นักวิจัยด้าน AI พัฒนาเครือข่ายประสาทเทียมที่อธิบายได้เพื่อค้นหาคำสั่งจีโนม

ทีมนักวิจัยได้สร้างเครือข่ายประสาทเทียมที่สามารถอธิบายได้เพื่อช่วยให้นักชีววิทยาเข้าใจกฎที่ซ่อนอยู่ในจีโนมของมนุษย์ ทีมนักวิจัยได้ฝึกเครือข่ายประสาทเทียมด้วยแผนที่การโต้ตอบระหว่างโปรตีนและ DNA ซึ่งช่วยให้ AI สามารถค้นหาว่าลำดับ DNA ใดที่ควบคุมยีนใดบ้าง นักวิจัยยังได้ทำให้แบบจำลองนี้สามารถอธิบายได้ เพื่อให้พวกเขาสามารถวิเคราะห์ข้อสรุปของแบบจำลองและกำหนดวิธีการที่ลำดับโมตีฟควบคุมยีน

หนึ่งในความลึกลับที่ยิ่งใหญ่ที่สุดในด้านชีววิทยา คือ รหัสการควบคุมของจีโนม มันรู้กันว่า DNA ประกอบด้วย四นิวคลีโอไทด์เบส ได้แก่ อะดีนีน, กัวนีน, ไซโตซีน และไทมีน แต่ไม่รู้ว่าเบสเหล่านี้ถูกใช้ในการควบคุมกิจกรรมอย่างไร เบสทั้งสี่นี้เข้ารหัสคำสั่งในการสร้างโปรตีน แต่ยังควบคุมว่ายีนถูกแสดงออกมาอย่างไร (วิธีการสร้างโปรตีนในอินทรีย์) การรวมกันและการจัดเรียงของเบสเหล่านี้สร้างส่วนของรหัสการควบคุมที่ยึดกับเซ็กเมนต์ของ DNA แต่ไม่รู้ว่าส่วนเหล่านี้คืออะไร

ทีมนักวิจัยที่มีหลากหลายสาขา ได้แก่ วิทยาการคอมพิวเตอร์และชีววิทยา ได้ตั้งเป้าหมายที่จะแก้ปัญหานี้โดยการสร้างเครือข่ายประสาทเทียมที่สามารถอธิบายได้ ทีมนักวิจัยได้สร้างเครือข่ายประสาทเทียมที่เรียกว่า “Base Pair Network” หรือ “BPNet” แบบจำลองที่ใช้โดย BPNet ในการสร้างการคาดการณ์สามารถถูกตีความเพื่อระบุรหัสการควบคุมได้ ซึ่งทำได้โดยการคาดการณ์ว่าโปรตีนชนิดหนึ่งเรียกว่าปัจจัยการถอดรหัสยึดกับลำดับ DNA อย่างไร

นักวิจัยได้ทำการทดลองและสร้างแบบจำลองคอมพิวเตอร์อย่างครอบคลุมเพื่อกำหนดว่าปัจจัยการถอดรหัสและ DNA ถูกยึดกันอย่างไร โดยสร้างแผนที่ที่มีรายละเอียดถึงระดับของนิวคลีโอไทด์เบสแต่ละตัว แผนที่การยึดกันระหว่างปัจจัยการถอดรหัสและ DNA ที่มีรายละเอียดช่วยให้นักวิจัยสามารถสร้างเครื่องมือที่สามารถตีความรูปแบบลำดับ DNA ที่สำคัญและกฎที่ทำงานเป็นรหัสการควบคุมได้

จูเลีย ไซท์ลิงเกอร์ นักชีววิทยาและนักวิจัยด้านการคำนวณจากมหาวิทยาลัยสแตนฟอร์ด อธิบายว่าผลลัพธ์ที่ได้รับจากเครือข่ายประสาทเทียมที่สามารถอธิบายได้ สอดคล้องกับผลลัพธ์จากการทดลองที่มีอยู่แล้ว แต่ยังมีข้อค้นพบที่น่าประหลาดใจเกี่ยวกับรหัสการควบคุมของจีโนม ตัวอย่างเช่น แบบจำลอง AI ช่วยให้ทีมนักวิจัยค้นพบกฎที่มีอิทธิพลต่อวิธีการทำงานของปัจจัยการถอดรหัสชนิดหนึ่งเรียกว่า Nanog เมื่อมีหลายตัวอย่างของโมตีฟ Nanog อยู่ในด้านเดียวกันของ DNA double helix พวกมันจะยึดกับ DNA อย่างร่วมมือกัน

ตามที่ไซท์ลิงเกอร์อธิบายผ่าน ScienceDaily “มีหลักฐานการทดลองที่ยาวนานที่แสดงว่าความสม่ำเสมอนี้มีอยู่ในรหัสการควบคุม แต่สถานการณ์ที่แน่นอนยังคงไม่ชัดเจน และ Nanog ไม่ได้เป็นตัวสงสัย การค้นพบว่า Nanog มีรูปแบบนี้ และการมองเห็นรายละเอียดเพิ่มเติมเกี่ยวกับการโต้ตอบของมัน เป็นเรื่องที่น่าประหลาดใจเพราะเราไม่ได้ค้นหาคำตอบนี้โดยเฉพาะ”

งานวิจัยล่าสุดนี้ไม่ใช่การศึกษ第一次ที่ใช้ AI ในการวิเคราะห์ DNA แต่น่าจะเป็นการศึกษ第一次ที่เปิด “กล่องดำ” ของ AI เพื่อทำความเข้าใจว่าลำดับ DNA ใดที่ควบคุมยีนในจีโนม เครือข่ายประสาทเทียมมีความสามารถในการค้นหาความสัมพันธ์ในข้อมูล แต่การค้นหาความสัมพันธ์เหล่านี้ออกจากแบบจำลองที่สร้างขึ้นเป็นเรื่องที่ยาก โดยการสร้างวิธีการวิเคราะห์คุณลักษณะที่แบบจำลองพิจารณาว่าสำคัญต่อการคาดการณ์รหัสการควบคุมของจีโนม นักวิจัยสามารถฝึกแบบจำลองที่มีรายละเอียดมากขึ้นซึ่งนำไปสู่การค้นพบใหม่ๆ

สถาปัตยกรรมของ BPNet คล้ายกับเครือข่ายที่ใช้ในการรู้จำใบหน้าในภาพ เมื่อระบบการมองเห็นคอมพิวเตอร์รู้จำใบหน้าในภาพ เครือข่ายจะเริ่มต้นด้วยการตรวจจับขอบและเชื่อมขอบเหล่านั้นเข้าด้วยกัน ความแตกต่างคือ BPNet เรียนรู้จากลำดับ DNA โดยตรวจจับโมตีฟลำดับและเชื่อมโมตีฟเหล่านั้นเข้าด้วยกันเป็นกฎที่สูงกว่าที่สามารถใช้ในการคาดการณ์การยึดกันของข้อมูลที่มีระดับการแก้ปัญหา

หลังจากที่แบบจำลองได้ถึงความแม่นยำที่สูงแล้ว รูปแบบที่ได้เรียนรู้จากแบบจำลองจะถูกติดตามกลับไปยังลำดับข้อมูลที่ใช้เข้ามาในระบบ ซึ่งจะแสดงให้เห็นโมตีฟลำดับ สุดท้าย แบบจำลองจะได้รับการส่งคำถามลำดับ DNA อย่างเป็นระบบ ซึ่งช่วยให้นักวิจัยเข้าใจกฎที่โมตีฟลำดับรวมกันและทำงานอย่างไร ตามที่ไซท์ลิงเกอร์อธิบาย แบบจำลองนี้สามารถคาดการณ์ลำดับได้มากกว่าที่นักวิจัยสามารถทดสอบได้ในรูปแบบการทดลองแบบดั้งเดิม นอกจากนี้ การคาดการณ์ผลลัพธ์ของความผิดปกติในการทดลองช่วยให้นักวิจัยระบุว่าการทดลองใดที่ให้ข้อมูลมากที่สุดเมื่อตรวจสอบแบบจำลอง