هوش مصنوعی جدید برای شناسایی ژن‌های بیماری طراحی شد

به گزارش خبرنگار فناوری خبرگزاری دانشجو، دانشمندان یک هوش مصنوعی طراحی کرده‌اند و ادعا می‌کنند که این فناوری قادر است الگو‌های موجود در حجم زیادی از داده‌های ژنی را نشان دهد و گروه‌هایی از ژن‌های مرتبط با بیماری را شناسایی کند. دانشمندان دانشگاه لینکوپینگ در مقاله تازه منتشر شده در مجله نیچر ابراز امیدواری کرده‌اند که بتوانند در آینده از این روش جدید برای درمان‌های فردی و دقیق پزشکی استفاده کنند.

عملکرد این شبکه عصبی مصنوعی درست مانند پلت‌فرم شبکه‌های اجتماعی است. همانطور که در شبکه‌های اجتماعی بر اساس افراد مشترکی که با آن‌ها دوست هستید، ارتباط با دوستان جدید را به شما پیشنهاد می‌دهد، این شبکه عصبی هوش مصنوعی هم در رفتاری مشابه بر اساس پروتئین‌ها یا ژن‌های متفاوتی که در تعامل با دیگران وجود دارد، نقشه‌هایی از شبکه‌های بیولوژیکی تهیه می‌کند.

یک شبکه عصبی مصنوعی ایده‌ای برای پردازش اطلاعات است که از سیستم عصبی زیستی الهام گرفته و مانند مغز به پردازش اطلاعات می‌پردازد. عنصر کلیدی این ایده، ساختار جدید سیستم پردازش اطلاعات است. این سیستم از شمار زیادی عناصر پردازشی فوق العاده بهم پیوسته به نام نورون‌ها تشکیل شده که برای حل یک مساله با هم هماهنگ عمل می‌کنند.

محققان در این روش از هوش مصنوعی بهره برده‌اند تا بتوانند شبکه‌های بیولوژیکی را با استفاده یادگیری عمیق شناسایی کنند. یادگیری عمیق که به شبکه‌های عصبی مصنوعی شناخته می‌شود با داده‌های تجربی آموزش دیده‌اند. از آنجا که شبکه‌های عصبی مصنوعی در یادگیری چگونگی یافتن الگو‌ها در مجموعه پیچیده‌ای از داده‌ها عملکرد بی‌نظیری دارند، می‌توان از آن‌ها در کارکردهایی، چون تشخیص تصاویر استفاده کرد. با وجود این، تاکنون از روش یادگیری ماشینی در تحقیقات بیولوژیکی استفاده می‌شد.

اما این اولین ‌باری است که دانشمندان از یادگیری ماشینی هوش مصنوعی برای یافتن ژن‌های مرتبط با بیماری استفاده می‌کنند. این روش، در تجزیه و تحلیل اطلاعات بیولوژیکی یا داده‌های بزرگ بسیار قدرتمند عمل می‌کند. آن‌ها از پایگاه‌های داده بزرگی متشکلی از اطلاعاتی درباره الگو‌های ۲۰ هزار ژن در شماری از افراد استفاده کرده‌اند.

این داده‌ها طبقه‌بندی نشده بودند به طوری که محققان اطلاعاتی تفکیک ‌شده از الگو‌های ژنی افراد مبتلا به بیماری‌ و افراد سالم را در اختیار شبکه عصبی مصنوعی قرار نداده بودند. سپس این مدل هوش مصنوعی برای یافتن الگو‌های ژنتیکی آموزش دیده‌اند.

یکی از چالش‌های یادگیری ماشینی این است که نمی‌تواند به درستی مشخص کند یک شبکه عصبی مصنوعی چگونه وظیفه‌ای را که به آن سپرده شده، حل می‌کند. هوش مصنوعی به عنوان یک جعبه سیاه عمل می‌کند و ما تنها اطلاعاتی را که داخل جعبه قرار می‌دهید و نتایج حاصل شده را مشاهده می‌کنیم، اما قادر به تشخیص مراحل مابین آن‌ها نیستیم. شبکه‌های عصبی مصنوعی از لایه‌های مختلفی تشکیل شده‌اند که در آن اطلاعات به صورت ریاضیاتی پردازش می‌شود. این شبکه شامل یک لایه درونی و یک لایه خارجی است که نتایج پردازش اطلاعات را به خارج از سیستم منتقل می‌کند. بین این دو لایه، لایه‌های پنهاتی هم وجود دارند که توسط محاسبات انجام می‌شوند.

در این سیستم جدید، محققان متوجه لایه نخست پنهانی شدند که تعاملاتی زیادی را بین پروتئین‌های مختلف نشان می‌داد. محققان با عمیق‌تر شدن در این مدل لایه سومی هم یافتند که انواعی از سلول‌ها در آن وجود داشت. این گروه‌بندی بیولوژیکی مرتبط به طور خودکار تولید شده و شبکه از داده‌های ژنتیکی طبقه‌بندی نشده آغاز شده است.