هوش مصنوعی راز تکامل مغز را فاش کرد!

دانشمندان با استفاده از یادگیری عمیق، تنظیم ژن‌ها را در انواع مختلف سلول‌های مغزی در انسان و پرندگان بررسی کردند.

به گزارش ساینس دیلی، یک تیم تحقیقاتی بلژیکی در مطالعه‌ای که در مجله Science منتشر شده است، نحوه عملکرد سوئیچ‌های ژنتیکی را که فعالیت ژن‌ها را کنترل می‌کنند، در انواع مختلف سلول‌های مغزی در گونه‌های مختلف بررسی کرده است.

این پژوهش که از مدل‌های یادگیری عمیق آموزش‌دیده بر داده‌های مغزی انسان، موش و مرغ استفاده کرده، نشان می‌دهد که برخی از انواع سلول‌های مغزی طی میلیون‌ها سال تکامل بین پرندگان و پستانداران بدون تغییر باقی مانده‌اند، در حالی که برخی دیگر تفاوت‌های قابل توجهی پیدا کرده‌اند. این یافته‌ها بینش‌های جدیدی درباره تکامل مغز ارائه می‌دهد و ابزار‌های ارزشمندی برای مطالعه تأثیر تنظیم ژن بر توسعه انواع سلولی در گونه‌های مختلف و در بیماری‌های گوناگون فراهم می‌کند.

هوش مصنوعی رمز تنظیم ژن‌ها را کشف می‌کند

استین آرتس و تیم او در VIB.AI و مرکز تحقیقات مغز و بیماری‌های دانشگاه KU Leuven، اصول اساسی کد تنظیمی ژن‌ها را مطالعه می‌کنند و بررسی می‌کنند که چگونه این کد‌ها ممکن است بر بیماری‌هایی مانند سرطان یا اختلالات مغزی تأثیر بگذارند. آنها مدل‌های یادگیری عمیق را برای تحلیل حجم وسیعی از داده‌های مربوط به تنظیم ژن که از هزاران سلول منفرد جمع‌آوری شده است، توسعه داده‌اند.

آرتس می‌گوید: «مدل‌های یادگیری عمیق که با کد‌های توالی DNA کار می‌کنند، به ما کمک زیادی کرده‌اند تا مکانیسم‌های تنظیمی را در انواع مختلف سلولی شناسایی کنیم. اکنون می‌خواستیم بررسی کنیم که آیا این کد‌های تنظیمی می‌توانند اطلاعاتی درباره حفظ یا تغییر انواع سلولی در گونه‌های مختلف ارائه دهند.»

مغز یکی از موارد مهم در این زمینه است، زیرا با وجود مسیر‌های رشد مشابه، مغز پستانداران و پرندگان دارای تفاوت‌های چشمگیری در ساختار عصبی هستند. تیم آرتس اکنون مدل‌های یادگیری عمیق را برای بررسی اینکه این تفاوت‌ها و شباهت‌ها چگونه در کد‌های تنظیمی مغز منعکس می‌شوند، به کار گرفته است.

ابزاری برای مطالعه تکامل

نیکولای هکر و نیکلاس کمپینک، از پژوهشگران تیم آرتس، مدل‌های یادگیری ماشینی را برای شناسایی و مقایسه انواع سلول‌ها در مغز انسان، موش و مرغ توسعه دادند. این مطالعه، دوره‌ای ۳۲۰ میلیون ساله از تکامل را پوشش می‌دهد. اما پیش از مقایسه دقیق، آنها ابتدا ترکیب انواع سلولی مغز مرغ را با ایجاد یک اطلس ترنسکریپتومی جامع بررسی کردند.

هکر توضیح می‌دهد: «مطالعه ما نشان می‌دهد که می‌توان از یادگیری عمیق برای شناسایی و مقایسه انواع سلولی بر اساس کد‌های تنظیمی آنها استفاده کرد. این کد‌ها به ما امکان می‌دهند تا ژنوم گونه‌های مختلف را مقایسه کنیم، تعیین کنیم که کدام کد‌های تنظیمی در طول تکامل حفظ شده‌اند و بینش‌هایی درباره نحوه تکامل انواع سلولی به دست آوریم.»

نتایج این مطالعه نشان می‌دهد که برخی از کد‌های تنظیمی سلول‌های مغزی بین پرندگان و پستانداران به شدت حفظ شده‌اند، در حالی که برخی دیگر در طول تکامل تغییرات چشمگیری داشته‌اند. جالب‌تر اینکه، کد‌های تنظیمی برخی از نورون‌های پرندگان شباهت‌هایی با نورون‌های لایه‌های عمقی نئوکورتکس در مغز پستانداران دارند.

کمپینک می‌گوید: «مشاهده مستقیم کد‌های تنظیمی یک مزیت بزرگ است، زیرا به ما نشان می‌دهد که چه اصولی از تنظیم ژنی میان گونه‌ها مشترک است، حتی اگر توالی DNA تغییر کرده باشد.»

ابزاری برای مطالعه بیماری‌ها

این اطلاعات تنظیمی فقط برای درک تکامل مفید نیست، بلکه در مطالعه بیماری‌ها نیز کاربرد دارد. در تحقیقات پیشین، تیم آرتس تأیید کرده بود که کد‌های تنظیمی مربوط به ملانوما (سرطان پوست) بین پستانداران و ماهی گورخری حفظ شده‌اند. آنها همچنین تغییرات ژنتیکی در بیماران مبتلا به ملانوما را شناسایی کردند.

مدل‌های ارائه‌شده در مطالعه جدید، ابزار‌هایی برای بررسی تأثیر تغییرات ژنتیکی و ارتباط آنها با ویژگی‌های شناختی و اختلالات مغزی ارائه می‌دهند.

آرتس می‌گوید: «در نهایت، مدل‌هایی که کد تنظیمی ژنوم را شناسایی می‌کنند، این قابلیت را دارند که ژنوم‌ها را غربالگری کرده و وجود یا عدم وجود انواع خاصی از سلول‌ها را در هر گونه‌ای بررسی کنند. این ابزار قدرتمندی برای مطالعه و درک بهتر بیماری‌ها خواهد بود.»

از آزمایشگاه تا باغ‌وحش

آرتس و تیمش هم‌اکنون در حال گسترش مدل‌های خود هستند. آنها در همکاری با Zoo Science و Wildlife Rescue Center، مدل‌های تکاملی خود را روی مغز حیوانات بیشتری از جمله انواع ماهی‌ها، گوزن‌ها، جوجه‌تیغی‌ها و کاپی‌بارا‌ها اعمال می‌کنند. هم‌زمان، آنها در حال بررسی این موضوع هستند که چگونه این مدل‌های هوش مصنوعی می‌توانند به کشف تغییرات ژنتیکی مرتبط با بیماری پارکینسون کمک کنند.

انتهای پیام/