استخدام التعلم العميق لتحديد الجينات المرتبطة بالأمراض

دراسة جديدة بقيادة باحثين من جامعة لينكوبينغ تظهر كيف يمكن للشبكة العصبية الاصطناعية (ANN) أن تكشف عن كميات كبيرة من بيانات التعبير الجيني، ويمكن أن تؤدي إلى اكتشاف مجموعات من الجينات المرتبطة بالأمراض. ونشرت الدراسة في Nature Communications، والعلماء يريدون تطبيق هذه الطريقة في الطب الدقيق والتعامل الفردي.

يطور العلماء حاليًا خرائط للشبكات البيولوجية التي تعتمد على كيفية تفاعل البروتينات أو الجينات المختلفة مع بعضها البعض. وتشمل الدراسة الجديدة استخدام الذكاء الاصطناعي (AI) لتحديد ما إذا يمكن اكتشاف الشبكات البيولوجية من خلال استخدام التعلم العميق. والشبكات العصبية الاصطناعية، التي يتم تدريبها بواسطة البيانات التجريبية في عملية التعلم العميق، قادرة على العثور على أنماط داخل كميات هائلة من البيانات المعقدة. ونتيجة لذلك، يتم استخدامها في التطبيقات مثل التعرف على الصور. ومع ذلك، فإن استخدام هذه طريقة التعلم الآلي كان محدودًا في الأبحاث البيولوجية.

سانجيف دويفيدي هو باحث ما بعد الدكتوراه في قسم الفيزياء والكيمياء والأحياء (IFM) في جامعة لينكوبينغ.

“لقد استخدمنا لأول مرة التعلم العميق لتحديد الجينات المرتبطة بالأمراض. هذه طريقة قوية جدًا في تحليل كميات هائلة من المعلومات البيولوجية، أو “البيانات الكبيرة”، ” يقول دويفيدي.

اعتمد العلماء على قاعدة بيانات كبيرة تحتوي على معلومات حول أنماط التعبير الجيني ل 20,000 جين في عدد كبير من الأشخاص. ولم يتم إخبار الشبكة العصبية الاصطناعية بأي أنماط التعبير الجيني كانت من أشخاص مصابين بأمراض، أو أي منها كانت من الأشخاص الأصحاء. ثم تم تدريب نموذج الذكاء الاصطناعي على العثور على أنماط التعبير الجيني.

واحدة من الألغاز المحيطة بالتعلم الآلي هي أنه من المستحيل حاليًا رؤية كيفية وصول الشبكة العصبية الاصطناعية إلى النتيجة النهائية. من الممكن فقط رؤية المعلومات التي تدخل وتنتج، ولكن كل ما يحدث فيما بينهما يتكون من طبقات متعددة من المعلومات المعالجة رياضيًا. ولا يمكن فك شفرة العمليات الداخلية للشبكة العصبية الاصطناعية بعد. وأراد العلماء معرفة ما إذا كان هناك أي تشابه بين تصميمات الشبكة العصبية والشبكات البيولوجية المألوفة.

مايك غوستافسون هو محاضر أول في IFM ويقود الدراسة.

“عندما قمنا بتحليل شبكتنا العصبية، اتضح أن الطبقة الخفية الأولى تمثلت إلى حد كبير التفاعلات بين البروتينات المختلفة. في الطبقات الأعمق، في المقابل، في المستوى الثالث، وجدنا مجموعات من أنواع الخلايا المختلفة. من المثير جدًا أن هذا النوع من التجميع البيولوجي ذي الصلة يتم إنتاجه تلقائيًا، نظرًا لأن شبكتنا بدأت من بيانات التعبير الجيني غير المصنفة، ” يقول غوستافسون.

ثم أراد العلماء معرفة ما إذا كان نموذجهم للتعبير الجيني قادرًا على استخدامها لتحديد أي أنماط التعبير الجيني ترتبط بالأمراض وأيها طبيعية. وقاموا بتأكيد أن النموذج يمكن أن يكتشف أنماطًا نسبية تتوافق مع الآليات البيولوجية في الجسم. واكتشفوا أن الشبكة العصبية الاصطناعية يمكن أن تكتشف ربما أنماطًا جديدة لأنها تم تدريبها على بيانات غير مصنفة. وسوف يبحث الباحثون الآن في الأنماط غير المعروفة سابقًا وما إذا كانت ذات صلة في علم الأحياء.

“نعتقد أن المفتاح للتقدم في هذا المجال هو فهم الشبكة العصبية. هذا يمكن أن يعلمنا أشياء جديدة حول السياقات البيولوجية، مثل الأمراض التي تتفاعل فيها العديد من العوامل. ونعتقد أن طريقةنا توفر نماذج أسهل في التعميم ويمكن استخدامها لجميع أنواع المعلومات البيولوجية، ” يقول غوستافسون.

من خلال التعاون مع الباحثين الطبيين، يأمل غوستافسون في تطبيق هذه الطريقة في الطب الدقيق. ويمكن أن يساعد ذلك في تحديد أي أنواع محددة من الأدوية يجب أن يتلقاها المرضى.

تم دعم الدراسة ماليًا من قبل مؤسسة البحوث الاستراتيجية السويدية (SSF) ومجلس البحث السويدي.