هوش مصنوعی DeepMind می تواند بیماری های ژنتیکی را پیش بینی کند

هوش مصنوعی DeepMind می تواند بیماری های ژنتیکی را پیش بینی کند

AlphaMissense، مدل جدیدی از تیم هوش مصنوعی گوگل، اثرات جهش‌های DNA را تجزیه و تحلیل می‌کند و تحقیقات در مورد بیماری‌های نادر را سرعت می‌بخشد.

حدود 10 سال پیش، ژیگا آوسک یک دانشجوی دکترای فیزیک بود که یک دوره آموزشی در ژنومیک از طریق یک ماژول دانشگاهی در مورد machine learning دید. پس از آن او در آزمایشگاهی که بیماری‌های نادر را مطالعه می‌کرد، روی پروژه‌ای کار می‌کرد که هدف آن شناسایی جهش ژنتیکی دقیقی بود که باعث یک بیماری غیرمعمول میتوکندری می‌شد.

آوسک می‌گوید این مشکل «سوزن در انبار کاه» بود. میلیون‌ها مقصر بالقوه در کمین کد ژنتیکی وجود داشت - جهش‌های DNA که می‌توانند زیست‌شناسی فرد را ویران کنند. به‌اصطلاح واریته‌های نادرست از اهمیت ویژه‌ای برخوردار بودند: تغییرات تک حرفی در کد ژنتیکی که منجر به ساخت یک اسید آمینه متفاوت در پروتئین می‌شود. آمینو اسیدها بلوک های سازنده پروتئین ها هستند و پروتئین ها بلوک های سازنده هر چیز دیگری در بدن هستند، بنابراین حتی تغییرات کوچک می تواند اثرات بزرگ و گسترده ای داشته باشد.

71 میلیون نوع احتمالی نادرست در ژنوم انسان وجود دارد و هر فرد به طور متوسط بیش از 9000 مورد از آنها را حمل می کند. بیشتر آنها بی ضرر هستند، اما برخی از آنها در بیماری های ژنتیکی مانند کم خونی سلول داسی شکل و فیبروز کیستیک و همچنین شرایط پیچیده تری مانند دیابت نوع 2 که ممکن است به دلیل ترکیبی از تغییرات ژنتیکی کوچک ایجاد شود، دخیل هستند. آوسک شروع به پرسیدن از همکارانش کرد: "چگونه بفهمیم کدام یک واقعا خطرناک هستند؟" پاسخ: "خب تا حد زیادی ما این کار را نمی کنیم."

از 4 میلیون نوع نادرست که در انسان ها مشاهده شده است، تنها 2 درصد آنها به عنوان بیماری زا یا خوش خیم طبقه بندی شده اند، طی سال ها تحقیق پر زحمت و پرهزینه. ممکن است ماه‌ها طول بکشد تا تأثیر یک نوع گمراهی واحد مطالعه شود.

امروز، Google DeepMind، جایی که آوسک اکنون یک دانشمند تحقیقاتی است، ابزاری را منتشر کرده است که می تواند به سرعت این فرآیند را تسریع بخشد. AlphaMissenseیک مدل یادگیری ماشینی است که می‌تواند انواع اشتباه را تجزیه و تحلیل کند و احتمال ایجاد بیماری را با دقت 90 درصد، بهتر از ابزارهای موجود پیش‌بینی کند.

این بر اساس AlphaFold، مدل پیشگامانه DeepMind ساخته شده است که ساختار صدها میلیون پروتئین را از ترکیب اسید آمینه آنها پیش بینی می کرد، اما AlphaMissense به همان روش کار نمی کند.  به جای پیش بینی در مورد ساختار یک پروتئین، بیشتر شبیه یک مدل زبان بزرگ مانند ChatGPT OpenAI عمل می کند.

این بر روی زبان زیست‌شناسی انسان (و نخستی‌سانان) آموزش دیده است، بنابراین می‌داند که توالی‌های طبیعی اسیدهای آمینه در پروتئین‌ها چگونه باید باشند. هنگامی که با دنباله ای نادرست ارائه می شود، می تواند مانند یک کلمه نامتجانس در یک جمله توجه داشته باشد. جون چنگ، که به همراه آوسک ، نویسنده ارشد مقاله ای است که امروز در Science منتشر شده و AlphaMissense را به جهان معرفی می کند، می گوید: «این یک مدل زبانی است، اما بر روی توالی پروتئین آموزش دیده است. "اگر کلمه ای را از یک جمله انگلیسی جایگزین کنیم، شخصی که با زبان انگلیسی آشنایی دارد بلافاصله می تواند ببیند که آیا این جایگزینی ها معنای جمله را تغییر می دهد یا خیر."

Pushmeet Kohli، معاون تحقیقات DeepMind، از قیاس یک کتاب دستور غذا استفاده می کند. اگر AlphaFold دقیقاً به نحوه اتصال مواد به یکدیگر توجه داشت، AlphaMissense پیش‌بینی می‌کند که در صورت استفاده کامل از یک ماده اشتباه چه اتفاقی می‌افتد.

این مدل بر اساس اطلاعاتی که در مورد اثرات سایر جهش‌های نزدیک، مرتبط می‌داند، «امتیاز بیماری‌زایی» بین 0 تا 1 را برای هر یک از 71 میلیون نوع احتمالی اشتباه اختصاص داده است - هر چه امتیاز بالاتر باشد، احتمال یک جهش خاص بیشتر می‌شود. باعث ایجاد یا مرتبط شدن با بیماری شود. محققان DeepMind با Genomics England، یک نهاد دولتی که به بررسی استخر رو به رشد داده‌های ژنتیکی جمع‌آوری‌شده توسط سرویس بهداشت ملی بریتانیا می‌پردازد، برای تأیید پیش‌بینی‌های مدل در برابر مطالعات دنیای واقعی در مورد انواع سوءمعنای شناخته‌شده، کار کردند. این مقاله ادعا می کند 90 درصد دقت برای AlphaMissense، با 89 درصد از انواع طبقه بندی شده است.

محققانی که در تلاش برای یافتن اینکه آیا یک نوع نادرست خاص ممکن است پشت یک بیماری باشد، اکنون می توانند آن را در جدول جستجو کرده و امتیاز بیماری زایی پیش بینی شده آن را بیابند. امید این است که همانطور که AlphaFold همه چیز را از کشف دارو گرفته تا درمان سرطان تقویت می‌کند، AlphaMissense به محققان در زمینه‌های مختلف کمک می‌کند تا تحقیقات در مورد انواع ژنتیکی را تسریع کنند و به آنها امکان تشخیص بیماری‌ها و یافتن سریع‌تر درمان‌های جدید را بدهد. آوسک می‌گوید: «امیدوارم این پیش‌بینی‌ها به ما بینش بیشتری در مورد اینکه کدام گونه‌ها باعث بیماری می‌شوند و کاربردهای دیگری در ژنومیک دارند، به ما بدهد.

محققان تاکید می‌کنند که پیش‌بینی‌ها نباید به تنهایی مورد استفاده قرار گیرند، بلکه فقط برای هدایت تحقیقات در دنیای واقعی استفاده می‌شوند. AlphaMissense می‌تواند به محققان کمک کند تا روند کند تطبیق جهش‌های ژنتیکی با بیماری‌ها را با رد کردن سریع مقصران غیر محتمل در اولویت قرار دهند. همچنین می‌تواند به بهبود درک ما از حوزه‌های نادیده گرفته شده کد ژنتیکی ما کمک کند: این مدل شامل یک معیار «ضروری» برای هر ژن است - معیاری برای تعیین میزان حیاتی بودن آن برای بقای انسان. (عملکرد تقریباً یک پنجم ژن‌های انسانی، علیرغم اینکه بسیاری از آنها ضروری به نظر می‌رسند، مشخص نیست.)

ایوان بیرنی، معاون مدیر کل آزمایشگاه بیولوژی مولکولی اروپا و مدیر مشترک موسسه بیوانفورماتیک اروپایی آزمایشگاه، که در گذشته از نزدیک با DeepMind همکاری داشته است، می‌گوید AlphaMissense کاملاً در همان رده AlphaFold نیست. او می‌گوید: «به محض اینکه آلفا فولد منتشر شد، همه می‌دانستند که می‌توان جهش‌هایی را که پروتئین‌ها را تغییر می‌دهند با استفاده از این چارچوب تفسیر کرد.

برنی کاربرد خاصی را در کمک به پزشکان برای تشخیص سریع کودکان مشکوک به شرایط ژنتیکی می بیند. ما همیشه می دانیم که جهش های نادرست باید مسئول برخی از مواردی باشد که تشخیص داده نشده اند، و این روش بهتری برای رتبه بندی این موارد است. او به ژن RPE65 اشاره می کند که باعث کوری می شود مگر اینکه با تزریق ژن درمانی به شبکیه چشم درمان شود. AlphaMissense می تواند به پزشکان کمک کند تا به سرعت از هر گونه جهش ژنتیکی بالقوه دیگری را در DNA بیمار جلوگیری کنند - ممکن است هزاران جهش وجود داشته باشد - تا مطمئن شوند که درمان مناسب را انجام می دهند.

فراتر از گره‌گشایی اثرات جهش‌های تک حرفی، AlphaMissense پتانسیل مدل‌های هوش مصنوعی در زیست‌شناسی را به طور گسترده‌تری نشان می‌دهد. از آنجایی که این مدل به طور خاص برای حل مشکل انواع ژن نادرست آموزش داده نشده است، اما به طور گسترده تر در مورد پروتئین هایی که در زیست شناسی یافت می شوند، برنامه های کاربردی این مدل و سایر موارد مشابه آن می تواند بسیار فراتر از جهش های منفرد باشد و به درک بهتری از کل ژنوم برسد.

AlphaMissense، مدل جدیدی از تیم هوش مصنوعی گوگل، اثرات جهش‌های DNA را تجزیه و تحلیل می‌کند و تحقیقات در مورد بیماری‌های نادر را سرعت می‌بخشد.