هوش مصنوعی رمز یک کلید پنهان در DNA انسان را پیدا کرد

دانشمندان با کمک هوش مصنوعی و بررسی حدود ۵۰۰ هزار نسخه متفاوت از یک بخش مهم DNA ، توانسته‌ اند الگوی موسوم به Initiator یا «آغازگر» را رمزگشایی کنند ؛ بخشی از DNA که در شروع فرایند بیان بسیاری از ژن‌ ها نقش دارد و شناسایی دقیق آن می‌ تواند درک دانشمندان از نحوه روشن شدن ژن‌ های انسانی را یک گام جلوتر ببرد.

این پژوهش در آزمایشگاه جیمز کادوناگا در دانشگاه کالیفرنیا سن‌ دیگو انجام شده و گروه تحقیقاتی ابتدا با استفاده از توالی‌ یابی پرظرفیت ، فعالیت حدود ۵۰۰ هزار نسخه متفاوت از ناحیه آغازگر را اندازه‌ گیری کرد. سپس این داده‌ ها برای آموزش یک مدل یادگیری ماشین مورد استفاده قرار گرفت تا الگوی DNA مرتبط با آغازگر را شناسایی کند.

پس از شناسایی این الگو ، پژوهشگران آن را در ژنوم انسان جست‌ و جو کردند و دریافتند که آغازگر در حدود ۶۰ درصد پروموترهای متمرکز انسانی وجود دارد. به زبان ساده ، این یافته به دانشمندان کمک می‌ کند یکی از بخش‌ هایی را که در شروع فعالیت ژن‌ ها نقش دارد ، با دقت بیشتری شناسایی کنند.

اهمیت این کشف فقط به شناخت بهتر DNA محدود نمی‌ شود. پژوهشگران می‌ گویند شناخت الگوی آغازگر می‌ تواند در آینده برای بررسی اثر برخی جهش‌ های DNA بر فعالیت ژن‌ ها مورد استفاده قرار گیرد. همچنین داده‌ ها و مدل‌ های این پژوهش می‌ توانند در طراحی پروموترهای مصنوعی ، یعنی توالی‌ هایی که برای کنترل فعالیت ژن‌ ها طراحی می‌ شوند ، کاربرد داشته باشند.

با این حال ، این پژوهش به معنای آن نیست که هوش مصنوعی «کد ژنتیکی انسان» را به طور کامل رمزگشایی کرده یا ژن‌ های جدیدی کشف شده‌ اند. یافته جدید تنها بخش مشخصی از ساز و کار تنظیم فعالیت ژن‌ ها را روشن‌ تر می‌ کند و خود پژوهشگران نیز آن را یک گام کوچک اما مهم در مسیر درک گسترده‌ تر کد تنظیم بیان ژن‌ ها می‌ دانند.

مطالعه پژوهشگران با عنوان «Machine learning analysis of the human initiator region reveals key features of different types of core promoters» در نشریه علمی Genes & Development منتشر شده و نویسندگان آن تورری ای. راین-کریگ، لانگ وو نگاک، کلودیا مدرانو، کَسیدی ای. گیلسپی و جیمز تی. کادوناگا هستند.

این پژوهش نمونه‌ ای از مسیری است که در آن آزمایش‌ های زیستی گسترده و هوش مصنوعی در کنار یکدیگر قرار می‌ گیرند ؛ آزمایشگاه داده‌ های عظیم درباره عملکرد توالی‌های DNA تولید می‌ کند و مدل‌ های یادگیری ماشین از میان این داده‌ ها الگوهایی را استخراج می‌ کنند که بررسی آنها به روش‌ های سنتی بسیار دشوار است.

انتهای پیام/