هوش مصنوعی توانایی درک زبان بیماری‌ها را دارا است

هوش مصنوعی از یک دستاورد جدید خبر می‌دهد.

به نقل از ساینمگ، هوش مصنوعی‌ای که پیش از این توانایی خود را در استفاده از نرم‌افزارهای کدنویسی و موفقیت در آزمون وکالت اثبات کرده بود، اکنون توانایی خواندن نوع دیگری از متن که شامل کدهای ژنتیکی است را یاد گرفته است.

کد ژنتیکی حاوی دستورات لازم برای تمامی عملکردهای حیاتی است و به قوانینی پایبند می‌باشد که شباهت زیادی به زبان‌های انسانی دارند. هر توالی در ژنوم تحت تأثیر قوانین گرامری پیچیده و ساختارهایی است که می‌تواند معنا را شکل دهد. به همین ترتیب که تغییر چند کلمه، تأثیر یک جمله را دگرگون می‌سازد، تغییرات جزئی در یک دنباله بیولوژیکی نیز می‌توانند تأثیرات قابل توجهی بر عناصری که این دنباله را رمزگذاری می‌کنند داشته باشند.

اکنون محققان «دانشگاه پرینستون»(Princeton University) به سرپرستی «منگدی وانگ»(Mengdi Wang)، متخصص یادگیری ماشین در این دانشگاه، از مدل‌های زبانی برای بررسی توالی‌های خاص ژنوم استفاده کرده و آن‌ها را در راستای تحقیقات زیست‌شناسی و پیشرفت‌های پزشکی به کار گرفته‌اند.

در مقاله‌ای که پژوهشگران به نگارش درآورده‌اند، مدلی زبانی توصیف شده که از قابلیت‌های معنایی خود بهره‌برداری می‌کند تا واکسن‌های آران‌ای پیام‌رسان کارآمدتری مشابه واکسن‌های کووید-۱۹ طراحی کند.

دانشمندان یک رویکرد ساده برای توضیح روند انتقال اطلاعات ژنتیکی دارند که به آن «دگم مرکزی زیست‌شناسی»(central dogma of biology) می‌گویند. اطلاعات از DNA به RNA منتقل شده و سپس به پروتئین‌ها تبدیل می‌شوند. پروتئین‌ها پایه‌گذار ساختار و عملکرد سلول‌های زنده هستند.

آران‌ای پیام‌رسان در مرحله نهایی، که مرحله تبدیل نام دارد، اطلاعات را به پروتئین تبدیل می‌کند، هرچند که تنها بخش کوچکی از آن حاوی کد پروتئین است. مابقی اطلاعات به صورت مستقیم تبدیل نمی‌شوند اما جنبه‌های حیاتی فرآیند تبدیل را کنترل می‌کنند.

نظارت بر کارایی تولید پروتئین، مکانیزمی کلیدی است که واکسن‌های با پایه آران‌ای پیام‌رسان بر اساس آن عمل می‌کنند. محققان دانشگاه پرینستون، مدل زبانی خود را بر روی ناحیه تبدیل‌نشده متمرکز کردند تا بررسی کنند که چگونه می‌توان کارایی واکسن‌ها را بهبود بخشید.

پس از آموزش مدل بر روی گونه‌های کم‌جمعیت، پژوهشگران توانستند صدها توالی جدید بهینه‌سازی‌شده تولید و آن‌ها را از طریق آزمایش‌های آزمایشگاهی تأیید کنند. بهترین توالی‌ها عملکردی فراتر از چندین معیار پیشرو در زمینه توسعه واکسن نشان دادند؛ از جمله افزایش ۳۳ درصدی در بازدهی کلی تولید پروتئین.

پژوهشگران تأکید کردند که حتی افزایش جزئی در راندمان تولید پروتئین، تحولی بزرگ برای درمان‌های نوظهور محسوب می‌شود. واگسنی‌ها آران‌ای پیام‌رسان، تنها محدود به کووید-۱۹ نیستند و می‌توانند محافظتی در برابر انواع بیماری‌های عفونی و سرطان فراهم کنند.

وانگ بیان کرد که موفقیت این مدل به نکته‌ای بنیادین اشاره دارد. این مدل زبانی، پس از یادگیری از آران‌ای پیام‌رسان چند گونه، توالی‌های نوکلئوتیدی را رمزگشایی کرده و اطلاعات جدیدی درباره تنظیم ژن در اختیار قرار داده است. دانشمندان بر این باورند که تنظیم ژن یکی از بنیادی‌ترین عملکردهای حیات است و می‌تواند به کشف ریشه‌های بیماری و اختلالات کمک کند. اینگونه مدل‌های زبانی می‌توانند دروازه‌ای نوین برای بررسی تنظیم ژن به ارمغان بیاورند.

زبان بیماری

مدل زبانی جدید به جای آموزش بر اساس میلیاردها صفحه متن اینترنتی، بر روی چند صد هزار توالی آموزش دیده است. همچنین این مدل از اطلاعات بیشتری درباره تولید پروتئین‌ها شامل داده‌های ساختاری و مرتبط با انرژی نیز بهره برده است.

محققان از این مدل آموزش‌دیده برای خلق مجموعه‌ای متشکل از ۲۱۱ توالی جدید استفاده کردند. پروتئین‌های به کار رفته همانند پروتئین خوشه‌ای که هدف واکسن‌های کووید-۱۹ است، واکنش‌های ایمنی را نسبت به بیماری‌های عفونی تحریک می‌کنند.

پژوهش‌های پیشین موفق به ایجاد مدل‌های زبانی برای رمزگشایی توالی‌های بیولوژیکی مختلف از جمله پروتئین‌ها و DNA شده‌اند، اما این نخستین بار است که مدل زبانی بر روی ناحیه تبدیل‌نشده آران‌ای پیام‌رسان تمرکز می‌کند. علاوه بر بهبود کارآیی کلی، این مدل توانسته است پیش‌بینی کند که عملکرد یک توالی در انواع وظایف مرتبط چقدر می‌تواند موفق باشد.

وانگ تأکید کرد که بررسی یک مجموعه داده محدود و ساخت مدل بر مبنای آن برای دانشمندان جویای اطلاعات کافی نیست و باید اقدامات جدیدی صورت گیرد.

وی افزود: آموزش دادن یک مدل تنها به معنای کنار هم قرار دادن توالی‌ها نیست؛ بلکه باید تمامی جنبه‌ها و بخش‌هایی که تاکنون جمع‌آوری شده‌اند، مدنظر قرار گیرد. این کار در گذشته صورت نگرفته است.

این تحقیق در مجله «Nature Machine Intelligence» به چاپ رسید.