2020. 02. 18. - 10:05
Megleli a betegséggel kapcsolatos géneket a mesterséges intelligencia
A mesterséges neurális hálózat génexpressziós adatok hatalmas mennyiségű mintáit képes feltárni, s felfedezi a betegséggel összefüggő gének csoportjait.
Betegségekkel kapcsolatos gének azonosítására is képes ma már a mesterséges intelligencia (MI). A neurális hálózat nagy mennyiségű génexpressziós adat mintáit tárja fel, s ennek köszönhetően felfedezi a különféle kórokkal, betegségekkel összefüggő géneket – mindezt a Linköping Egyetem kutatói által végzett új tanulmány mutatta ki.
A vizsgálatot a Nature Communications szaklapban közölték.
A kutatók azt remélik, hogy a módszert végül alkalmazni lehet majd a precíziós orvoslásban és az individualizált, vagyis személyre szabott kezelésben.
De miként is működik a hálózat? A tudósok biológiai hálózatok térképeit készítik el annak alapján, hogy a különböző fehérjék vagy gének hogyan lépnek kölcsönhatásba egymással.
Betegségekkel kapcsolatos géneket fedez fel a mesterséges intelligencia
A tanulmányt készítő kutatók mesterséges intelligenciát alkalmaztak, hogy kiderítsék, lehetséges-e felfedezni biológiai hálózatokat a mélytanulás segítségével, melyben a „mesterséges neurális hálózatokként” ismert entitásokat kísérleti adatokkal képezik.
Mivel a mesterséges neurális hálózatok kiválóan képesek megtanulni, miként kell mintákat találni egy hatalmas mennyiségű komplex adatban, használják azokat az olyan alkalmazásokban, mint például a képfelismerés. E gépi tanulási módszert azonban eddig ritkán használták a biológiai kutatások során.
Első alkalommal alkalmaztak mélyreható tanulást a betegséggel kapcsolatos gének megtalálására. Ez egy igen hatékony módszer hatalmas mennyiségű biológiai információ, avagy a „big data” (nagy adatmennyiség) elemzéséhez - mondta el Sanjiv Dwivedi, a Linköping Egyetem Fizika, Kémia és Biológia tanszékének posztdoktor munkatársa.
A tudósok nagy adatbázist használtak, mely jelentős mennyiségű ember 20 ezer génexpressziós mintázatáról tartalmazott információt.
Az információ „válogatás nélküli” volt abban az értelemben, hogy a kutatók nem adtak információt a mesterséges neurális hálózatnak arról, melyik génexpressziós mintázat származik betegségben szenvedő emberekből, s melyek az egészséges emberekből.
A mesterséges intelligencia-modellt ezután kiképezték a génexpressziós minták megtalálására.
A kutatók megjegyezték: a gépi tanulás egyik kihívása az, hogy nem látják a mesterséges neurális hálózatot munka közben, vagyis az MI afféle „fekete doboz” – csak a bevitt információt látják, illetve azt, ami eredményként kijön. A mesterséges neurális hálózatok több rétegből állnak, melyekben az információk matematikailag lesznek feldolgozva.
„Amikor a neurális hálózatunkat elemeztük, kiderült, hogy az első rejtett réteg nagymértékben képviseli a különböző fehérjék közötti kölcsönhatásokat. A mélyebben analizált modellben ezzel szemben a harmadik szinten különféle sejttípusokat találtunk. Rendkívül érdekes, hogy ez a fajta, biológiailag releváns csoportosulás automatikusan jön létre, mivel hálózatunkat nem osztályozott génexpressziós adatokból indítottuk el”- magyarázta Mika Gustafsson, az IFM vezető oktatója és a tanulmány vezetője.
A tudósok ezután megvizsgálták, hogy génexpressziós modelljük felhasználható-e annak meghatározására, melyik génexpressziós mintázat társul betegséghez és melyik normális.
Megerősítették: a modell olyan releváns mintákat talál, amelyek jól illeszkednek a test biológiai mechanizmusaihoz.
S mivel a modell osztályozatlan adatok felhasználásával készült, valószínű, hogy a mesterséges idegi hálózat teljesen új mintákat talált.
A kutatók most azt tervezik, megvizsgálják, hogy az efféle, korábban ismeretlen minták relevánsak-e biológiai szempontból.
László Adrienn
