Các Thuật Toán Được Sử Dụng Bởi Các Công Ty Như Netflix Có Thể Giải Mã Ngôn Ngữ Sinh Học Của Các Bệnh Thần Kinh

Các thuật toán mạnh mẽ được sử dụng bởi các công ty như Netflix (NFLX ), Facebook (META ) và Amazon (AMZN ) có thể có những ý nghĩa lớn trong lĩnh vực chăm sóc sức khỏe. Chúng đã chứng minh khả năng dự đoán ngôn ngữ sinh học của ung thư và các bệnh thần kinh khác như bệnh Alzheimer.

Sáng kiến này được thực hiện bởi các học giả tại St. John’s College, University of Cambridge, những người đã cung cấp dữ liệu lớn được tạo ra trong nhiều thập kỷ vào một mô hình ngôn ngữ máy tính. Mục tiêu là để xem liệu trí tuệ nhân tạo (AI) có thể thực hiện những khám phá tiên tiến hơn con người, và họ đã tìm thấy điều đó với khả năng giải mã ngôn ngữ sinh học của công nghệ.

Nghiên cứu được công bố trên tạp chí khoa học PNAS, titled “Learning the molecular grammar of protein condensates from sequence determinants and embeddings.” Theo các chuyên gia, nó có thể được sử dụng để “sửa lỗi ngữ pháp bên trong tế bào gây ra bệnh.”

Giáo sư Tuomas Knowles là tác giả chính của bài báo và là Fellow tại St. John’s College.

“Việc đưa công nghệ học máy vào nghiên cứu về các bệnh thần kinh và ung thư là một bước tiến tuyệt vời. Cuối cùng, mục tiêu sẽ là sử dụng trí tuệ nhân tạo để phát triển các loại thuốc nhắm vào để giảm thiểu các triệu chứng hoặc ngăn chặn sự发生 của bệnh mất trí nhớ.”

Các Thuật Toán Mạnh Mẽ

Các thuật toán học máy được sử dụng bởi các công ty như Netflix và Facebook tạo ra những dự đoán rất thông minh về người tiêu dùng và những gì họ sẽ làm tiếp theo. Đây là những gì xảy ra khi Netflix đề xuất một bộ phim mới hoặc Facebook đề xuất một người bạn mới. Trợ lý giọng nói như Alexa và Siri có thể nhận ra cá nhân ngay lập tức và phản hồi.

Tiến sĩ Kadi Liis Saar là tác giả đầu tiên của bài báo và là Nghiên cứu viên tại St. John’s College. Cô đã sử dụng công nghệ tương tự để đào tạo một mô hình ngôn ngữ lớn, nhằm xác định những gì đang xảy ra với protein trong quá trình bệnh.

“Cơ thể con người chứa hàng nghìn protein và các nhà khoa học vẫn chưa biết chức năng của nhiều protein trong số đó. Chúng tôi đã yêu cầu một mô hình ngôn ngữ dựa trên mạng nơ-ron học để học ngôn ngữ của protein,” cô nói.

“Chúng tôi đặc biệt yêu cầu chương trình học ngôn ngữ của các giọt sinh học biến dạng — các giọt protein được tìm thấy trong tế bào — mà các nhà khoa học thực sự cần hiểu để giải mã ngôn ngữ của chức năng sinh học và rối loạn chức năng gây ra ung thư và các bệnh thần kinh như Alzheimer. Chúng tôi đã tìm thấy nó có thể học, mà không cần được hướng dẫn rõ ràng, những gì các nhà khoa học đã khám phá về ngôn ngữ của protein trong nhiều thập kỷ nghiên cứu.”

Các nhà khoa học tin rằng có hàng trăm bệnh thần kinh, với bệnh phổ biến nhất là Alzheimer, Parkinson và Huntington. Bệnh Alzheimer ảnh hưởng đến 50 triệu người trên toàn cầu, và trong quá trình bệnh, protein tạo thành các cụm và giết chết các tế bào thần kinh khỏe mạnh.

Các Giọt Sinh Học và Công Nghệ NLP

Với một não bộ khỏe mạnh, những khối protein này có thể được loại bỏ hiệu quả. Theo các phát hiện gần đây, các nhà khoa học hiện tin rằng một số protein bị rối loạn tạo thành các giọt sinh học, là các giọt lỏng của protein. Những giọt này không có màng và hợp nhất tự do với nhau, và chúng có thể hình thành và tái hình thành.

“Các giọt sinh học đã thu hút được rất nhiều sự chú ý trong thế giới khoa học vì chúng kiểm soát các sự kiện quan trọng trong tế bào như biểu hiện gen — cách DNA của chúng ta được chuyển đổi thành protein — và tổng hợp protein — cách các tế bào tạo ra protein,” Giáo sư Knowles nói.

“Bất kỳ khiếm khuyết nào liên quan đến các giọt protein này có thể dẫn đến bệnh như ung thư. Đây là lý do tại sao việc đưa công nghệ xử lý ngôn ngữ tự nhiên vào nghiên cứu về nguồn gốc phân tử của sự cố protein là rất quan trọng nếu chúng ta muốn có thể sửa lỗi ngữ pháp bên trong tế bào gây ra bệnh,” ông tiếp tục.

“Chúng tôi đã cung cấp cho thuật toán tất cả dữ liệu về protein đã biết để nó có thể học và dự đoán ngôn ngữ của protein theo cách tương tự như các mô hình này học về ngôn ngữ của con người và cách WhatsApp biết cách đề xuất từ để bạn sử dụng,” Tiến sĩ Saar nói.

“Sau đó, chúng tôi đã có thể hỏi nó về ngữ pháp cụ thể dẫn đến việc chỉ một số protein tạo thành các giọt sinh học bên trong tế bào. Đây là một vấn đề rất thách thức và việc giải quyết nó sẽ giúp chúng tôi học được quy tắc của ngôn ngữ bệnh,” Tiến sĩ Saar tiếp tục.

Các yếu tố chính đằng sau sự tiến bộ này trong công nghệ là sự gia tăng lượng dữ liệu có sẵn, sức mạnh tính toán cao hơn và tiến bộ kỹ thuật. Học máy có tiềm năng thay đổi đáng kể nghiên cứu trong những lĩnh vực này, cho phép thực hiện những khám phá mà trước đây không thể dự đoán được.

Theo Tiến sĩ Saar, “Học máy có thể không bị giới hạn bởi những gì các nhà nghiên cứu nghĩ là mục tiêu cho việc khám phá khoa học và nó sẽ có nghĩa là những kết nối mới sẽ được tìm thấy mà chúng ta chưa từng nghĩ đến. Điều này thực sự rất thú vị.”

Mạng lưới mới này có sẵn cho các nhà nghiên cứu trên toàn thế giới, và ngày càng nhiều nhà khoa học đang tham gia.