Derin Öğrenme Hastalık İlgili Genleri Bulmak için Kullanıldı

Linköping Üniversitesi’ndeki araştırmacılar tarafından yürütülen yeni bir çalışma, yapay bir sinir ağı (ANN) ile büyük miktarda gen ifade verilerinin ortaya çıkarılabileceğini ve bu verilerin hastalık ile ilgili gen gruplarının keşfine yol açabileceğini gösteriyor. Çalışma Nature Communications dergisinde yayımlandı ve bilim insanları bu yöntemin precisyon tıpta ve bireyselleştirilmiş tedavi alanında uygulanmasını istiyor.

Bilim insanları şu anda, farklı proteinlerin veya genlerin birbirleriyle nasıl etkileşimde bulunduklarına dayalı biyolojik ağ haritaları geliştiriyorlar. Yeni çalışma, biyolojik ağların derin öğrenme yoluyla keşfedilip keşfedilemeyeceğini araştırmak için yapay zeka (AI) kullanımını içeriyor. Yapay sinir ağları, deneysel verilerle eğitildiklerinde, büyük miktarda karmaşık verideki desenleri bulabilme yeteneğine sahip. Bu nedenle, genellikle görüntü tanıma gibi uygulamalarda kullanılıyor. Görünüşte büyük bir potansiyele sahip olmasına rağmen, bu makine öğrenimi yönteminin kullanımı biyolojik araştırmalarda sınırlı kaldı.

Sanjiv Dwivedi, Linköping Üniversitesi Fizik, Kimya ve Biyoloji (IFM) bölümünde doktora sonrası araştırmacıdır.

“İlk kez derin öğrenmeyi hastalık ile ilgili genleri bulmak için kullandık. Bu, büyük miktarda biyolojik bilgi veya ‘büyük veri’ analizinde çok güçlü bir yöntemdir” diyor Dwivedi.

Bilim insanları, 20.000 genin ifade kalıplarına ilişkin büyük bir veritabanına dayandılar. Yapay sinir ağı, hangi gen ifade kalıplarının hastalıklı kişilerden ve hangilerinin sağlıklı bireylerden geldiği hakkında bilgilendirilmedi. AI modeli daha sonra gen ifade desenlerini bulmak için eğitildi.

Makine öğreniminin etrafındaki bir gizem, şu anda bir yapay sinir ağı nasıl sonuçlarına ulaştığını görmek mümkün olmamasıdır. Sadece giren bilgi ve üretilen bilgi görülebilir, ancak aradaki her şey matematiksel olarak işlenen bilgiden oluşur. Yapay sinir ağının iç işleyişleri henüz çözülebilmiş değil. Bilim insanları, sinir ağı tasarımları ile bilinen biyolojik ağlar arasında benzerlikler olup olmadığını merak ettiler.

Mike Gustafsson, IFM’de yüksek öğretim görevlisi ve çalışmanın lideridir.

“Sinir ağını incelediğimizde, ilk gizli katmanın büyük ölçüde çeşitli proteinler arasındaki etkileşimleri temsil ettiği ortaya çıktı. Modelin daha derinlerinde, üçüncü seviyede, farklı hücre tipleri grupları bulduk. Bu tür biyolojik olarak ilgili gruplandırmanın, sınıflandırılmamış gen ifade verilerine dayanarak otomatik olarak üretildiği çok ilginç” diyor Gustafsson.

Bilim insanları, gen ifade modelinin hastalık ile ilgili gen ifade kalıplarını normal kalıplardan ayırt edebileceğini merak ettiler. Modelin biyolojik mekanizmalarla uyumlu desenleri keşfedebileceğini doğrulayabildiler. Bir başka keşif, yapay sinir ağı’nın sınıflandırılmamış verilerle eğitildiği için yeni desenleri keşfedebileceği oldu. Araştırmacılar şimdi bilinmeyen desenleri ve biyolojideki ilgiliğini araştıracaklar.

“İlerlemeye ulaşmanın anahtarı, sinir ağını anlamaktır. Bu, biyolojik bağlamlar hakkında, birçok faktörün etkileşimde olduğu hastalıklar gibi, yeni şeyler öğretebilir. Ve yöntemimizin, genelleştirilmesi daha kolay modeller sağladığını ve çeşitli biyolojik bilgilere uygulanabileceğini düşünüyoruz” diyor Gustafsson.

Tıbbi araştırmacılarla işbirliği içinde, Gustafsson bu yöntemi precisyon tıpta uygulamayı umuyor. Bu, hastalara hangi tür ilaçları alması gerektiğine karar vermeye yardımcı olabilir.

Çalışma, İsveç Stratejik Araştırma Vakfı (SSF) ve İsveç Araştırma Konseyi tarafından finanziyordu.