کلید روشنکردن ژنهای انسان به کمک هوش مصنوعی شناسایی شد
مدل هوش مصنوعی جدید الگوی دیانای «آغازگر» را رمزگشایی کرد؛ بخشی که فعالسازی ژنها را آغاز میکند. این الگو در حدود ۶۰ درصد ژنهای انسان وجود دارد و به پیشبینی اختلالات ژنتیکی و طراحی کنترلکنندههای مصنوعی ژن کمک میکند.
به گزارش سیناپرس، پژوهشگران معتقدند رمزگشایی آغازگر ژنها امکان پیشبینی اثرات جهشهای دیانای بر اختلالاتی مانند سرطان را فراهم میکند. این تحقیقات همچنین راه را برای طراحی پروموترهای مصنوعی و درک کاملتر رمز بیان ژن در انسان میگشاید و به پزشکی دقیقتر کمک مینماید. پروموترهای مصنوعی توالیهای دیانای ساختهشده در آزمایشگاه هستند که مانند یک کلید خاص، ژنها را روشن یا خاموش میکنند. برخلاف پروموترهای طبیعی، این توالیها با عملکردهای دلخواه و کنترلشده طراحی میشوند تا بیان ژن را در زمان، مکان یا شدت مورد نظر تنظیم کنند و در تحقیقات پزشکی و زیستفناوری کاربرد دارند.
برای درک کامل توالیهای خاصی در دیانای که فعالسازی ژنها را ممکن میسازند، پژوهشگران آزمایشگاه پروفسور جیمز تی. کادوناگا (James T. Kadonaga) در دانشگاه کالیفرنیا سن دیگو تصمیم گرفتند بخشی مهم از دیانای به نام «آغازگر» (initiator) را رمزگشایی کنند. این بخش محل آغاز تبدیل یا بیان دستورالعملهای رمزگذاریشده در ژنها به محصولات عملکردی است.
به باور پژوهشگران، فعالسازی دقیق دهها هزار ژن برای رشد و نمو سالم ضروری است. بخشهای تخصصی دیانای ما مسئول هماهنگسازی دقیق توالیهای ژنتیکی هستند که به تولید آنزیمها، هورمونها، پروتئینها و سایر اجزای حیاتی ساختار و عملکرد سلولها منجر میشوند. اگر این ژنها بهدرستی فعال نشوند، سلولها ممکن است از کار بیفتند یا اختلالاتی از جمله سرطان ایجاد شود.
در مطالعه جدیدی که تحت هدایت توری راین-کاریگ (Torrey Rhyne-Carrigg) انجام شد، دانشمندان با استفاده از فناوری توالییابی دیانای با توان بالا (روش پیشرفتهای که امکان بررسی همزمان تعداد بسیار زیادی از نمونههای دیانای را فراهم میکند)، فعالیت بیان ژن حدود ۵۰۰ هزار نسخه مختلف از آغازگرها را تعیین کردند. با بهرهگیری از این اطلاعات، آنها از یادگیری ماشینی که به رایانهها امکان یادگیری الگوها از دادهها را میدهد، برای ایجاد مدلی مبتنی بر هوش مصنوعی استفاده کردند که الگوی امضای دیانای آغازگر را رمزگشایی نمود. با آشکار شدن هویت دیانای آغازگر، پژوهشگران توانستند توالی مشخصه آن را جستوجو کنند و دریافتند که حدود ۶۰ درصد از ژنهای انسان حاوی آغازگر هستند.
پروفسور جیمز تی. کادوناگا از گروه زیستشناسی مولکولی دانشکده علوم زیستی دانشگاه کالیفرنیا سن دیگو در این رابطه اظهار داشت: «این مدلهای هوش مصنوعی برای نخستینبار پیشبینیهای قوی از حضور یا عدم حضور آغازگر در ژنهای انسان ارائه دادند و بدین ترتیب توانستند الگوی توالی بازهای دیانای آغازگر را رمزگشایی کنند.»
این اطلاعات تازه کشفشده به پژوهشگران امکان پیشبینی اثرات جهشهای دیانای را میدهد که میتوانند به اختلالات مختلف مرتبط با آغازگر منجر شوند. دادهها و مدلهای حاصل از این مطالعه همچنین میتوانند برای طراحی پروموترهای مصنوعی (توالیهایی که ژنها را روشن و خاموش میکنند) با عملکردهای سفارشی مورد استفاده قرار گیرند.
کادوناگا در ادامه توضیحات خود افزود: «بهطور کلی، این کار گامی رو به جلو در استفاده ترکیبی از مطالعات آزمایشگاهی و هوش مصنوعی برای رمزگشایی اطلاعات نهفته در توالی دیانای انسان است. در نهایت، در میان شش میلیارد دیانای موجود در هر یک از سلولهای ما، رمز بیان ژن وجود دارد که مشخص میکند هر یک از ژنهای ما چه زمانی، در کجا و تا چه اندازه باید روشن یا خاموش شوند. نکته مهم این است که اگر ما مدلی مبتنی بر هوش مصنوعی برای کل رمز بیان ژن در اختیار داشته باشیم، قادر خواهیم بود فعالیت انواع مختلف ژنها را در افراد مختلف پیشبینی کنیم. مدل جدید هوش مصنوعی برای آغازگر بخش کوچک اما مهمی از این رمز بیان ژن است و من خوشبینانه احتمال می دهم که در آیندهای نه چندان دور، مدلهای هوش مصنوعی خود را از رمز بیان ژن انسان گسترش دهیم.»
ترجمه: فاطمه کردی
