آموزش, هوش مصنوعی در سرطان

هوش مصنوعی و اسرار ژن های غیر کد کننده

هوش مصنوعی

هوش مصنوعی

 

انتظار می رود هوش مصنوعی اسرار ژن های خاصی با عنوان  ژن های غیر کد کننده (نقاط خاصی از ژن می باشند که به پروتئین ترجمه نمی شوند و در گذشته عملکردی برای آن ها تعریف نشده بود، اما در حال حاضر میدانیم که نقش مهمی در سلامت بدن ما ایفا می کنند) را کشف کند. هوش مصنوعی (AI) در حال تبدیل شدن به بخشی از زندگی ما است، و میتواند به حل تمرین های ریاضی تا نوشتار مقالات علمی به انسان ها کمک نماید. دانشمندان در حال طراحی ابزار هوش مصنوعی هشتند که می تواند تفاوت های RNA غیر کدکننده را روی ژنوم گیاهان مقایسه کند. انتظار می رود که این ابزار به عنوان مثال، توسعه واریته های گیاهی جدید را با مقاومت بیشتر در برابر خشکسالی یا بیماری ها تسریع و ساده کند.

 

پروتئین ها

 

پروتئین ها بلوک های سازنده سلول های موجودات هستند. دستورالعمل ساخت این پروتئین ها توسط RNA از ژن ها صادر می شود. در کنار این RNA های کد کننده، برخی از ژن ها می توانند RNA های غیر کد کننده تولید کنند: به عبارت دیگر، RNA هایی که دستورالعمل هایی برای ساخت پروتئین را در بر نمی گیرند.

 

RNA ها

 

RNA هایی که دستور العمل هایی برای ساخت پروتئین ندارند، نیز نقش مهمی در رشد موجودات دارد. به عنوان مثال، آنها می‌توانند ژن‌ها را فعال کنند، یا برعکس عمل کنند و آنها را خاموش کنند.

این روی ظاهر گیاه و ویژگی‌هایی که دارد تأثیر می‌گذارد. برخی از RNA‌های مهم غیر کدکننده نیز تعیین می‌کنند که آیا گیاه اصلاً به بلوغ می‌رسد یا خیر.

 

بستگان در یک خانواده

 

RNA غیر کد کننده همچنین می تواند به طور بالقوه نشان دهد، که چرا یک گونه گیاهی به یک خانواده خاص تعلق دارد اما ویژگی های متفاوتی دارد.

 

تفسیر محدود RNA غیر کد کننده

 

این بدان معنی است که مقایسه بین گیاهان نیاز به تفسیر ژن جداگانه برای RNA غیر کد کننده برای هر محصول دارد.

 

بخش کوچکی از هر ژنوم

 

اولین مشکل این است که بدانیم در کجای ژنوم باید نگاه کنیم. یکی از ابزارهایی که محققان در حال توسعه آن هستند، چیزی است که  آن را GeneSketch می نامد. برای یافتن بخش‌های مربوط به ژنوم‌های مختلف، از روشی به نام Minimizer Sketch استفاده می‌کنند. ایده پشت طرح Minimizer این است که شما فقط باید به یک قطعه کوچک DNA-یک طرح-به جای کل توالی نگاه کنید. این بدان معناست که برای انجام مقایسه فقط باید به چند هزار کاراکتر در هر ژنوم توجه کنید نه میلیون ها.

 

طرح Minimizer

 

این طرح قبلاً برای ساختن درختی از تکامل پستانداران استفاده می شد، که شامل انسان ها و نزدیک ترین خویشاوندان آنها می شد. معلوم شد که یک شجره نامه بسیار دقیق از اجداد ما می تواند از طرح هایی ساخته شده از کمتر از 1٪ از کل ژنوم ها ساخته شود. بنابراین، طرح Minimizer روشی بسیار کارآمد برای تخمین شباهت قطعات DNA به یکدیگر است.

 

 فناوری ChatGPT

 

بعد از اینکه بدانید کجا باید نگاه کنید،قدم بعدی این است که بفهمید به چه چیزی نگاه می کنید. فناوری که دانشمندان قصد دارد در GeneSketch از آن استفاده کنند، همان فناوری است که در حال حاضر در سایر ابزارهای هوش مصنوعی مانند ChatGPT استفاده می شود. این فناوری «ترانسفورماتور» نام دارد. می توانید از یک ترانسفورماتور بخواهید که مثلاً یک کلمه از دست رفته را در یک جمله پر کند در ابتدا، ترانسفورماتور یک کلمه تصادفی به شما می دهد زیرا قبلاً کلماتی را ندیده است. اما اگر به آن  میلیون ها جمله آموزش دهید، به آرامی یاد می گیرد، که با توجه به الگوهای موجود در متن، کلمات مناسب را حدس بزند.

 

قابلیت اطمینان

 

“یک مسئله مهم قابلیت اطمینان است. ترانسفورماتور یک فناوری نسبتاً جدید است و اشتباه می کند. برای مثال ChatGPT در بسیاری از منابع متنی مختلف آموزش داده شده است، اما اگر موضوعی را از آن بپرسید که به آن آموزش داده نشده است، خروجی آن قطعا اشتباه خواهد شد.

 

 

منبع: PHYS.org

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *