بواسطة El Webb | يوليو 10 ، 2023

يكتشف التعلم الآلي جينات غير معروفة سابقًا في دراسة جديدة بقيادة UNM

في دراسة رائدة أجراها باحثون من جامعة نيو مكسيكو ، استغل العلماء قوة التعلم الآلي لتحديد مجموعة من الجينات غير المعروفة سابقًا المرتبطة بالالتهام الذاتي ، وهي عملية خلوية حيوية تشارك في إعادة التدوير والحفاظ على الصحة الخلوية.

بالاستفادة من أحدث نموذج للتعلم الآلي ، حددت الدراسة 193 جينًا كمساهمين محتملين في آلية الالتهام الذاتي. هذه "الجينات المظلمة" التي تم التغاضي عنها سابقًا تمثل طرقًا واعدة لكشف ألغاز الالتهام الذاتي ودورها في الوظائف الخلوية والأمراض المعقدة مثل مرض الزهايمر ، وفقًا لما قالته عالمة الأعصاب في جامعة UNM ، إلين بيرر ، دكتوراه في الطب.

قال بيرر: "هذا شكل آخر من أشكال العلم غير المتحيز القائم على البيانات". "ما يسمح لنا التعلم الآلي بالقيام به هو تجنب التخمين والقيام بعلم الاكتشاف بطريقة غير مدفوعة بالفرضيات."

الدراسة بعنوان "جينات الالتهام الذاتي المظلمة: هل يمكننا العثور عليها باستخدام التعلم الآلي؟" تم نشره مؤخرًا في المجلة العلوم الطبيعية، وتهدف إلى تحديد مجموعة الجينات المرتبطة بالالتهام الذاتي من خلال الجمع بين الميزات البيولوجية ومجموعات البيانات المتنوعة وتوصيل البيانات في خوارزمية الذكاء الاصطناعي.

قال بيرر: "كانت الفكرة هي: هل يمكننا العثور على هذه الجينات المظلمة والمخفية والسرية من خلال تحقيق ذكاء اصطناعي؟"

الإجابة هي نعم ، يمكن للتعلم الآلي أن يوجه أبحاث الجينوم للحصول على شرح أكثر اكتمالا للعمليات المعقدة.

يؤكد بيرر أن التعلم الآلي ليس نهاية المهمة. بمجرد أن يحدد الذكاء الاصطناعي شيئًا ما ، فإن الأمر متروك للعلماء للتحقق من صحة العملية والنتائج.

لتحقيق ذلك ، استخدم فريق بحثي في UNM نموذج التعلم الآلي MetaPath / XGBoost (MPxgb) ، والذي تم تدريبه باستخدام بيانات من 17 مصدرًا مختلفًا. بدأ التحقيق البحثي في الذكاء الاصطناعي في عام 2019 ، بقيادة تيودور أوبرا ، دكتوراه في الطب ، دكتوراه ، المدير السابق لفحص المعلوماتية لمركز UNM للاكتشاف الجزيئي واكتشاف الأدوية وعضو في مركز UNM الشامل للسرطان.

محسن رنجبار ، دكتور صيدلاني ، طالب دراسات عليا في الكيمياء والبيولوجيا الكيميائية بجامعة نيو مكسيكو ، أخذ بحث أوبرا وأجرى بحثًا للتحقق من الصحة ، من خلال التمشيط من خلال قاعدة بيانات Autophagy ومن خلال قواعد بيانات المنشورات البحثية ، مثل PubMed ، لمعرفة ما إذا كان النموذج قد أظهر دقة عالية في التمييز بالفعل- الجينات المعروفة المرتبطة بالالتهام الذاتي.

يمكننا استخدام التعلم الآلي أكثر من ذي قبل. في بعض الأحيان تكون لدينا معرفة محدودة بشيء ما ، ولكن يمكننا استخدام التعلم الآلي لإلقاء الضوء على الأشياء وإعطائنا توجيهات للمضي قدمًا.

- محسن رنجبار، خريج دكتور صيدلاني

من خلال البحث ، كشفت النتائج التي توصل إليها رانجبار أنه بينما تم بالفعل شرح 23٪ من الجينات الأكثر توقعًا في قاعدة بيانات الالتهام الذاتي ، فإن 77٪ (193 جينًا) كانت اكتشافات جديدة ، تمثل إمكانات غير مستغلة لفهم تنظيم الالتهام الذاتي في العمليات الخلوية.

قال رانجبار: "إنه أمر مثير للاهتمام وكان مفاجئًا". "لقد مر وقت قصير فقط منذ أن بدأنا هذا البحث ، ولمعرفة أن بعض هذه الجينات المحددة التي تم اكتشافها بواسطة الذكاء الاصطناعي قد تم ذكرها بالفعل على أنها جينات الالتهام الذاتي المكتشفة حديثًا في منشورات مختلفة حديثة ، فإنه يوضح التحقق من صحة أجهزتنا للعثور على هذه الجينات . "

قال بيرر إنه من خلال الكشف عن هذه الجينات المظلمة الالتهام الذاتي ، يمكن للباحثين التعمق في العلاقة بين خلل الالتهام الذاتي وتطور الأمراض ، مما يؤدي في النهاية إلى توجيه تطوير استراتيجيات علاجية جديدة للمرض.

تُظهر الدراسة الرائدة أيضًا تنوع التعلم الآلي والذكاء الاصطناعي في البحث الجينومي ، مما يوسع المعرفة إلى ما وراء الالتهام الذاتي إلى مجالات أخرى من علم الأحياء.

قال بيرر: "لا نعرف جميع الجينات المرتبطة بأشياء مثل تهريب الجسيمات الداخلية ، وهو أمر مهم حقًا في الكثير من الأمراض ، بما في ذلك مرض الزهايمر". "لذلك ، يمكننا استخدام نموذج التعلم الآلي الخاص بنا للتحقيق والتعرف على الجينات الأخرى في الجينوم التي لم تخضع بعد لاختبار مقاعد البدلاء لمعرفة دورها الوظيفي."

أصبحت الدراسة ممكنة من خلال الدعم المقدم من عدة منح ، بما في ذلك NIH U24CA224370 و U24TR002278 و UL1TR001449 و P20GM121176 و P20AG068077 و R01 MD014153 و Harvey Family Endowment.

تم تقديم دعم إضافي من مركز أبحاث مرض الزهايمر في نيو مكسيكو ومركز الالتهاب والالتهاب والتمثيل الغذائي بجامعة نيو مكسيكو ومركز العلوم السريرية والتحويلية بجامعة نيو مكسيكو.

قال بيرر إن الدراسة متعددة التخصصات لم تكن لتتحقق دون تجاوز حدود الأقسام الأكاديمية والبحثية. تعمل في قسم علم الأمراض ، وتعمل رانجبار في قسم الكيمياء ، وكان المساهمون الآخرون في المشروع في الطب الباطني وعلوم الكمبيوتر ومركز الاكتشاف الجزيئي.

قالت "هذا المشروع الضخم تجاوز العديد من الكيانات داخل UNM". "أريد التأثير على التفكير العلمي حول استخدام التعلم الآلي ، لأنه قوي جدًا."