Algoritmy používané společnostmi jako Netflix by mohly dešifrovat biologický jazyk neurodegenerativních onemocnění

Výkonné algoritmy používané společnostmi jako Netflix, Facebook a Amazon by mohly mít velké důsledky ve zdravotnictví. Prokázali schopnost předpovídat biologický jazyk rakoviny a dalších neurodegenerativních onemocnění, jako je Alzheimerova choroba.

Této iniciativy se ujali akademici na St. John's College, University of Cambridge, kteří vložili velká data produkovaná po desetiletí do počítačového jazykového modelu. Cílem bylo zjistit, zda umělá inteligence (AI) dokáže dělat pokročilejší objevy než lidé, a právě to zjistili díky schopnosti technologie dešifrovat biologický jazyk.

Studie byla publikována ve vědeckém časopise PNAS, s názvem "Naučit se molekulární gramatice proteinových kondenzátů ze sekvenčních determinant a vložení. " Podle odborníků by mohl být použit k „opravě gramatických chyb uvnitř buněk, které způsobují onemocnění“.

Profesor Tuomas Knowles je vedoucím autorem článku a členem St. John's College. 

„Zavedení technologie strojového učení do výzkumu neurodegenerativních onemocnění a rakoviny je absolutní změnou hry. V konečném důsledku bude cílem využít umělou inteligenci k vývoji cílených léků, které dramaticky zmírní symptomy nebo zabrání demenci vůbec.“

Výkonné algoritmy

Algoritmy strojového učení používané společnostmi jako Netflix a Facebook poskytují vysoce kvalifikované předpovědi o spotřebitelích a o tom, co budou dělat dál. To se stane, když Netflix doporučí nový film nebo Facebook doporučí nového přítele. Hlasoví asistenti jako Alexa a Siri dokážou okamžitě rozpoznat jednotlivce a reagovat. 

Dr. Kadi Liis Saar je prvním autorem článku a vědeckým pracovníkem na St. John's College. Podobnou technologii použila k trénování rozsáhlého jazykového modelu, jehož cílem bylo identifikovat, co se děje s proteiny během nemoci. 

„Lidské tělo je domovem tisíců a tisíců bílkovin a vědci dosud neznají funkci mnoha z nich. Požádali jsme jazykový model založený na neuronové síti, aby se naučil řeč proteinů,“ řekla.

„Program jsme konkrétně požádali, aby se naučil jazyk měnících se biomolekulárních kondenzátů – kapiček proteinů nacházejících se v buňkách – kterým vědci skutečně potřebují porozumět, aby prolomili jazyk biologických funkcí a poruch, které způsobují rakovinu a neurodegenerativní onemocnění, jako je Alzheimerova choroba. Zjistili jsme, že se může naučit, aniž by nám to bylo výslovně řečeno, to, co vědci již objevili o řeči proteinů během desetiletí výzkumu.

Vědci se domnívají, že existuje několik stovek neurodegenerativních onemocnění, z nichž nejčastější jsou Alzheimerova, Parkinsonova a Huntingonova choroba. Alzheimerovou chorobou trpí 50 milionů lidí na celém světě a během nemoci se bílkoviny tvoří shluky a zabíjejí zdravé nervové buňky. 

Proteinové kondenzáty a technologie NLP

Se zdravým mozkem lze tyto masy bílkovin efektivně zlikvidovat. Podle novějších zjištění se nyní vědci domnívají, že některé neuspořádané proteiny tvoří kondenzáty, což jsou kapičky proteinů podobné kapalině. Ty nemají membránu a volně splývají jedna s druhou a mohou se formovat a reformovat.

"Proteinové kondenzáty v poslední době přitahují velkou pozornost ve vědeckém světě, protože řídí klíčové události v buňce, jako je genová exprese - jak se naše DNA přeměňuje na proteiny - a syntéza proteinů - jak buňky vytvářejí proteiny," řekl profesor Knowles.

„Jakékoli defekty spojené s těmito proteinovými kapičkami mohou vést k onemocněním, jako je rakovina. Proto je nezbytné zavést technologii zpracování přirozeného jazyka do výzkumu molekulárního původu selhání proteinů, pokud chceme být schopni opravit gramatické chyby uvnitř buněk, které způsobují onemocnění,“ pokračoval.

 „Vložili jsme do algoritmu všechna data o známých proteinech, aby se mohl učit a předpovídat řeč proteinů stejným způsobem, jakým se tyto modely učí o lidském jazyce a o tom, jak WhatsApp ví, jak vám navrhnout slova, která byste měli použít,“ říká Dr. řekla Saar. 

"Pak jsme se mohli zeptat na specifickou gramatiku, která vede pouze k některým proteinům, aby tvořily kondenzáty uvnitř buněk." Je to velmi náročný problém a jeho odemknutí nám pomůže naučit se pravidla řeči nemoci,“ pokračoval Dr. Saar.

Hlavními hybateli tohoto technologického pokroku jsou rostoucí množství dostupných dat, vyšší výpočetní výkon a technický pokrok. Strojové učení má potenciál dramaticky transformovat výzkum v těchto oblastech a umožnit objevy, které nebylo možné nikdy předvídat. 

Podle Dr. Saara: „Strojové učení může být bez omezení toho, co si výzkumníci myslí, že jsou cíle vědeckého zkoumání, a bude to znamenat, že budou nalezena nová spojení, o kterých jsme dosud ani netušili. Je to opravdu velmi vzrušující."

Nový síť je k dispozici výzkumníkům z celého světa a zapojuje se do něj stále větší počet vědců.