Algoritmes gebruikt door bedrijven als Netflix kunnen biologische taal van neurodegeneratieve ziekten ontcijferen

Krachtige algoritmes die worden gebruikt door bedrijven als Netflix (NFLX ), Facebook (META ) en Amazon (AMZN ), kunnen grote gevolgen hebben voor de gezondheidszorg. Ze hebben aangetoond dat ze de biologische taal van kanker en andere neurodegeneratieve ziekten zoals de ziekte van Alzheimer kunnen voorspellen.

Dit initiatief werd ondernomen door academici van St. John’s College, University of Cambridge, die grote hoeveelheden data die over decennia zijn gegenereerd, in een computermodel hebben ingevoerd. Het doel was om te zien of kunstmatige intelligentie (AI) geavanceerdere ontdekkingen kon doen dan mensen, en dat bleek het geval te zijn met de mogelijkheid van de technologie om de biologische taal te ontcijferen.

De studie werd gepubliceerd in het wetenschappelijke tijdschrift PNAS, getiteld “Learning the molecular grammar of protein condensates from sequence determinants and embeddings.” Volgens de experts kan het worden gebruikt om “de grammaticale fouten binnen cellen die ziektes veroorzaken te corrigeren.”

Professor Tuomas Knowles is de hoofdauteur van het artikel en een Fellow aan St. John’s College.

“Het integreren van machine-learningtechnologie in onderzoek naar neurodegeneratieve ziekten en kanker is een absolute game-changer. Uiteindelijk zal het doel zijn om kunstmatige intelligentie te gebruiken om gerichte medicijnen te ontwikkelen om symptomen drastisch te verlichten of om dementie te voorkomen.”

Krachtige Algoritmes

De machine-learningalgoritmes die worden gebruikt door bedrijven als Netflix en Facebook, maken zeer onderbouwde voorspellingen over consumenten en wat ze vervolgens zullen doen. Dit is wat gebeurt wanneer Netflix een nieuwe film aanbeveelt of Facebook een nieuwe vriend aanbeveelt. Spraakassistenten zoals Alexa en Siri kunnen individuen onmiddellijk herkennen en reageren.

Dr. Kadi Liis Saar is de eerste auteur van het artikel en een Research Fellow aan St. John’s College. Ze gebruikten soortgelijke technologie om een groot taalmodel te trainen, dat was ontworpen om te identificeren wat er gebeurt met eiwitten tijdens een ziekte.

“Het menselijk lichaam herbergt duizenden en duizenden eiwitten en wetenschappers weten nog niet de functie van veel van hen. We vroegen een neurale netwerktaalmodel om de taal van eiwitten te leren,” zei ze.

“We vroegen het programma specifiek om de taal van veranderlijke biomoleculaire condensaten te leren – druppels van eiwitten die in cellen worden aangetroffen – die wetenschappers echt moeten begrijpen om de taal van biologische functie en disfunctie te doorgronden die kanker en neurodegeneratieve ziekten zoals de ziekte van Alzheimer veroorzaken. We ontdekten dat het kon leren, zonder dat het ons expliciet werd verteld, wat wetenschappers al hebben ontdekt over de taal van eiwitten in decennia van onderzoek.”

Wetenschappers geloven dat er verschillende honderden neurodegeneratieve ziekten zijn, waarvan de meest voorkomende de ziekte van Alzheimer, de ziekte van Parkinson en de ziekte van Huntington zijn. De ziekte van Alzheimer treft 50 miljoen mensen over de hele wereld, en tijdens de ziekte vormen eiwitten klonters en doden gezonde zenuwcellen.

Eiwitcondensaten en NLP-technologie

Met een gezonde hersenen kunnen deze massa’s eiwitten effectief worden afgevoerd. Volgens recentere bevindingen geloven wetenschappers nu dat sommige veranderde eiwitten condensaten vormen, die vloeibare druppels van eiwitten zijn. Deze hebben geen membraan en kunnen vrij met elkaar samensmelten, en ze kunnen zich vormen en hervormen.

“Eiwitcondensaten hebben onlangs veel aandacht gekregen in de wetenschappelijke wereld omdat ze belangrijke gebeurtenissen in de cel reguleren, zoals genexpressie – hoe ons DNA in eiwitten wordt omgezet – en eiwitsynthese – hoe cellen eiwitten maken,” zei professor Knowles.

“Elke defect die verband houdt met deze eiwitdruppels kan leiden tot ziekten zoals kanker. Dit is waarom het integreren van natuurlijke taalverwerkingstechnologie in onderzoek naar de moleculaire oorsprong van eiwitdisfunctie essentieel is als we de grammaticale fouten binnen cellen die ziekten veroorzaken, willen corrigeren,” vervolgde hij.

“We voerden de algoritme alle bekende data over eiwitten in, zodat het kon leren en de taal van eiwitten kon voorspellen op dezelfde manier als deze modellen leren over de menselijke taal en hoe WhatsApp weet welke woorden je moet gebruiken,” zei Dr. Saar.

“Toen konden we het vragen over de specifieke grammatica die alleen sommige eiwitten doet condenseren binnen cellen. Het is een zeer moeilijk probleem en het ontsluiten ervan zal ons helpen de regels van de taal van ziekten te leren,” vervolgde Dr. Saar.

De belangrijkste drijvende krachten achter deze vooruitgang in technologie zijn de toenemende hoeveelheid beschikbare data, hogere rekenkracht en technische vooruitgang. Machine learning heeft het potentieel om onderzoek in deze gebieden dramatisch te transformeren, waardoor ontdekkingen mogelijk worden die nooit eerder waren voorspeld.

Volgens Dr. Saar “kan machine learning vrij zijn van de beperkingen van wat onderzoekers denken dat de doelen zijn voor wetenschappelijk onderzoek en het zal betekenen dat nieuwe verbindingen worden gevonden die we nog niet hebben bedacht. Het is echt heel spannend.”

Het netwerk is beschikbaar voor onderzoekers over de hele wereld, en een toenemend aantal wetenschappers wordt betrokken.