في عالم البيولوجيا الحديثة، تعتبر النمذجة الافتراضية للخلايا (Virtual Cell Modeling) خطوة هامة لفهم كيفية تأثير التغيرات الجينية على الحالة الجزيئية. ومع ذلك، استمرت النماذج الحالية في مواجهة تحديات العقلانية غير المقيدة، وصعوبة فهم التنبؤات، بالإضافة إلى ضعف توافق الإشارات المسترجعة مع الهيكل التنظيمي.

ولحسن الحظ، تم تقديم نموذج AROMA - وهو اختصار لـ Augmented Reasoning Over a Multimodal Architecture - الذي يعد خطوة رائدة في تحسين النمذجة البيولوجية للاضطرابات الجينية (Genetic Perturbation Modeling). يجمع AROMA بين الأدلة النصية، وبيانات الرسم البياني، وميزات تسلسل البروتين لتشكيل علاقات دقيقة بين الاضطرابات والأهداف.

تم تدريب AROMA باستخدام استراتيجية تحسين على مرحلتين، مما يساعد على إنتاج تنبؤات دقيقة وذات قابلية للفهم. كما أنشأ الباحثون أيضًا رسومات معرفية وبيانات خاصة بالاضطرابات، تُعرف بمجموعات بيانات PerturbReason، التي تحتوي على أكثر من 498 ألف عينة لتكون موردًا قابلاً لإعادة الاستخدام في مجال الخلايا الافتراضية.

تظهر التجارب أن AROMA يتفوق على الأساليب الحالية عبر العديد من خطوط الخلايا، ويبقى قويًا حتى في تقييم عدم رؤية الخطوط الخلوية الجديدة، وكذلك في السيناريوهات المعرفية الضئيلة والطويلة. بشكل عام، يوضح AROMA أن الجمع بين النمذجة متعددة الأبعاد المستندة إلى المعرفة واسترجاع الأدلة يمثل مسارًا واعدًا نحو تنبؤات أكثر موثوقية وقابلية للفهم في مجال الاضطرابات الخلوية الافتراضية.

للمزيد من التفاصيل، يمكنكم زيارة [AROMA على HuggingFace](https://huggingface.co/blazerye/AROMA) أو الاطلاع على الشيفرة على [GitHub](https://github.com/blazerye/AROMA).