למידה עמוקה המשמשת למציאת גנים הקשורים למחלות

A מחקר חדש בראשות חוקרים מאוניברסיטת לינקופינג מדגים כיצד רשת עצבית מלאכותית (ANN) יכולה לחשוף כמויות גדולות של נתוני ביטוי גנים, והיא יכולה להוביל לגילוי קבוצות של גנים הקשורים למחלה. המחקר פורסם ב תקשורת טבע, והמדענים רוצים שהשיטה תיושם ברפואה מדויקת ובטיפול פרטני. 

מדענים מפתחים כיום מפות של רשתות ביולוגיות המבוססות על האופן שבו חלבונים או גנים שונים מתקשרים זה עם זה. המחקר החדש כולל שימוש בבינה מלאכותית (AI) על מנת לגלות אם ניתן לגלות רשתות ביולוגיות באמצעות שימוש בלמידה עמוקה. רשתות עצבים מלאכותיות, אשר מאומנות על ידי נתונים ניסיוניים בתהליך של למידה עמוקה, מסוגלות למצוא דפוסים בתוך כמויות אדירות של נתונים מורכבים. בגלל זה, הם משמשים לעתים קרובות ביישומים כגון זיהוי תמונות. אפילו עם הפוטנציאל העצום לכאורה שלה, השימוש בשיטת למידת מכונה זו הוגבל במחקר הביולוגי. 

Sanjiv Dwivedi הוא פוסט דוקטורט במחלקה לפיזיקה, כימיה וביולוגיה (IFM) באוניברסיטת לינקופינג.

"השתמשנו לראשונה בלמידה עמוקה כדי למצוא גנים הקשורים למחלה. זוהי שיטה חזקה מאוד בניתוח של כמויות אדירות של מידע ביולוגי, או 'ביג דאטה'", אומר דויוודי.

המדענים הסתמכו על מאגר מידע גדול עם מידע לגבי דפוסי הביטוי של 20,000 גנים במספר רב של אנשים. לרשת העצבים המלאכותית לא נאמר אילו דפוסי ביטוי גנים היו מאנשים עם מחלות, או אילו מאנשים בריאים. לאחר מכן הוכשר מודל הבינה המלאכותית למצוא דפוסים של ביטוי גנים.

אחת התעלומות סביב למידת מכונה היא שכרגע אי אפשר לראות איך רשת עצבים מלאכותית מגיעה לתוצאה הסופית שלה. אפשר לראות רק את המידע שנכנס ואת המידע שמיוצר, אבל כל מה שקורה בין לבין מורכב מכמה שכבות של מידע מעובד מתמטית. הפעולות הפנימיות הללו של רשת עצבים מלאכותית עדיין לא ניתנות לפענוח. המדענים רצו לדעת אם יש קווי דמיון בין העיצובים של הרשת העצבית לבין הרשתות הביולוגיות המוכרות. 

מייק גוסטפסון הוא מרצה בכיר ב-IFM ומוביל את המחקר. 

"כאשר ניתחנו את הרשת העצבית שלנו, התברר שהשכבה הנסתרת הראשונה ייצגה במידה רבה אינטראקציות בין חלבונים שונים. בעומק המודל, לעומת זאת, ברמה השלישית, מצאנו קבוצות מסוגי תאים שונים. זה מאוד מעניין שסוג זה של קיבוץ רלוונטי מבחינה ביולוגית נוצר באופן אוטומטי, בהתחשב בכך שהרשת שלנו התחילה מנתוני ביטוי גנים לא מסווגים", אומר גוסטפסון.

לאחר מכן רצו המדענים לדעת אם המודל שלהם לביטוי גנים מסוגל לשמש כדי לקבוע אילו דפוסי ביטוי גנים קשורים למחלה ואילו נורמליים. הם הצליחו לאשר שהמודל יכול לגלות דפוסים יחסיים שמתואמים עם מנגנונים ביולוגיים בגוף. תגלית נוספת הייתה שרשת העצבים המלאכותית עשויה לגלות דפוסים חדשים לגמרי מכיוון שהיא אומנה עם נתונים לא מסווגים. החוקרים יחקרו כעת דפוסים שלא ידועים בעבר והאם הם רלוונטיים בביולוגיה. 

"אנחנו מאמינים שהמפתח להתקדמות בתחום הוא להבין את הרשת העצבית. זה יכול ללמד אותנו דברים חדשים על הקשרים ביולוגיים, כמו מחלות שבהן גורמים רבים מתקשרים. ואנחנו מאמינים שהשיטה שלנו נותנת מודלים שקל יותר להכליל ושניתן להשתמש בהם עבור סוגים רבים ושונים של מידע ביולוגי", אומר גוסטפסון.

באמצעות שיתופי פעולה עם חוקרים רפואיים, גוסטפסון מקווה ליישם את השיטה ברפואה מדויקת. זה יכול לעזור לקבוע אילו סוגים ספציפיים של תרופות חולים צריכים לקבל.

המחקר נתמך כלכלית על ידי הקרן השוודית למחקר אסטרטגי (SSF) ומועצת המחקר השוודית.