Algoritmer brukt av selskaper som Netflix kunne tyde biologisk språk for nevrodegenerative sykdommer

Kraftfulle algoritmer brukt av selskaper som Netflix, Facebook og Amazon kunne ha store konsekvenser for helsevesenet. De har vist evnen til å forutsi det biologiske språket til kreft og andre nevrodegenerative sykdommer som Alzheimers.

Dette initiativet ble iverksatt av akademikere ved St. John’s College, University of Cambridge, som matet inn store data produsert over flere tiår inn i en datamodell for språk. Målet var å se om kunstig intelligens (AI) kunne gjøre mer avanserte oppdagelser enn mennesker, og de fant nettopp det med teknologiens evne til å tyde biologisk språk.

Studien ble publisert i det vitenskapelige tidsskriftet PNAS, med tittelen “Learning the molecular grammar of protein condensates from sequence determinants and embeddings.” Ifølge eksperter kunne det brukes til å “korrigere grammatikalske feil inni celler som forårsaker sykdom.”

Professor Tuomas Knowles er hovedforfatter av artikkelen og en Fellow ved St. John’s College. 

“Å bringe maskinlæringsteknologi inn i forskning på nevrodegenerative sykdommer og kreft er en absolutt game-changer. Til slutt vil målet være å bruke kunstig intelligens til å utvikle målrettede legemidler for å dramatisk lettende symptomer eller forhindre at demens skjer i det hele tatt.”

Kraftfulle Algoritmer

Maskinlæringsalgoritmene brukt av selskaper som Netflix og Facebook gjør svært utdannede forutsigelser om forbrukere og hva de vil gjøre neste. Dette skjer når Netflix anbefaler en ny film eller Facebook anbefaler en ny venn. Taleassistenter som Alexa og Siri kan gjenkjenne enkeltpersoner med en gang og svare. 

Dr. Kadi Liis Saar er første forfatter av artikkelen og en Research Fellow ved St. John’s College. Hun brukte lignende teknologi til å trene en stor skala språkmodell, som hadde som mål å identifisere hva som skjer med proteiner under sykdom. 

“Menneskekroppen er hjem til tusenvis av proteiner og forskerne vet ikke ennå funksjonen til mange av dem. Vi ba en neural nettverksbasert språkmodell om å lære språket til proteiner,” sa hun.

“Vi spurte spesifikt programmet om å lære språket til skapeshiftende biomolekylære kondensater — dråper av proteiner funnet i celler — som forskerne virkelig trenger å forstå for å knekke språket til biologisk funksjon og feilfunksjon som forårsaker kreft og nevrodegenerative sykdommer som Alzheimers. Vi fant ut at det kunne lære, uten å bli eksplisitt fortalt, hva forskerne allerede har oppdaget om språket til proteiner over flere tiår med forskning.”

Forskere tror det finnes flere hundre nevrodegenerative sykdommer, med de vanligste being Alzheimers, Parkinsons og Huntingtons sykdom. Alzheimers rammer 50 millioner mennesker rundt om i verden, og under sykdommen danner proteiner klumper og dreper sunne nerveceller. 

Protein Kondensater og NLP-teknologi

Med en sunn hjerne kan disse massene av proteiner fjernes effektivt. Ifølge nyere funn tror forskerne nå at noen uordnede proteiner danner kondensater, som er flytende dråper av proteiner. Disse har ikke en membran og smelter fritt sammen med hverandre, og de kan danne og omforme seg.

“Protein kondensater har nylig tiltrent mye oppmerksomhet i den vitenskapelige verden fordi de kontrollerer nøkkelhendelser i cellen som genuttrykk — hvordan vår DNA blir omgjort til proteiner — og proteinsyntese — hvordan cellene lager proteiner,” sa Professor Knowles.

“Enhver defekt knyttet til disse protein-dråpene kan føre til sykdommer som kreft. Dette er hvorfor det er viktig å bringe naturlig språkbehandlingsteknologi inn i forskning på de molekylære årsakene til proteinfeil, hvis vi ønsker å kunne korrigere de grammatikalske feilene inni celler som forårsaker sykdom,” fortsatte han.

 “Vi matet algoritmen all data om de kjente proteinene så den kunne lære og forutsi språket til proteiner på samme måte som disse modellene lærer om menneskespråk og hvordan WhatsApp vet hvordan å foreslå ord for deg å bruke,” sa Dr. Saar. 

“Så kunne vi spørre den om den spesifikke grammatikken som fører til at bare noen proteiner danner kondensater inni celler. Det er et svært utfordrende problem og å løse det vil hjelpe oss å lære reglene til språket til sykdom,” fortsatte Dr. Saar.

De viktigste drivkreftene bak denne fremgangen i teknologi er en økende mengde tilgjengelig data, høyere datamaskinkraft og tekniske fremgang. Maskinlæring har potensialet til å dramatisk forandre forskning i disse områdene, og muliggjøre oppdagelser som aldri kunne ha blitt forutsagt. 

Ifølge Dr. Saar, “Maskinlæring kan være fritt fra begrensningene av hva forskerne tror er målene for vitenskapelig utforskning og det vil bety at nye forbindelser vil bli funnet som vi ennå ikke har tenkt på. Det er virkelig svært spennende.”

Det nye nettverket er tilgjengelig for forskere over hele verden, og en økende mengde forskere er med.