هوش مصنوعی در فیدهای خبری ما منفجر شده است و ChatGPT و فناوری‌های مرتبط با هوش مصنوعی در کانون بررسی گسترده عمومی قرار گرفته‌اند. فراتر از چت ربات های محبوب، زیست شناسان در حال یافتن راه هایی برای استفاده از هوش مصنوعی برای بررسی عملکردهای اصلی ژن های ما هستند.

پیش از این، محققان دانشگاه کالیفرنیا سن دیگو که توالی‌های DNA را که ژن‌ها را روشن می‌کنند، بررسی می‌کردند، از هوش مصنوعی برای شناسایی یک قطعه معمایی مرتبط با فعال‌سازی ژن، یک فرآیند اساسی درگیر در رشد، توسعه و بیماری استفاده می‌کردند. پروفسور جیمز تی. کادوناگا و همکارانش با استفاده از یادگیری ماشینی، نوعی هوش مصنوعی، ناحیه پروموتور هسته پایین دستی (DPR) را کشف کردند، یک کد فعال‌سازی DNA «دروازه» که در عملکرد یک سوم از آن نقش دارد. ژن های ما

بر اساس این کشف، Kadonaga و محققان Long Vo ngoc و Torrey E. Rhyne اکنون از یادگیری ماشینی برای شناسایی توالی‌های DNA “افراطی مصنوعی” با عملکردهای طراحی شده ویژه در فعال‌سازی ژن استفاده کرده‌اند. چاپ در مجله ژن ها و رشدمحققان میلیون‌ها توالی DNA مختلف را از طریق یادگیری ماشینی (AI) با مقایسه عنصر فعال‌سازی ژن DPR در انسان و مگس میوه آزمایش کردند.مگس سرکه). با استفاده از هوش مصنوعی، آن‌ها توانستند توالی‌های نادر و سفارشی DPR را پیدا کنند که در انسان‌ها فعال هستند اما در مگس‌های میوه فعال نیستند و بالعکس. به طور کلی تر، اکنون می توان از این رویکرد برای شناسایی توالی های DNA مصنوعی با فعالیت هایی استفاده کرد که می تواند در بیوتکنولوژی و پزشکی مفید باشد.

در آینده، این استراتژی می تواند برای شناسایی توالی های DNA شدید مصنوعی با کاربردهای عملی و مفید استفاده شود. به جای مقایسه انسان (شرایط X) با مگس میوه (شرایط Y) می‌توانیم توانایی داروی A (شرایط X) را آزمایش کنیم اما داروی B (شرایط Y) را برای فعال کردن یک ژن آزمایش نمی‌کنیم. این روش همچنین می تواند برای یافتن توالی های DNA سفارشی که ژن را در بافت 1 (شرایط X) فعال می کند اما در بافت 2 (شرط Y) فعال نمی کند، استفاده شود. کاربردهای عملی بیشماری از این رویکرد مبتنی بر هوش مصنوعی وجود دارد. توالی های DNA شدید مصنوعی ممکن است بسیار نادر باشند، شاید یک در میلیون. اگر وجود داشته باشند، می‌توان با استفاده از هوش مصنوعی پیدا کرد.”


جیمز تی. کادوناگا، استاد گروه زیست شناسی مولکولی، دانشگاه کالیفرنیا سن دیگو

یادگیری ماشینی شاخه‌ای از هوش مصنوعی است که در آن سیستم‌های رایانه‌ای به طور مداوم بهبود می‌یابند و بر اساس داده‌ها و تجربه یاد می‌گیرند. در تحقیق جدید، Kadonaga، Vongoc (پژوهشگر سابق فوق دکتری UC San Diego اکنون در Velia Therapeutics) و Rhyne (همکار تحقیقاتی کارکنان) از روشی به نام رگرسیون بردار پشتیبان برای آموزش مدل‌های یادگیری ماشینی با 200000 توالی DNA استفاده کردند. بر اساس داده های آزمایشات آزمایشگاهی در دنیای واقعی. اینها اهدافی بودند که به عنوان نمونه هایی برای سیستم یادگیری ماشین ارائه شدند. آنها سپس 50 میلیون توالی DNA آزمایشی را به سیستم‌های یادگیری ماشینی برای انسان‌ها و مگس‌های میوه “تغذیه” کردند و از آنها خواستند که توالی‌ها را با هم مقایسه کنند و توالی‌های منحصربه‌فرد را در دو مجموعه داده عظیم شناسایی کنند.

در حالی که سیستم‌های یادگیری ماشینی نشان دادند که توالی‌های انسان و مگس میوه تا حد زیادی با هم همپوشانی دارند، محققان بر این سوال اصلی تمرکز کردند که آیا مدل‌های هوش مصنوعی می‌توانند موارد نادری را شناسایی کنند که فعال‌سازی ژن در انسان‌ها بسیار فعال است اما در مگس‌های میوه نه. پاسخ قاطعانه “بله” بود. مدل‌های یادگیری ماشینی موفق به شناسایی توالی‌های DNA خاص انسان (و مخصوص مگس میوه) شدند. نکته مهم، عملکردهای پیش‌بینی‌شده با هوش مصنوعی توالی‌های شدید در آزمایشگاه کادوناگا با استفاده از روش‌های آزمایش معمولی (آزمایشگاه مرطوب) تأیید شد.

قبل از شروع این کار، نمی‌دانستیم که آیا مدل‌های هوش مصنوعی برای پیش‌بینی فعالیت‌های 50 میلیون دنباله، به‌ویژه سکانس‌های «افراطی» پرت با فعالیت‌های غیرمعمول، به اندازه کافی «هوشمند» هستند یا خیر. بنابراین، بسیار چشمگیر و قابل توجه است که کادوناگا گفت که مدل‌های هوش مصنوعی می‌توانند فعالیت‌های نادر یک در میلیون توالی شدید را پیش‌بینی کنند. آزمایش تقریباً سه هفته طول می کشد تا کامل شود.

توالی های نادر شناسایی شده توسط سیستم یادگیری ماشینی به عنوان یک نمایش موفق عمل می کنند و زمینه را برای استفاده های دیگر از یادگیری ماشین و سایر فناوری های هوش مصنوعی در زیست شناسی فراهم می کنند.

“در زندگی روزمره، مردم در حال یافتن برنامه های کاربردی جدید برای ابزارهای هوش مصنوعی مانند ChatGPT هستند. در اینجا، ما استفاده از هوش مصنوعی را برای طراحی عناصر DNA سفارشی در فعال سازی ژن نشان داده ایم. این روش باید کاربردهای عملی در بیوتکنولوژی و تحقیقات زیست پزشکی داشته باشد. ” گفت کادوناگا. به طور گسترده تر، زیست شناسان احتمالاً در همان ابتدای استفاده از قدرت فناوری هوش مصنوعی هستند.

منبع:

دانشگاه کالیفرنیا – سن دیگو

مرجع مجله:

Vongoc، L.، و همکاران (2023) تجزیه و تحلیل عناصر Drosophila و انسان DPR یک نوع انسانی متمایز را نشان می دهد که ویژگی آن را می توان با یادگیری ماشین افزایش داد.. ژن ها و رشد. doi.org/10.1101/gad.350572.123.

منبع : news medical

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

Home
Account
shop
0
Search
سبد خرید0
There are no products in the cart!
دریافت پیش فاکتور
Search
×