هوش مصنوعی زبان بیماریها را میفهمد!
تاریخ انتشار: ۱۹ فروردین ۱۴۰۳ | کد خبر: ۴۰۰۷۸۳۸۵
پژوهشگران «دانشگاه پرینستون»، یک مدل زبانی را آموزش دادهاند و از آن برای بررسی توالیهای ژنوم استفاده کردهاند تا بیماریها را رمزگشایی کنند.
به گزارش خبرگزاری ایمنا، هوش مصنوعی از یک دستاورد دیگر رونمایی کرده است.
به نقل از ساینمگ، همان هوش مصنوعی که موفقیت آن در به کار بردن نرمافزار کدنویسی و قبولی در آزمون وکالت سرفصل خبرها شد، یاد گرفته است که نوع دیگری از متن را بخواند.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمیشوند!
کد ژنتیکی حاوی دستورالعملهایی برای همه عملکردهای زندگی است و از قوانینی پیروی میکند که بیشباهت به زبانهای انسانی نیستند. هر توالی در ژنوم به یک دستور زبان پیچیده و ساختارهایی پایبند است که معنا را ایجاد میکنند. همان طور که تغییر کردن چند کلمه میتواند تأثیر یک جمله را به شدت تغییر دهد، تغییرات کوچک در یک دنباله بیولوژیکی نیز میتوانند تفاوت بزرگی را در عناصر رمزگذاریکننده دنباله ایجاد کنند.
اکنون پژوهشگران «دانشگاه پرینستون»(Princeton University) به سرپرستی «منگدی وانگ»(Mengdi Wang) کارشناس یادگیری ماشینی این دانشگاه، از مدلهای زبانی برای بررسی توالیهای ژنوم جزئی استفاده کردهاند و آنها را برای مطالعه زیستشناسی و بهبود پزشکی به کار بردهاند.
پژوهشگران در مقاله خود، یک مدل زبانی را شرح دادهاند که از قدرت بازنمایی معنایی خود برای طراحی واکسن آرانای پیامرسان مؤثرتری مانند واکسنهای کووید -۱۹ استفاده میکند.
دانشمندان یک راه ساده را برای خلاصه کردن جریان اطلاعات ژنتیکی دارند. آنها آن را «دگم مرکزی زیستشناسی»(central dogma of biology) مینامند. اطلاعات از DNA به RNA و سپس به پروتئینها حرکت میکنند. پروتئینها ساختار و عملکرد سلولهای زنده را ایجاد میکنند.
آرانای پیامرسان، اطلاعات را در مرحله نهایی که مرحله تبدیل است، به پروتئین تبدیل میکند اما فقط بخشی از آرانای پیامرسان حاوی کد پروتئین است. بقیه اطلاعات تبدیل نمیشوند اما جنبههای حیاتی فرآیند تبدیل را کنترل میکنند.
نظارت بر کارآیی تولید پروتئین، یک مکانیسم کلیدی است که واکسنهای مبتنی بر آرانای پیامرسان توسط آن کار میکنند. پژوهشگران دانشگاه پرینستون، مدل زبانی خود را روی منطقه تبدیلنشده متمرکز کردند تا ببینند چگونه میتوانند کارآیی واکسنها را بهبود ببخشند.
پژوهشگران پس از آموزش دادن مدل روی انواع کوچکی از گونهها، صدها توالی بهینهسازیشده جدید تولید کردند و آنها را از طریق بررسیهای آزمایشگاهی مورد تأیید قرار دادند. بهترین توالیها توانستند بهتر از چندین معیار پیشرو برای توسعه واکسن عمل کنند؛ از جمله افزایش ۳۳ درصدی که در بازدهی کلی تولید پروتئین به همراه آوردند.
به گفته پژوهشگران، افزایش راندمان تولید پروتئین حتی به مقدار کم، یک تقویت عمده برای درمانهای نوظهور است. واکسنهای آرانای پیامرسان فراتر از کووید -۱۹، وعده محافظت در برابر بسیاری از بیماریهای عفونی و سرطان را نیز نوید میدهند.
وانگ گفت که موفقیت این مدل به احتمال اساسیتری نیز اشاره دارد. این مدل زبانی پس از آموزش دیدن با آرانای پیامرسان گونههای انگشت شماری توانست توالیهای نوکلئوتیدی را رمزگشایی کند و اطلاعات جدیدی را در مورد تنظیم ژن آشکار سازد. دانشمندان بر این باورند که تنظیم ژن، یکی از اساسیترین عملکردهای زندگی است و میتواند کلید کشف منشأ بیماری و اختلال باشد. مدلهای زبانی از این دست میتوانند راه جدیدی را برای بررسی تنظیم ژن ارائه دهند.
زبان بیماریمدل زبانی جدید به جای آموزش دیدن روی میلیاردها صفحه متن از اینترنت، روی چند صد هزار توالی آموزش داده شد. همچنین، این مدل با اطلاعات بیشتری درباره تولید پروتئینها، از جمله اطلاعات ساختاری و مرتبط با انرژی آموزش دید.
پژوهشگران از مدل آموزشدیده برای ایجاد مجموعهای از ۲۱۱ توالی جدید استفاده کردند. پروتئینهای مورد استفاده مانند پروتئین خوشهای که توسط واکسنهای کووید -۱۹ هدف قرار میگیرد، واکنش ایمنی را به سوی بیماریهای عفونی هدایت میکنند.
پژوهشهای پیشین، مدلهای زبانی را برای رمزگشایی توالیهای بیولوژیکی گوناگون از جمله پروتئینها و DNA ایجاد کردهاند اما این اولین مدل زبانی است که بر ناحیه تبدیلنشده آرانای پیامرسان تمرکز دارد. علاوه بر افزایش کارآیی کلی، این مدل توانست پیشبینی کند که عملکرد یک توالی در انواع وظایف مرتبط چقدر خوب است.
وانگ خاطرنشان کرد که بررسی یک مجموعه داده محدود و ایجاد مدلی براساس آن برای دانشمندان جویای حیات کافی نیست و باید یک کار جدید انجام شود.
وی افزود: آموزش دادن یک مدل فقط کنار هم قرار دادن همه توالیها نیست، بلکه کنار هم قرار دادن همه بخشهایی است که تاکنون جمع آوری شدهاند. این کار پیشتر انجام نشده بود.
این پژوهش در مجله «Nature Machine Intelligence» به چاپ رسید.
منبع: ایسنا
کد خبر 742414منبع: ایمنا
کلیدواژه: هوش مصنوعی توسعه هوش مصنوعی کاربرد هوش مصنوعی کاربرد هوش مصنوعی در آینده ارتقای هوش مصنوعی شهر شهروند کلانشهر مدیریت شهری کلانشهرهای جهان حقوق شهروندی نشاط اجتماعی فرهنگ شهروندی توسعه پایدار حکمرانی خوب اداره ارزان شهر شهرداری شهر خلاق تولید پروتئین پروتئین ها مدل زبانی بیماری ها توالی ها واکسن ها
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را بهطور اتوماتیک از وبسایت www.imna.ir دریافت کردهاست، لذا منبع این خبر، وبسایت «ایمنا» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۴۰۰۷۸۳۸۵ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتیکه در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.
با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.
خبر بعدی:
غنیترین منابع طبیعی کلسیم
آفتابنیوز :
برای اکثر بزرگسالان، مصرف حداقل 1000 میلی گرم کلسیم در روز توصیه می شود، اگرچه گروه های خاصی از جمله نوجوانان، زنان یائسه و افراد مسن تر به مقدار بیشتری نیاز دارند. محصولات لبنی مانند شیر، پنیر و ماست سرشار از کلسیم هستند، اما منابع دیگری نیز وجود دارند.
دانهها
دانه ها از جمله کنجد، تخم کرفس و دانه های چیا و خشخاش از غنی ترین منابع کلسیم هستند. دانه ها همچنین پروتئین و چربی های سالم را تامین می کنند. به عنوان مثال، دانه های چیا سرشار از اسیدهای چرب امگا 3 گیاهی هستند. دانه های کنجد نیز علاوه بر کلسیم، حاوی سایر مواد معدنی از جمله مس، آهن و منگنز است.
پنیر
بیشتر پنیرها منابع عالی کلسیم و پروتئین هستند. بدن کلسیم موجود در محصولات لبنی را راحت تر از منابع گیاهی جذب می کند. علاوه بر این، پنیرهای کهنه و سفت به طور طبیعی دارای لاکتوز کمی هستند و هضم آنها برای افراد مبتلا به عدم تحمل لاکتوز آسان تر است. یک بررسی نشان می دهد که افزایش مصرف لبنیات ممکن است با کاهش خطر ابتلا به بیماری های قلبی مرتبط باشد. بررسی دیگری نشان داد که مصرف منظم شیر و ماست با کاهش خطر ابتلا به سندرم متابولیک مرتبط است. با این حال، پنیر پرچرب می تواند دارای چربی اشباع و کالری بالایی باشد. همچنین برخی از پنیرها حاوی مقادیر زیادی سدیم هستند که مصرف آن ها را محدود می کند.
ماست
ماست از غنی ترین منابع کلسیم است. بسیاری از انواع ماست غنی از پروبیوتیک ها -انواعی از باکتری های مفید که می توانند به افزایش جذب مواد مغذی و بهبود عملکرد و ارتقا سلامت بدن از جمله سیستم ایمنی، دستگاه گوارش و قلب کمک کنند- می باشند. یک فنجان ماست حاوی کلسیم و مقدار زیادی فسفر، پتاسیم و ویتامین های B2 و B12 است. ماست های کم چرب اغلب حاوی کلسیم بیشتری هستند. اگرچه ماست یونانی منبع خوبی برای پروتئین است، نسبت به ماست معمولی کلسیم کمتری دارد. علاوه بر این برخی تحقیقات نشان می دهند که مصرف منظم ماست با کاهش خطر ابتلا به بیماری های قلبی و دیابت نوع 2 مرتبط است.
ساردین و ماهی سالمون کنسرو شده
ساردین و ماهی سالمون کنسرو شده به لطف استخوان های خوراکی خود از غنی ترین منابع کلسیم هستند. این ماهی های چرب همچنین پروتئین با کیفیت بالا و اسیدهای چرب امگا 3 را فراهم می کنند که می توانند از سلامت قلب، مغز و پوست حمایت کنند. در حالی که غذاهای دریایی ممکن است حاوی جیوه باشند، ماهی های کوچکتر مانند ساردین میزان کمی جیوه دارند. علاوه بر این، ساردین و سالمون هر دو دارای سطوح بالایی از سلنیوم هستند که می تواند از مسمومیت با جیوه جلوگیری کند.
لوبیا و عدس
لوبیا و عدس سرشار از فیبر، پروتئین و ریزمغذی ها از جمله آهن، روی، فولات، منیزیم و پتاسیم هستند. برخی از انواع لوبیا مثل لوبیا سفید حاوی مقادیر مناسبی کلسیم نیز می باشند. سایر انواع لوبیا و عدس دارای مقدار کمتری کلسیم هستند. تحقیقات نشان می دهند که مصرف لوبیا می تواند به کاهش سطوح کلسترول بد (LDL) کمک کند و خطر ابتلا به دیابت نوع 2 را کاهش دهد.
منبع: خبرگزاری ایسنا