استفاده از هوش مصنوعی برای توالی‌یابی بهتر ژنوم

تاریخ : ۲۴ اسفند ۱۳۹۹

تعداد بازدید : ۳۱۲

0 امتیاز از 0 رای
نسخه چاپی
موضوعات :

پژوهشگران ابزاری مبتنی بر هوش مصنوعی ساختند که می‌تواند به توالی‌یابی ساده‌تر و سریع‌تر ژنوم کمک کند. آنها با استفاده از این ابزار می‌توانند به شناسایی بهتر بیماری‌ها بپردازند.

از بین تمام تحقیقات علمی که امروزه انجام می شود، ژنومیک به بیشترین منابع محاسباتی نیاز دارد. حتی با سخت افزار قدرتمند امروزی، توالی کل ژنوم‌ها چند روز طول می کشد. بدیهی است که این موضوع تأثیر مهمی در مدت زمان انجام مطالعات تحقیقات ژنتیکی و آزمایشات بالینی دارد.

 

به تازگی محققان دانشگاه هاروارد و انویدیا با همکاری یکدیگر تلاش کرده‌اند تا سرعت کار را افزایش دهند. نتایج این تحقیق در مجله Nature Communications منتشر شده که در آن جزئیات یک راه‌حل مبتنی بر هوش مصنوعی (AI) به نام AtacWorks toolkit را توضیح می دهد.

 

با استفاده از این ابزار، محققان فقط در مدت زمان نیم ساعت می‌توانند تحلیل‌ها را روی کل ژنوم انجام دهند. معمولاً همین کار با استفاده از روش‌های رایج بیش از دو روز طول می‌کشد.

 

هوش مصنوعی به طور معمول در بررسی مقادیر زیادی از داده‌ها و تجزیه و تحلیل مجموعه‌های بزرگ داده بسیار عالی است. اگرچه تعیین توالی ژنوم کمی پیچیده‌تر است، اما به نظر می‌رسد که این هوش مصنوعی در آن مهارت دارد.

 

محققان AtacWorks را بر اساس روش کاملاً اثبات شده ATAC-seq طراحی کردند. دانشمندان از این روش برای یافتن مناطقی از DNA فرد استفاده می کنند که عملکردهای خاصی را در بدن فعال می کند. به عبارت دیگر، تجزیه و تحلیل این مناطق می‌تواند سرنخی را در مورد اینکه آیا فرد مستعد ابتلا به مواردی مانند سرطان یا بیماری قلبی است، ارائه کند.

 

به طور معمول، ATAC-seq به ده ها هزار سلول برای کار نیاز دارد. وقتی سلول‌های کمتری در نمونه وجود دارد، داده‌های تولید شده مملو از نویز بوده و این نویزها در نمونه‌های بزرگ بیشتر هستند. با کمک ابزار AtacWorks مبتنی بر هوش مصنوعی، محققان قادر به دستیابی به نتایج پاک با "ده‌ها سلول" هستند.

 

جیسون بوئونروسترو از دانشگاه هاروارد می گوید: «با AtacWorks، ما می‌توانیم آزمایش‌های خود را روی تک سلول را انجام دهیم که به طور معمول به 10 برابر بیشتر سلول‌ نیاز دارند. حذف نویز از نتایج توالی‌یابی‌های با کیفیت پایین با یادگیری عمیق این توانایی را دارد که به طور قابل توجهی توانایی ما را در مطالعه تغییرات اپی ژنتیک مرتبط با رشد سلول‌های نادر و بیماری‌ها پیش ببرد.»

 

این کار اجازه می دهد تا دانشمندان جهش‌هایی را که در انواع سلول‌های نادر رخ می دهد، جستجو کنند. با روش‌های سنتی، ممکن است آنها نتوانند نمونه به اندازه کافی بزرگ برای تعیین توالی‌یابی جمع‌آوری کنند. از آنجا که AtacWorks تعداد سلول‌های مورد نیاز را به شدت کاهش می‌دهد، مطالعه این جهش‌های نادر امکان پذیر است.

 

این تیم موفق به شناسایی مناطقی از DNA شدند که با انواع خاصی مانند گلبول های قرمز یا گلبول های سفید در ارتباط است. این یک موفقیت مهم برای جامعه ژنومیک است، زیرا دریچه‌ای برای کشف جهش‌ها و نشانگرهای زیستی که قبلاً ناشناخته بودند، باز می کند. این موارد می توانند به شناسایی برخی بیماری ها کمک کنند یا به توسعه درمان‌های جدید کمک کنند.

منبع : https://www.theburnin.com/science/nvidia-harvard-atacworks-ai-faster-genome-sequencing-2021-03-08/

نظر شما