넷플릭스와 같은 회사에서 사용하는 알고리즘은 신경 퇴행성 질환의 생물학적 언어를 해독할 수 있을 것

넷플릭스, 페이스북, 아마존과 같은 회사에서 사용하는 강력한 알고리즘은 의료 분야에서 큰 영향을 미칠 수 있습니다. 이 알고리즘은 암과 기타 신경 퇴행성 질환의 생물학적 언어를 예측하는 능력을 보여주었습니다.

이 연구는 케임브리지 대학교 세인트 존스 칼리지의 학자들에 의해 수행되었습니다. 그들은 수십 년 동안 축적된大量의 데이터를 컴퓨터 언어 모델에 입력했습니다. 목표는 인공 지능(AI)이 인간보다 더 발전된 발견을 할 수 있는지 확인하는 것이었습니다. 그리고 기술이 생물학적 언어를 해독하는 능력을 가지고 있다는 것을 발견했습니다.

이 연구는 과학 저널 PNAS에 발표되었으며, “Learning the molecular grammar of protein condensates from sequence determinants and embeddings”라는 제목입니다. 전문가们에 따르면, 이 기술은 “세포 내에서 질병을 유발하는 문법 오류를 수정하는 데 사용될 수 있습니다.”

Tuomas Knowles 교수는 이 논문의 제1저자이며 세인트 존스 칼리지의 펠로우입니다.

“신경 퇴행성 질환과 암 연구에 기계 학습 기술을 도입하는 것은 게임 체인저입니다. 궁극적으로, 목표는 인공 지능을 사용하여 लक적 제약을 개발하여 증상을 크게 완화하거나 치매가 발생하지 않도록 하는 것입니다.”

강력한 알고리즘

넷플릭스와 페이스북에서 사용하는 기계 학습 알고리즘은 소비자에 대한 매우 교육된 예측을 합니다. 이것이 넷플릭스가 새로운 영화를 추천하거나 페이스북이 새로운 친구를 추천하는 방식입니다. 알렉사와 시리와 같은 보이스 어시스턴트는 개인을 즉시 인식하고 응답할 수 있습니다.

Kadi Liis Saar 박사는 이 논문의 제1저자이며 세인트 존스 칼리지의 연구 펠로우입니다. 그녀는 유사한 기술을 사용하여 대규모 언어 모델을 훈련시켰습니다. 목표는 질병에서 단백질이 어떻게 변화하는지 식별하는 것이었습니다.

“인간의 몸에는 수천 개의 단백질이 존재하며, 과학자들은 아직 그 기능을 모두 알지 못합니다. 우리는 신경망 기반 언어 모델에 단백질의 언어를 학습하도록 요청했습니다.”라고 그녀는 말했습니다.

“우리는 프로그램에 생물학적 함수와 기능 이상을 유발하는 암과 신경 퇴행성 질환의 언어를 이해하는 데 필요한 변형 가능한 바이오 분자 응축체의 언어를 학습하도록 요청했습니다. 우리는 그것이 과학자들이 이미 발견한 내용을 학습할 수 있음을 발견했습니다.”

과학자들은 수백 가지의 신경 퇴행성 질환이 존재하며, 가장 일반적인 것은 알츠하이머병, 파킨슨병, 헌팅턴병입니다. 알츠하이머병은 전 세계적으로 5천만 명의 사람들에게 영향을 미치며, 질병에서 단백질이 응집하여 건강한 신경 세포를 죽입니다.

단백질 응축체와 NLP 기술

건강한 뇌에서, 이러한 단백질의 집합체는 효과적으로 제거될 수 있습니다. 최근의 연구에 따르면, 과학자들은 일부 무질서한 단백질이 응축체를 형성한다고 믿고 있습니다. 이러한 응축체는 막이 없는 액체와 같은 단백질의 방울이며, 서로 자유롭게 합쳐지고 다시 형성될 수 있습니다.

“단백질 응축체는 최근 과학계에서 많은 주목을 받고 있습니다. 왜냐하면它们는 세포 내에서 중요한 이벤트를 제어하기 때문입니다. 예를 들어, 유전자 발현과 단백질 합성이 있습니다.” Knowles 교수는 말했습니다.

“이러한 단백질 방울과 관련된 결함은 암과 같은 질환을 유발할 수 있습니다. 따라서 단백질의 분자적 기원에 대한 연구에 자연어 처리 기술을 도입하는 것이 중요합니다. 우리는 세포 내에서 질병을 유발하는 문법 오류를 수정하는 데 도움이 될 것입니다.”라고 그는 계속했습니다.

“우리는 알고리즘에 알려진 단백질에 대한 모든 데이터를 입력하여 언어를 학습하고 예측하도록 했습니다. 이는 이러한 모델이 인간 언어를 학습하고 WhatsApp가 단어를 제안하는 방식과 유사합니다.” Saar 박사는 말했습니다.

“그런 다음 우리는 알고리즘에 세포 내에서 응축체를 형성하는 단백질의 특정 문법을 묻는 질문을 할 수 있었습니다. 이는 매우 어려운 문제이며, 이를 풀면 질병의 언어를 이해하는 데 도움이 될 것입니다.”라고 그녀는 계속했습니다.

이 기술의 발전은 데이터의 증가, 컴퓨팅 파워의 향상, 기술적 진보에 의해 주도됩니다. 기계 학습은 이러한 분야의 연구를 크게変革할 수 있으며, 예상치 못한 발견을 가능하게 할 것입니다.

Saar 박사에 따르면, “기계 학습은 과학자들이 생각하는 탐색 대상의 제한을 받지 않습니다. 이는 우리가 아직 생각하지 못한 새로운 연결을 찾을 수 있음을 의미합니다. 정말로 매우 흥미롭습니다.”

새로운 네트워크는 전 세계의 연구자들에게开放되어 있으며, 점점 더 많은 과학자들이 참여하고 있습니다.