Algoritmer brugt af virksomheder som Netflix kan tyde biologisk sprog for neurodegenerative sygdomme

Kraftfulde algoritmer brugt af virksomheder som Netflix (NFLX ), Facebook (META ) og Amazon (AMZN ) kan have store implikationer for sundhedssektoren. De har vist sig i stand til at forudsige det biologiske sprog for kræft og andre neurodegenerative sygdomme såsom Alzheimers.

Initiativet blev iværksat af akademikere ved St. John’s College, University of Cambridge, som indførte store mængder data produceret over årtier i en computer-sprogmodel. Målet var at se, om kunstig intelligens (AI) kunne gøre mere avancerede opdagelser end mennesker, og de fandt blot det med teknologiens evne til at tyde biologisk sprog.

Studiet blev offentliggjort i det videnskabelige tidsskrift PNAS, med titlen “Learning the molecular grammar of protein condensates from sequence determinants and embeddings.” Ifølge eksperterne kan det bruges til at “korrigere de grammatikfejl inden i cellerne, der forårsager sygdom.”

Professor Tuomas Knowles er hovedforfatter på artiklen og Fellow ved St. John’s College.

“At bringe maskinlæringsteknologi ind i forskningen i neurodegenerative sygdomme og kræft er en absolut spilvender. Til sidst vil målet være at bruge kunstig intelligens til at udvikle målrettede lægemidler, der kan lette symptomerne dramatisk eller forhindre demens i at ske overhovedet.”

Kraftfulde Algoritmer

De maskinlæring-algoritmer, som virksomheder som Netflix og Facebook bruger, gør meget uddannede forudsigelser om forbrugere og hvad de vil gøre herefter. Dette er, hvad der sker, når Netflix anbefaler en ny film eller Facebook anbefaler en ny ven. Taleassistenter som Alexa og Siri kan genkende individer med det samme og svare.

Dr. Kadi Liis Saar er førsteforfatter på artiklen og en forskningsstipendiat ved St. John’s College. Hun brugte lignende teknologi til at træne en stor skala-sprogmodel, der havde til formål at identificere, hvad der sker med proteiner under sygdom.

“Menneskekroppen er hjemsted for tusinder og tusinder af proteiner, og videnskabsfolk ved ikke endnu, hvad funktionen af mange af dem er. Vi bad en neural netværksbaseret sprogmodel om at lære proteinsproget,” sagde hun.

“Vi bad specifikt programmet om at lære sproget af formforandrende biomolekylære kondensater — dråber af proteiner, der findes i celler — som videnskabsfolk virkelig har brug for at forstå for at knuse sproget af biologisk funktion og dysfunktion, der forårsager kræft og neurodegenerative sygdomme som Alzheimers. Vi fandt ud af, at det kunne lære, uden at blive eksplisit fortalt, hvad videnskabsfolk allerede havde opdaget om proteinsproget over årtier af forskning.”

Videnskabsfolk mener, at der er flere hundrede neurodegenerative sygdomme, hvoraf de mest almindelige er Alzheimers, Parkinsons og Huntingtons sygdom. Alzheimers rammer 50 millioner mennesker verden over, og under sygdommen danner proteiner klumper og dræber sunde nerveceller.

Protein Condensates og NLP-teknologi

Med en sund hjerne kan disse masses af proteiner afhændes effektivt. Ifølge nyere fund mener videnskabsfolk nu, at visse forstyrrede proteiner danner kondensater, der er flydende dråber af proteiner. Disse har ikke en membran og kan frit blande sig med hinanden og danne og genskabe sig.

“Protein kondensater har for nylig tiltrukket sig megen opmærksomhed i den videnskabelige verden, fordi de kontrollerer vigtige begivenheder i cellen, såsom genudtryk — hvordan vores DNA omdannes til proteiner — og proteinsyntese — hvordan cellerne producerer proteiner,” sagde professor Knowles.

“Eventuelle defekter i forbindelse med disse protein-dråber kan føre til sygdomme som kræft. Dette er hvorfor det er vigtigt at bringe naturlig sprogbehandlingsteknologi ind i forskningen i de molekylære årsager til proteinfejl, hvis vi vil kunne korrigere de grammatikfejl inden i cellerne, der forårsager sygdom,” fortsatte han.

“Vi føded algoritmen alle kendte data om proteiner, så den kunne lære og forudsige proteinsproget på samme måde, som disse modeller lærer om menneskesprog og hvordan WhatsApp ved, hvordan du skal bruge ord,” sagde Dr. Saar.

“Så kunne vi spørge den om den specifikke grammatik, der kun fører til, at visse proteiner danner kondensater inden i cellerne. Det er et meget udfordrende problem, og at løse det vil hjælpe os med at lære reglerne for sygdommens sprog,” fortsatte Dr. Saar.

De vigtigste drivkræfter bag denne fremgang i teknologi er en stigende mængde tilgængelig data, højere beregningskraft og tekniske fremskridt. Maskinlæring har potentialet til at dramatisk forandre forskningen på disse områder og muliggøre opdagelser, der aldrig kunne have været forudset.

Ifølge Dr. Saar, “Maskinlæring kan være fri for begrænsningerne af, hvad forskere mener er målene for videnskabelig udforskning, og det vil betyde, at nye forbindelser vil blive fundet, som vi endnu ikke har forestillet os. Det er virkelig meget spændende.”

Det nye netværk er tilgængeligt for forskere over hele verden, og en stigende mængde videnskabsfolk er involveret.