اشتراک
علم سلامت ژنتیک

کلید پنهان «روشن‌شدن» در DNA انسان سرانجام رمزگشایی شد

هوش مصنوعی بخش مهمی از کد ژنتیکی را که به تعیین زمان روشن‌شدن ژن‌های انسان کمک می‌کند، رمزگشایی کرد

در یک نگاه چکیدهٔ خودکار موتور هوش مصنوعی افق آبی

پژوهشگران دانشگاه کالیفرنیا در سن‌دیگو با بهره‌گیری از هوش مصنوعی موفق به رمزگشایی یکی از بخش‌های کلیدی کد ژنتیکی انسان شدند که مسئولیت تعیین زمان و مکان «روشن‌شدن» ژن‌ها را بر عهده دارد. این بخش که «آغازگر» نامیده می‌شود، نقشی حیاتی در هدایت تولید پروتئین‌ها و سایر مولکول‌های ضروری سلول ایفا می‌کند و اختلال در آن می‌تواند منجر به بیماری‌های مختلف از جمله سرطان شود. تیم تحقیقاتی با استفاده از توالی‌یابی با توان بالا، فعالیت حدود ۵۰۰ هزار نسخه از آغازگر را اندازه‌گیری کرده و از داده‌های حاصل برای آموزش یک مدل یادگیری ماشین استفاده کردند. این هوش مصنوعی توانست الگوی مشخصه آغازگر را شناسایی کرده و نشان دهد که تقریباً ۶۰ درصد از ژن‌های انسان حاوی این توالی هستند. این دستاورد علمی نه تنها امکان پیش‌بینی اثرات جهش‌های DNA بر فعالیت ژن‌ها را فراهم می‌کند، بلکه راه را برای طراحی پروموترهای مصنوعی با اهداف درمانی خاص می‌گشاید. محققان این مطالعه بر این باورند که ترکیب آزمایش‌های آزمایشگاهی با هوش مصنوعی گامی بزرگ به سوی رمزگشایی کامل کد بیان ژن در انسان است؛ کدی که تعیین می‌کند هر یک از شش میلیارد باز DNA در سلول‌های ما چه زمانی و تا چه حد باید فعال یا غیرفعال شوند. دستیابی به چنین مدل جامعی در آینده می‌تواند توانایی دانشمندان را در پیش‌بینی فعالیت ژنتیکی در افراد مختلف به طرز چشمگیری ارتقا دهد.

رشد و توسعه سالم به روشن‌شدن ده‌ها هزار ژن در زمان و مکان مناسب بستگی دارد. نواحی خاصی از DNA به هماهنگ‌سازی این فرآیند کمک می‌کنند و تولید آنزیم‌ها، هورمون‌ها، پروتئین‌ها و سایر مولکول‌هایی را که سلول‌ها برای عملکرد صحیح به آن‌ها نیاز دارند، هدایت می‌کنند. هنگامی که فعال‌سازی ژن دچار اختلال شود، سلول‌ها می‌توانند عملکرد نادرستی داشته باشند و به بیماری‌ها از جمله سرطان کمک کنند.

برای درک بهتر توالی‌های DNA که این فرآیند را کنترل می‌کنند، محققان در آزمایشگاه پروفسور جیمز تی. کادوناگا از دانشگاه کالیفرنیا در سن دیگو بر روی یک عنصر DNA مهم به نام «آغازگر» تمرکز کردند. آغازگر مکانی را مشخص می‌کند که اطلاعات رمزگذاری‌شده در یک ژن شروع به تبدیل شدن، یا بیان، به یک محصول عملکردی می‌کند.

هوش مصنوعی توالی آغازگر را رمزگشایی می‌کند

در این مطالعه جدید که توسط توری راین-کاریگ، محقق دانشجوی دکترا، رهبری شد، تیم از توالی‌یابی DNA با توان بالا برای اندازه‌گیری فعالیت بیان ژن در حدود ۵۰۰٬۰۰۰ نسخه مختلف از آغازگر استفاده کرد.

محققان سپس از این نتایج برای آموزش یک سیستم یادگیری ماشین، که نوعی هوش مصنوعی است، استفاده کردند تا الگوی DNA مشخصه مرتبط با آغازگر را شناسایی کند. پس از آنکه مدل این امضا را رمزگشایی کرد، تیم به جستجوی ژن‌های انسان برای یافتن این توالی پرداخت و دریافت که تقریباً ۶۰٪ از آن‌ها حاوی آغازگر هستند.

کادوناگا، استاد گروه زیست‌شناسی مولکولی در دانشکده علوم زیستی دانشگاه کالیفرنیا در سن دیگو، گفت: «این مدل‌های هوش مصنوعی برای اولین بار پیش‌بینی‌های قوی از حضور یا عدم حضور آغازگر در ژن‌های انسان ارائه کردند و بنابراین قادر به رمزگشایی الگوی توالی بازهای DNA آغازگر شدند.»

پیش‌بینی اثرات جهش‌های DNA

این یافته‌ها می‌تواند به محققان کمک کند تا پیش‌بینی کنند که چگونه جهش‌های مؤثر بر آغازگر ممکن است فعالیت ژن را تغییر داده و به طیفی از اختلالات کمک کنند. داده‌ها و مدل‌های هوش مصنوعی این مطالعه همچنین می‌توانند از طراحی پروموترهای مصنوعی، توالی‌هایی که می‌توانند ژن‌ها را روشن یا خاموش کنند، با عملکردهای متناسب با اهداف خاص پشتیبانی کنند.

به‌طور کلی‌تر، این تحقیق نشان می‌دهد که چگونه آزمایش‌های آزمایشگاهی و هوش مصنوعی می‌توانند برای کشف اطلاعات رمزگذاری‌شده در DNA انسان ترکیب شوند.

کادوناگا گفت: «به‌طور کلی‌تر، این کار گامی به جلو در استفاده ترکیبی از آزمایش‌های آزمایشگاهی و هوش مصنوعی برای رمزگشایی اطلاعات نهفته در توالی بازهای DNA در انسان است. در نهایت، در شش میلیارد باز DNA در هر یک از سلول‌های ما، یک کد بیان ژن وجود دارد که مشخص می‌کند چه زمانی، کجا و تا چه حد هر یک از ژن‌های ما باید روشن یا خاموش شوند. اگر ما یک مدل هوش مصنوعی برای کل کد بیان ژن داشتیم، می‌توانستیم فعالیت هر یک از انواع مختلف ژن‌ها را در افراد مختلف پیش‌بینی کنیم. مدل هوش مصنوعی جدید برای آغازگر بخش کوچک اما مهمی از این کد بیان ژن است و من خوشبین هستم که در آینده نه چندان دور مدل‌های هوش مصنوعی خود را از کد بیان ژن انسان گسترش دهیم.»

اشتراک:
این گزارش ترجمه و بازنویسی خبری با موتور هوش مصنوعی افق آبی است و برای خوانندهٔ فارسی‌زبان بازتنظیم شده. منبع اصلی: sciencedaily.com