هوش مصنوعی (AI) با استفاده از شبکه های عصبی می تواند الگوهای موجود در ژن ها را پیدا کند و بر این اساس ژن های بیمار را تشخیص دهد. این مطلب توسط محققین دانشگاه Linköping کشف شده است.
دانشمندان امیدوارند که این روش در نهایت در داروها و درمان افراد به کار رود.
هوش مصنوعی و شبکه های عصبی
هنگام استفاده از شبکه های اجتماعی، نرم افزار مربوطه، لیست افرادی که ممکن است بخواهید آنها را به عنوان دوست اضافه کنید، به شما پیشنهاد می دهد. این پیشنهاد براساس لیست مخاطبین مشترک شما و شخص دیگر می باشد و این نشان می دهد که شما ممکن است یکدیگر را بشناسید. در یک روش مشابه، دانشمندان مدل هایی از شبکه های بیولوژیکی را براساس ارتباط متقابل پروتئین ها یا ژن های مختلف با یکدیگر ساخته اند.
محققان اخیراً تلاش کرده اند که به کمک هوش مصنوعی ، به بررسی این موضوع که آیا می توان شبکه های بیولوژیکی را با استفاده از یادگیری عمیق کشف کرد، که در آن شبکه های عصبی مصنوعی با داده های آزمایشی آموزش داده شود، بپردازند. از آنجا که شبکه های عصبی مصنوعی در یادگیری چگونگی یافتن الگو در مقادیر عظیم داده های پیچیده بسیار عالی هستند، از آنها در برنامه هایی مانند شناسایی تصویر استفاده می شود. هرچند این روش یادگیری ماشین تاکنون به ندرت در تحقیقات بیولوژیکی مورد استفاده قرار گرفته است.
Sanjiv Dwivedi ، فوق دکترای فیزیک می گوید: “ما برای اولین بار است که از یادگیری عمیق برای تشخیص بیماری های ژنتیکی استفاده کرده ایم. این یک روش بسیار قدرتمند برای تجزیه و تحلیل مقادیر زیاد اطلاعات بیولوژیکی یا ” داده های بزرگ ” می باشد.
شرح تحقیق
در این تحقیق دانشمندان از یک پایگاه داده بزرگ که حاوی 20،000 الگوی ژن که از تعداد زیادی از افراد بوده، استفاده کردند. این داده ها طبقه بندی نشده بودند به این معنا که محققان به شبکه عصبی مصنوعی اطلاعاتی مبنی بر اینکه کدام الگوهای ژن مربوط به افراد مبتلا به بیماری و کدام یک مربوط به افراد سالم است، نداده بودند. سپس مدل هوش مصنوعی برای یافتن الگوهای ژن های مختلف آموزش داده شد.
چالش های هوش مصنوعی
یکی از چالش های یادگیری ماشین این است که نمی توان دقیقاً دید که شبکه عصبی مصنوعی چگونه یک مساله را حل می کند. گاهی اوقات هوش مصنوعی را به عنوان “جعبه سیاه” می شناسند. در واقع ما فقط اطلاعاتی که در جعبه قرار می دهیم و نتیجه ای که تولید می شود را می بینیم و نمی توانیم مراحل درون جعبه را ببینیم.
شبکه های عصبی مصنوعی از چندین لایه تشکیل شده است که در آن اطلاعات با یکسری فرمولهای ریاضی پردازش می شوند. این شبکه شامل یک لایه ورودی و یک لایه خروجی است که نتیجه پردازش اطلاعاتی را که توسط سیستم انجام می شود ارائه می دهد. بین این دو لایه چندین لایه پنهان وجود دارد که در آن محاسبات انجام می شود. هنگامیکه دانشمندان یک شبکه عصبی مصنوعی را آموزش دادند، باور نمی کردند که کار بکند! در واقع بهتر است که کار کلی شبکه را فهمید و نیازی نیست که از جزئیات درون آن با خبر شد.
آیا مدل شبکه های عصبی و شبکه های بیولوژیکی یکسان است؟
Mika Gustafsson مدرس ارشد IFM می گوید: هنگامیکه شبکه عصبی طراحی شده خود را مورد تجزیه و تحلیل قرار دادیم، معلوم شد که اولین لایه پنهان شامل پروتئین های مختلف است و در مقابل، در سطوح پایین تر مدل، در لایه سوم، گروه هایی از انواع مختلف سلول را پیدا کردیم. بسیار جالب است که این شبکه عصبی بیولوژیکی به طور اتوماتیک داده ها را طبقه بندی می کند در حالیکه داده های ما از ابتدا طبقه بندی نشده بودند.
سپس دانشمندان بررسی کردند که آیا با استفاده از این الگوهای به دست آمده می توان ژن بیمار را از ژن نرمال تشخیص داد یا خیر. آنها متوجه شدند که الگوهای بدست آمده از هوش مصنوعی با مکانیسم های بیولوژیکی در بدن انسان کاملاً مطابقت دارند. از آنجاییکه این مدل با استفاده از داده های طبقه بندی نشده آموزش داده شده، این امکان وجود دارد که شبکه عصبی مصنوعی بتواند الگوهای کاملاً جدیدی نیز پیدا کند.
