Էլ Վեբի կողմից | 10 հուլիսի 2023 թ

Մեքենայական ուսուցումը բացահայտում է նախկինում անհայտ գեներ ՄԱԿ-ի գլխավորած նոր ուսումնասիրության մեջ

Նոր Մեքսիկոյի համալսարանի հետազոտողների կողմից իրականացված բեկումնային ուսումնասիրության մեջ. Գիտնականները օգտագործել են մեքենայական ուսուցման ուժը՝ հայտնաբերելու նախկինում անհայտ գեների մի շարք, որոնք կապված են ավտոֆագիայի հետ՝ կենսական կենսական բջջային գործընթաց, որը ներգրավված է վերամշակման և բջջային առողջության պահպանման մեջ:

Օգտագործելով ժամանակակից մեքենայական ուսուցման մոդելը, ուսումնասիրությունը բացահայտեց 193 գեն, որպես ավտոֆագիայի մեքենաների պոտենցիալ ներդրողներ: Այս նախկինում անտեսված «մութ գեները» խոստումնալից ուղիներ են՝ բացահայտելու ավտոֆագիայի առեղծվածները և դրա դերը բջջային գործունեության մեջ և բարդ հիվանդությունների մեջ, ինչպիսին է Ալցհեյմերը, ասում է UNM նյարդաբան Էլեյն Բիրերը, բ.գ.թ.

«Սա անաչառ, տվյալների վրա հիմնված գիտության ևս մեկ ձև է», - ասաց Բիրերը: «Այն, ինչ մեզ թույլ է տալիս անել մեքենայական ուսուցումը, դա է խուսափել գուշակություններից և բացահայտումների գիտություն անելը ոչ հիպոթեզների վրա հիմնված եղանակով»:

«Ավտոֆագիայի մութ գեները. կարո՞ղ ենք դրանք գտնել մեքենայական ուսուցման միջոցով» վերնագրված հետազոտությունը։ վերջերս հրապարակվել է ամսագրում Բնական գիտություններև նպատակ ուներ բացահայտել ավտոֆագիայի հետ կապված գեների հավաքածուն՝ համակցելով կենսաբանական տարբեր հատկանիշներ և տվյալների հավաքածուներ և միացնելով տվյալները արհեստական ինտելեկտի ալգորիթմի մեջ:

«Գաղափարը հետևյալն էր. «Կարո՞ղ ենք մենք գտնել այս մութ, թաքնված, գաղտնի գեները արհեստական ինտելեկտի հետաքննության միջոցով», - ասաց Բիրերը:

Պատասխանն այն է, որ այո, մեքենայական ուսուցումը կարող է ուղղորդել գենոմիկայի հետազոտությունը՝ բարդ գործընթացների ավելի ամբողջական անոտացիա ստանալու համար:

Բայց մեքենայական ուսուցումը գործի ավարտը չէ, շեշտում է Բիրերը։ Երբ արհեստական ինտելեկտը ինչ-որ բան հայտնաբերի, գիտնականներին մնում է վավերացնել և՛ գործընթացը, և՛ արդյունքները:

Դա անելու համար UNM-ի հետազոտական թիմը կիրառել է MetaPath/XGBoost (MPxgb) մեքենայական ուսուցման մոդելը, որը վերապատրաստվել է՝ օգտագործելով 17 տարբեր աղբյուրների տվյալները: Արհեստական ինտելեկտի հետազոտական հետաքննությունը սկսվել է 2019 թվականին՝ բ.գ.թ., բ.գ.թ., UNM-ի մոլեկուլային հայտնաբերման և թմրամիջոցների հայտնաբերման կենտրոնի զննման ինֆորմատիկայի նախկին տնօրեն և UNM Համապարփակ քաղցկեղի կենտրոնի անդամ:

Մոհսեն Ռանջբարը, ՖարմԴ, ՄԱԿ-ի ասպիրանտ, քիմիայի և քիմիական կենսաբանության ասպիրանտ, վերցրեց Օպրեի հետազոտությունը և կատարեց վավերացման որոնում՝ ուսումնասիրելով Autophagy Database-ը և հետազոտական հրապարակումների տվյալների բազաները, ինչպիսիք են PubMed-ը, տեսնելու, թե արդյոք մոդելը ցույց է տվել բարձր ճշգրտություն արդեն տարբերելու հարցում. հայտնի աուտոֆագիայի հետ կապված գեներ:

Մենք կարող ենք օգտագործել մեքենայական ուսուցումը ավելի շատ, քան նախկինում: Երբեմն մենք ինչ-որ բանի վերաբերյալ սահմանափակ գիտելիքներ ունենք, բայց մենք կարող ենք օգտագործել մեքենայական ուսուցումը, որպեսզի լույս սփռենք իրերի վրա և ուղղություններ տանք առաջ գնալու համար:

- Մոհսեն Ռանջբար, ասպիրանտ, ֆարմ

Որոնման միջոցով Ռանջբարի բացահայտումները ցույց տվեցին, որ թեև կանխատեսված լավագույն գեների 23%-ն արդեն նշվել է Autophagy Database-ում, ապշեցուցիչ 77%-ը (193 գեն) նոր հայտնագործություններ են, որոնք ներկայացնում են բջջային պրոցեսներում աուտոֆագիայի կարգավորումը հասկանալու չօգտագործված ներուժ:

«Դա հետաքրքիր է և զարմանալի», - ասաց Ռանջբարը: «Ընդամենը կարճ ժամանակ է անցել, ինչ մենք սկսել ենք այս հետազոտությունը, և տեսնել, որ AI-ի կողմից հայտնաբերված այս հատուկ գեներից մի քանիսն արդեն հիշատակվել են որպես նորահայտ ավտոֆագիայի գեներ տարբեր վերջին հրապարակումներում, դա ցույց է տալիս այս գեները գտնելու մեր մեքենայի վավերացումը: »:

Բերերն ասաց, որ բացահայտելով այս աուտոֆագիայի մութ գեները՝ հետազոտողները կարող են ավելի խորանալ ավտոֆագիայի դիսկարգավորման և հիվանդությունների զարգացման միջև կապի մեջ՝ ի վերջո ուղղորդելով հիվանդության նոր թերապևտիկ ռազմավարությունների մշակումը:

Նորարար ուսումնասիրությունը նաև ցույց է տալիս մեքենայական ուսուցման և արհեստական ինտելեկտի բազմակողմանիությունը գենոմային հետազոտություններում՝ ընդլայնելով գիտելիքները ավտոֆագիայի սահմաններից դուրս կենսաբանության այլ ոլորտներում:

«Մենք չգիտենք բոլոր գեները, որոնք ներգրավված են էնդոսոմային թրաֆիքինգի մեջ, որն իսկապես կարևոր է բազմաթիվ հիվանդությունների, ներառյալ Ալցհեյմերի հիվանդության դեպքում», - ասաց Բիրերը: «Այսպիսով, մենք կարող ենք օգտագործել մեր մեքենայական ուսուցման մոդելը՝ հետազոտելու և բացահայտելու գենոմի այլ գեներ, որոնք դեռ չեն անցել թաց նստարանային թեստ՝ իրենց ֆունկցիոնալ դերի համար»:

Ուսումնասիրությունը հնարավոր է դարձել մի քանի դրամաշնորհների աջակցությամբ, այդ թվում՝ NIH U24CA224370, U24TR002278, UL1TR001449, P20GM121176, P20AG068077, R01 MD014153 և Harvey Family Endowment-ը:

Լրացուցիչ աջակցություն է տրամադրվել Նյու Մեքսիկո Ալցհեյմերի հիվանդության հետազոտական կենտրոնից, UNM Autophagy, Inflammation & Metabolism Center-ից և UNM Clinical & Translational Science Center-ից:

Բերերն ասաց, որ միջդիսցիպլինար ուսումնասիրությունը հնարավոր չէր լինի առանց ակադեմիական և հետազոտական բաժնի սահմանները հատելու: Նա աշխատում է պաթոլոգիայի ամբիոնում, Ռանջբարը քիմիայի ամբիոնում է, իսկ նախագծի մյուս մասնակիցները եղել են ներքին բժշկության, համակարգչային գիտության և մոլեկուլային հայտնաբերման կենտրոնում:

«Այս մեծ նախագիծը գերազանցեց մի քանի սուբյեկտներ UNM-ի ներսում», - ասաց նա: «Ես ուզում եմ ազդել մեքենայական ուսուցման օգտագործման վերաբերյալ գիտական մտածողության վրա, քանի որ այն շատ հզոր է»: