شد در آستانه پیش‌فرض ۰.۵ به دقت ۷۰٪ (با حساسیت ۷۶٪ و اختصاصیت ۶۴٪) دست یابد.
• مدل ویروسی: با وجود تنوع بالا و پیچیدگی ساختاری ویروس‌ها، این مدل در ارزیابی داخلی به دقت بسیار خوب ۸۷٪، حساسیت ۹۱٪ و اختصاصیت ۸۲٪ رسید. در بخش داده‌های تست مستقل نیز این مدل با آستانه ۰.۴ موفق به ثبت دقت ۷۰٪ و حساسیت ۸۴٪ شد.
• مدل توموری: درخشان‌ترین نتایج سیستم مربوط به این بخش بود که در ارزیابی داخلی به دقت عالی ۸۹٪، حساسیت ۹۴٪ و اختصاصیت ۸۴٪ دست یافت. در آزمون تست خارجی نیز این کارایی فوق‌العاده تکرار شد و مدل با ثبت دقت ۸۶٪ و حساسیت خیره‌کننده ۹۶٪، پتانسیل بالای خود را در حوزه ایمونوتراپی سرطان نشان داد.

پایداری فوق‌العاده مدل‌ها در شرایط متغیر

توسعه‌دهندگان برای اثبات پایداری ساختاری مدل‌ها، پنج مجموعه منفی (غیر آنتی‌ژن) اضافی را به روش الگوریتمی ایجاد کردند و با ترکیب آن‌ها با مجموعه مثبت، پنج مجموعه آموزشی جدید ساختند. بررسی عملکرد مدل‌ها روی این مجموعه‌های جدید نیز با ثبات بالایی همراه بود و دقت کلی همواره در بازه ۷۰٪ تا ۸۹٪ حفظ شد. این آزمایش پایداری اثبات کرد که پیش‌بینی‌های VaxiJen کاملاً سیستماتیک بوده و وابسته به چینش خاص داده‌های آموزش نیست.

موفقیت چشمگیر این سه مدل پایه‌ای و اثبات دقت و پایداری آن‌ها، بستر مناسبی را فراهم کرد تا ایده پیش‌بینی مستقل از الاینمنت مورد پذیرش جامعه علمی قرار گیرد. این دستاورد، راه را برای توسعه نسخه‌های بعدی این ابزار هموار نمود.

سیر تکامل ابزار و معرفی VaxiJen 2.0

موفقیت مدل‌های اولیه VaxiJen در پیش‌بینی آنتی‌ژن‌های باکتریایی، ویروسی و توموری، مسیر جدیدی را در واکسینولوژی محاسباتی گشود. با این حال، توسعه‌دهندگان این ابزار در گروه طراحی داروی دانشگاه Sofia از همان ابتدا VaxiJen را به‌صورت «سیستم باز» (open system) طراحی کردند که پتانسیل بالایی برای توسعه و بهبود مداوم داشت. در این بخش، به روند ارتقای این ابزار و نحوه شکل‌گیری نسخه دوم آن یعنی VaxiJen 2.0 می‌پردازیم.

ایده اولیه و چشم‌انداز توسعه سیستم

در زمان معرفی نسخه اول VaxiJen در سال ۲۰۰۷، تمرکز اصلی بر روی سه دسته کلیدی پاتوژن‌ها و آنتی‌ژن‌ها بود. اما به دلیل کلی بودن و انعطاف‌پذیری روش تبدیل ریاضی ACC و توصیف‌گرهای بیوشیمیایی z، طراحان ابزار اعلام کردند که این روش تعمیم‌پذیر است و پتانسیل پیش‌بینی آنتی‌ژن‌های پاتوژن‌های پیچیده‌تر مجهز به سلول‌های یوکاریوتی را نیز دارد. آن‌ها وعده دادند که در آینده مدل‌های اختصاصی برای پیش‌بینی آنتی‌ژن‌های انگلی (Parasite) و قارچی (Fungal) را توسعه داده و به سرور اضافه کنند.

تولد مدل‌های قارچی و انگلی

این وعده خیلی زود عملی شد. پژوهشگران در سال ۲۰۰۸ نتایج کار خود را روی مدل‌های قارچی و انگلی در قالب مقاله‌ای با عنوان «رویکرد بیوانفورماتیکی برای شناسایی واکسن‌های زیرواحدی کاندید قارچی و انگلی» در نشریه Open Vaccines Journal منتشر کردند.

عوامل بیماری‌زای قارچی و انگلی در مقایسه با باکتری‌ها و ویروس‌ها ساختارهای سلولی بسیار پیچیده‌تری دارند و فرار ایمنی در آن‌ها شدیدتر رخ می‌دهد. با این حال، استفاده از همان اصول مستقل از الاینمنت و مبتنی بر ویژگی‌های فیزیکوشیمیایی آمینواسیدها به دانشمندان اجازه داد تا مدل‌های جدیدی با دقت بالا برای این دو گروه از عوامل پاتوژن فرموله کنند.

معرفی نسخه VaxiJen 2.0

با یکپارچه‌سازی مدل‌های جدید در وب‌سرور، نسخه ارتقایافته این ابزار با نام VaxiJen 2.0 معرفی شد. این وب‌سرور نه‌تنها سه مدل پایه‌ای (باکتری، ویروس و تومور) را در خود حفظ کرد، بلکه با اضافه کردن مدل‌های انگلی و قارچی به یک هاب جامع ایمونوانفورماتیکی برای پیش‌بینی واکسن‌های زیرواحدی در تمامی قلمروهای زیستی تبدیل شد.

سرور VaxiJen 2.0 امروزه به عنوان یک استاندارد طلایی و اولین ابزار مستقل از الاینمنت شناخته می‌شود که فرآیند غربالگری آنتی‌ژن‌ها را صرفاً بر اساس ماهیت بیوشیمیایی پروتئین‌ها و بدون نیاز به چیدمان‌های خطی توالی‌ها پیش می‌برد.

اکنون که با تاریخچه و روند تکامل این ابزار آشنا شدیم، زمان آن رسیده است که ببینیم به عنوان یک پژوهشگر چگونه می‌توانیم از این وب‌سرور قدرتمند استفاده کنیم.

راهنمای کاربردی و گام‌به‌گام کار با وب‌سرور VaxiJen

برای درک ملموس و عملیاتی نحوه عملکرد VaxiJen، فرآیند پیش‌بینی را با یک مثال واقعی از پاتوژن‌های نام‌آشنا دنبال می‌کنیم. در این سناریو، ما می‌خواهیم پتانسیل آنتی‌ژنی پروتئین گلیکوپروتئین سطحی (Spike Protein) ویروس کرونای سارس ۲ (Severe acute respiratory syndrome coronavirus 2) را ارزیابی کنیم.

برای این کار، از توالی پروتئینی این پاتوژن با GenBank: QHD43416.1 استفاده خواهیم کرد. شما می‌توانید به راحتی این شناسه را در دیتابیس NCBI جستجو کنید و توالی پروتئینی آن را در قالب استاندارد FASTA دریافت نمایید.

گام اول: ورود به وب‌سرور و بارگذاری توالی

ابتدا از‌طریق لینک زیر به آدرس رسمی وب‌سرور VaxiJen مراجعه کنید:

پس از ورود، با یک رابط کاربری بسیار ساده و کلاسیک مواجه می‌شوید:

در حالت استفاده رایگان و عمومی، شما باید توالی آمینواسیدی پروتئین خود را که در قالب FASTA دریافت کرده‌اید، مستقیماً در کادر متنی بزرگ صفحه کپی و پیست کنید.

نکته بسیار مهم درباره آنالیزهای گروهی (Batch Submission): در حال حاضر خدمات پردازش گروهی و انبوه توالی‌ها در وب‌سایت رسمی VaxiJen به‌صورت رایگان در دسترس نیست. این وب‌سرور فرآیند آنالیز انبوه را تحت یک قرارداد عملکردی با هزینه مشخص انجام می‌دهد. بنابراین، برای پروژه‌های پژوهشی رایگان و معمول بیوانفورماتیک، کاربران باید توالی‌های خود را به صورت تک‌به‌تک وارد سیستم کنند.

گام دوم: انتخاب مدل هدف و تنظیم آستانه

پیش از زدن دکمه پردازش، باید دو تنظیم ساده اما حیاتی را متناسب با پروژه خود مشخص کنید:

• انتخاب مدل هدف (Target Organism): از آنجا که نمونه مورد بررسی ما متعلق به ویروس کرونا است، از منوی کشویی گزینه Virus را انتخاب می‌کنیم. (برای سایر پروژه‌ها می‌توانید بر حسب نیاز، مدل‌های باکتری، تومور، قارچ یا انگل را انتخاب کنید).
• تنظیم آستانه پیش‌بینی (Threshold): به طور کلی، آستانه پیش‌فرض سرور روی مقدار 0.5 تنظیم شده است. اما با انتخاب مدل ویروسی، سیستم به طور خودکار آستانه را روی 0.4 تنظیم می‌کند. دلیل این امر یافته‌های علمی مقاله اصلی VaxiJen است؛ توسعه‌دهندگان متوجه شدند که مدل ویروسی بالاترین کارایی و حساسیت خود را دقیقاً در آستانه 0.4 نشان می‌دهد.

گام سوم: ارسال داده‌ها و تفسیر آسان نتایج

پس از انجام تنظیمات، روی دکمه Submit کلیک کنید. وب‌سرور در پشت صحنه شروع به اجرای الگوریتم ریاضی ACC روی خصوصیات فیزیکوشیمیایی آمینواسیدها می‌کند و در عرض چند ثانیه خروجی را در صفحه‌ای جدید نمایش می‌دهد:

• Model Selected: مدل انتخابی شما را نشان می‌دهد (در این مثال: virus).
• Threshold for this model (آستانه مدل ویروسی): امتیازی به صورت کسر از یک (بین 0 تا 1) به توالی شما اختصاص داده می‌شود (در این مثال: ۰.۴).
• Overall Protective Antigen Prediction (وضعیت نهایی آنتی‌ژن): در صورتی که امتیاز نهایی پروتئین از آستانه تعیین‌شده بالاتر باشد (مانند همین مثال با مقدار 0.4644)، وب‌سرور برچسب Probable Antigen (آنتی‌ژن احتمالی) را برای پروتئین شما صادر می‌کند. در غیر این صورت، این پروتئین به عنوان Probable Non-Antigen معرفی خواهد شد.

همچنین در صورت تمایل، می‌توانید تیک مربوط به خروجی ضرایب ACC را فعال کنید. این ویژگی برای کاربران پیشرفته‌ای که می‌خواهند از بردارهای عددی ۴۵ تایی فیزیکوشیمیایی برای کارهای آماری و محاسبات شخصی خود استفاده کنند، بسیار کاربردی است.

با این مثال عملی، مشاهده کردیم که کار با وب‌سرور VaxiJen تا چه حد ساده، سریع و بدون نیاز به فرآیندهای پیچیده الاینمنت توالی است.

نتیجه‌گیری؛ چرا VaxiJen ابزاری ضروری در ایمونوانفورماتیک است؟

VaxiJen به‌عنوان نخستین وب‌سرور پیش‌بینی مستقل از الاینمنت (Alignment-independent) برای آنتی‌ژن‌های محافظت‌کننده، مسیر نوینی را در واکسینولوژی محاسباتی گشوده است. این ابزار بیوانفورماتیکی قدرتمند، چالش‌های سنتی الاینمنت توالی را کنار می‌گذارد و بر ویژگی‌های فیزیکوشیمیایی پروتئین‌ها تمرکز می‌کند. VaxiJen با تکیه بر این رویکرد، دقت ۷۰٪ تا ۸۹٪ را در ارزیابی و شناسایی آنتی‌ژن‌ها نشان داده است.

انعطاف‌پذیری بالای معماری VaxiJen و ماهیت افزونه‌پذیر آن به‌عنوان یک «سیستم باز»، امکان ارتقای مدل‌های پیش‌بینی را فراهم می‌کند. این مدل‌ها می‌توانند همگام با پیشرفت‌های علمی توسعه یابند. همچنین، امکان پوشش پاتوژن‌های پیچیده‌تر نیز وجود دارد.

در نهایت، این وب‌سرور می‌تواند به تنهایی یا در ترکیب با روش‌های سنتی الاینمنت (مانند BLAST) به کار گرفته شود. با هم‌افزایی متدولوژی‌ها، پژوهشگران حوزه طراحی واکسن به دقیق‌ترین نتایج ممکن در غربالگری مجازی واکسن‌های زیرواحدی دست خواهند یافت.

آموزش‌های مرتبط 🙂

سوالات متداول درباره VaxiJen