การใช้การเรียนรู้เชิงลึกเพื่อค้นหาจีโนมที่เกี่ยวข้องกับโรค

การศึกษาใหม่ ใหม่ ที่นำโดยนักวิจัยจากมหาวิทยาลัยลิงคอปิงแสดงให้เห็นว่าเครือข่ายประสาทเทียม (ANN) สามารถเปิดเผยข้อมูลการแสดงออกของยีนในปริมาณมาก และสามารถนำไปสู่การค้นพบกลุ่มยีที่เกี่ยวข้องกับโรคได้ การศึกษานี้ได้รับการตีพิมพ์ใน Nature Communications, และนักวิทยาศาสตร์ต้องการให้วิธีการนี้ถูกนำไปใช้ในยาที่มีความแม่นยำและรักษาแบบบุคคล

นักวิทยาศาสตร์กำลังพัฒนาการทำแผนที่ของเครือข่ายทางชีววิทยาโดยอาศัยการโต้ตอบระหว่างโปรตีนหรือยีนต่างๆ การศึกษานี้เกี่ยวข้องกับการใช้ปัญญาประดิษฐ์ (AI) เพื่อค้นหาว่าเครือข่ายทางชีววิทยาสามารถถูกค้นพบโดยใช้การเรียนรู้เชิงลึกหรือไม่ เครือข่ายประสาทเทียมที่ได้รับการฝึกอบรมจากข้อมูลทดลองในกระบวนการเรียนรู้เชิงลึกสามารถค้นหารูปแบบภายในข้อมูลที่ซับซ้อนจำนวนมากได้ เนื่องจากสิ่งนี้จึงมักถูกใช้ในแอปพลิเคชันเช่นการรู้จำภาพ แม้ว่าจะดูเหมือนว่ามีศักยภาพที่จะใช้งานได้มาก แต่การใช้วิธีการเรียนรู้ของเครื่องจักรนี้ยังคงมีการจำกัดในด้านการวิจัยทางชีววิทยา

Sanjiv Dwivedi เป็นนักวิจัยหลังปริญญาเอกในภาควิชาฟิสิกส์ เคมี และชีววิทยา (IFM) ที่มหาวิทยาลัยลิงคอปิง

“เราได้ใช้การเรียนรู้เชิงลึกเพื่อค้นหาจีโนมที่เกี่ยวข้องกับโรคเป็นครั้งแรก นี่เป็นวิธีการที่มีพลังมากในการวิเคราะห์ข้อมูลทางชีววิทยาที่มีจำนวนมากหรือ ‘ข้อมูลขนาดใหญ่'” Dwivedi กล่าว

นักวิทยาศาสตร์ใช้ฐานข้อมูลขนาดใหญ่ที่มีข้อมูลเกี่ยวกับรูปแบบการแสดงออกของยีน 20,000 ยีนในคนจำนวนมาก เครือข่ายประสาทเทียมไม่ได้รับคำแนะนำว่ารูปแบบการแสดงออกของยีนใดมาจากคนป่วยหรือจากคนสุขภาพดี รุ่น AI ถูกฝึกให้ค้นหารูปแบบการแสดงออกของยีน

หนึ่งในความลึกลับที่เกี่ยวข้องกับการเรียนรู้ของเครื่องจักรคือว่าในปัจจุบันไม่สามารถมองเห็นได้ว่าเครือข่ายประสาทเทียมได้มาถึงผลลัพธ์สุดท้ายได้อย่างไร สามารถมองเห็นได้เพียงข้อมูลที่เข้ามาและข้อมูลที่ผลิตออกมาเท่านั้น แต่ทุกสิ่งที่เกิดขึ้นระหว่างกลางประกอบด้วยชั้นข้อมูลที่ถูกประมวลผลทางคณิตศาสตร์ ซึ่งยังไม่สามารถถอดรหัสได้ นักวิทยาศาสตร์ต้องการทราบว่ามีความคล้ายคลึงกันระหว่างการออกแบบเครือข่ายประสาทเทียมและเครือข่ายทางชีววิทยาที่คุ้นเคยหรือไม่

Mike Gustafsson เป็นอาจารย์ระดับสูงใน IFM และเป็นผู้นำการศึกษา

“เมื่อเราวิเคราะห์เครือข่ายประสาทเทียมของเรา มันปรากฏว่าชั้นแรกที่ซ่อนอยู่แสดงถึงการโต้ตอบระหว่างโปรตีนต่างๆ ในทางกลับกัน ในระดับที่ลึกกว่าในแบบจำลอง ในระดับที่สาม เราพบกลุ่มของเซลล์ต่างๆ มันสนุกมากที่จะเห็นว่ากลุ่มที่เกี่ยวข้องกับชีววิทยานี้ถูกสร้างขึ้นโดยอัตโนมัติ โดยที่เครือข่ายของเรามาจากข้อมูลการแสดงออกของยีที่ไม่ได้ถูกจัดประเภท” Gustafsson กล่าว

นักวิทยาศาสตร์ต้องการทราบว่าโมเดลการแสดงออกของยีนของพวกเขาสามารถใช้เพื่อกำหนดรูปแบบการแสดงออกของยีนใดที่เกี่ยวข้องกับโรคและปกติได้หรือไม่ พวกเขาสามารถยืนยันได้ว่าโมเดลสามารถค้นพบรูปแบบที่สัมพันธ์กับกลไกทางชีววิทยาในร่างกายได้ การค้นพบอีกอย่างหนึ่งคือเครือข่ายประสาทเทียมสามารถค้นพบรูปแบบใหม่ที่ไม่เคยรู้จักมาก่อนได้ เนื่องจากได้รับการฝึกอบรมจากข้อมูลที่ไม่ได้ถูกจัดประเภท นักวิจัยจะตรวจสอบรูปแบบที่ไม่เคยรู้จักมาก่อนและดูว่ามีความเกี่ยวข้องกับชีววิทยาหรือไม่

“เรามั่นใจว่าความก้าวหน้าในด้านนี้คือการเข้าใจเครือข่ายประสาทเทียม ซึ่งสามารถสอนเราถึงสิ่งใหม่ๆ เกี่ยวกับบริบททางชีววิทยา เช่น โรคที่มีหลายปัจจัยโต้ตอบกัน และเรามั่นใจว่าวิธีการของเราจะให้โมเดลที่ง่ายต่อการสรุปและสามารถใช้ได้กับหลายๆ ประเภทของข้อมูลทางชีววิทยา” Gustafsson กล่าว

ผ่านการทำงานร่วมกับนักวิจัยทางการแพทย์ Gustafsson หวังว่าจะนำวิธีการนี้ไปใช้ในยาที่มีความแม่นยำและรักษาแบบบุคคล ซึ่งสามารถช่วยให้สามารถกำหนดได้ว่าผู้ป่วยควรได้รับยาอะไร

การศึกษานี้ได้รับการสนับสนุนจาก Swedish Foundation for Strategic Research (SSF) และ Swedish Research Council