Naučnici su obučili veštačku inteligenciju (AI) da predviđa aktivnost gena
Tim predvođen naučnicima sa Univerziteta Kolumbija razvio je algoritam nazvan General Expression Transformer (GET), koji koristi principe slične onima koji su primenjeni prilikom razvoja programa za obradu jezika, kao što je ChatGPT.
Algoritam bi mogao da postane moćan alat za razvoj specifičnih terapija za lečenje bolesti poput raka
Dok je ChatGPT naučio pravila jezika, GET je naučio pravila regulacije gena: kako se geni “uključuju” i “isključuju” poput prekidača ili kako se njihova aktivnost pojačava ili smanjuje poput kontrole jačine zvuka. Ovaj složeni proces, poznat kao genska ekspresija, određuje koje proteine naše telo proizvodi i u kojim količinama, što je od ključnog značaja, jer proteini igraju ulogu u gotovo svim biološkim funkcijama, od borbe protiv bolesti do disanja i razmišljanja.
GET: Poređenje sa AlphaFold-om
GET je u ranoj fazi razvoja, ali bi mogao igrati ulogu sličnu AlphaFold2 sistemu, koji predviđa trodimenzionalnu strukturu proteina. AlphaFold2 je revolucionisao biologiju i 2024. godine nagrađen je Nobelovom nagradom za hemiju, a nedavno je unapređen u verziju AlphaFold3. Regulacija gena i struktura proteina ključni su za život, a problemi u ovim procesima mogu izazvati bolesti.
“Biologija se transformiše u prediktivnu nauku,” rekao je Raul Rabadan, jedan od autora studije objavljene u časopisu Nature i direktor Programa za matematičku genomiku na Univerzitetu Kolumbija. “Svedočimo revoluciji u biologiji.”
Mark Gerstein, profesor biomedicinske informatike na Medicinskom fakultetu Univerziteta Jejl, ističe da se godinama sakupljaju podaci o regulaciji gena i da je razvoj ovakvih AI alata bio očekivan.
Kako GET funkcioniše
Za razliku od drugih timova koji su modele trenirali koristeći podatke iz abnormalnih ćelija, poput kancerogenih, GET je treniran na podacima iz zdravih ljudskih tkiva. Koristeći informacije iz preko 1,3 miliona ćelija koje pripadaju 213 različitih tipova, algoritam je naučio da predviđa ponašanje gena u ćelijama koje nisu bile deo treninga. Na primer, ako se iz podataka uklone astrocyti (ćelije centralnog nervnog sistema), GET može precizno predvideti njihovu gensku ekspresiju koristeći informacije iz drugih tipova ćelija.
Mike Pazin, direktor programa u Nacionalnom institutu za istraživanje ljudskog genoma, kaže da je sposobnost modela da uči o jednoj vrsti ćelija i pravi precizne prognoze o drugoj veliki izazov. On poredi ovaj proces sa prevodom između jezika: kao da nekome ko zna samo engleski date knjige na ruskom, a on na osnovu poznavanja gramatike i sintakse uspe da prevede tekst.
Potencijal GET-a
Prema Jian Ma, profesoru računarske biologije na Univerzitetu Karnegi Melon, GET se bavi jednim od najvećih izazova u biologiji: razumevanjem kako isti genom može voditi do različitih ponašanja u različitim tipovima ćelija. Ljudsko telo ima oko 30 triliona ćelija koje dele identičan DNK, ali različiti tipovi ćelija, poput neurona ili mišićnih ćelija, izražavaju jedinstvene skupove gena.
Razumevanje “gramatike” genske regulacije moglo bi značajno unaprediti medicinu. Yang E. Li, profesor na Medicinskom fakultetu Univerziteta Vašington u Sent Luisu, naglašava da je ključ u identifikaciji najvažnijih “igrača” u različitim tipovima ćelija jer mnoge bolesti nastaju usled poremećaja u genskoj regulaciji.
Praktične primene u medicini
GET bi mogao pomoći u razvoju genske terapije koja ispravlja mutacije u specifičnim ćelijama, bez ometanja drugih tipova ćelija. Precizna predviđanja o tome koji su geni aktivni u određenim ćelijama omogućila bi dizajniranje terapija koje ciljaju samo pogođene ćelije, što je ključno za uspešno lečenje bez štetnih nuspojava.
Takođe, GET bi mogao ubrzati istraživački proces time što bi naučnicima omogućio da lakše identifikuju eksperimente koji će dati najvažnije odgovore. Na primer, rak može sadržati preko 1.000 mutacija, ali efekti većine njih su nepoznati. Uz pomoć GET-a, naučnici bi mogli efikasnije izdvojiti one koje su ključne.
“Broj mogućih genetskih kombinacija veći je od broja atoma u univerzumu,” rekao je Rabadan. “Kako odrediti koji su relevantni? GET je alat koji nam pomaže da rešimo ovu enigmu.”
Zaključno, GET predstavlja značajan korak ka razumevanju i manipulaciji genske ekspresije, što bi moglo imati dubok uticaj na lečenje bolesti i unapređenje ljudskog zdravlja.
Izvor: Washingtonpost
