داستان ۳۲۰ میلیون ساله تکامل سلول‌های مغز از زبان هوش مصنوعی

به گزارش ایسنا، بررسی جدید پژوهشگران بلژیکی نشان می‌دهد چگونه مدل‌های یادگیری عمیق مبتنی بر هوش مصنوعی می‌توانند به رمزگشایی سوئیچ‌های تنظیم‌کننده ژنتیکی بپردازند که انواع سلول‌های مغز را در همه گونه‌ها تعریف می‌کنند. پژوهشگران با تحلیل مغز انسان، موش و مرغ دریافتند که برخی از انواع سلول‌های مغزی در طول ۳۲۰ میلیون سال به شدت حفظ شده‌اند، اما برخی دیگر به طور منحصربه‌فرد تکامل یافته‌اند.

به نقل از نوروساینس نیوز، این کد تنظیم نه تنها تکامل مغز را آشکار می‌سازد، بلکه روش‌های جدیدی را برای مطالعه تاثیر تنظیم ژن بر سلامت و بیماری فراهم می‌کند. یافته‌های این پژوهش نشان می‌دهند چگونه هوش مصنوعی می‌تواند به شناسایی دستورالعمل‌های ژنتیکی حفظ‌شده و متفاوت بپردازد که عملکرد مغز را در گونه‌های مختلف کنترل می‌کنند.

این پژوهش، پیامدهایی را نیز برای درک اختلالات عصبی با پیوند دادن انواع ژنتیکی به ویژگی‌های شناختی دارد. پژوهشگران اکنون در حال توسعه مدل‌های خود برای مطالعه مغز حیوانات مختلف و بیماری‌های انسانی مانند پارکینسون هستند.

مغز ما و در نتیجه کل بدن ما از انواع گوناگون سلول‌ها تشکیل شده است. اگرچه DNA سلول‌ها مشابه است، اما هر کدام از سلول‌ها شکل و عملکرد خاص خود را دارند. وجه تمایز سلول‌ها، معمای پیچیده‌ای است که پژوهشگران چندین دهه تلاش کرده‌اند آن را از توالی‌های کوتاه DNA جمع‌آوری کنند. توالی‌های کوتاه DNA مانند سوئیچ‌هایی هستند که روشن یا خاموش شدن ژن‌ها را کنترل می‌کنند.

تنظیم دقیق این سوئیچ‌ها تضمین می‌کند که هر نوع سلول مغزی فقط از دستورالعمل‌های ژنتیکی مناسب برای ایفای نقش منحصربه‌فرد خود بهره می‌برد. دانشمندان از الگوهای منحصربه‌فرد این سوئیچ‌های ژنتیکی به عنوان یک کد تنظیمی یاد می‌کنند.

رمزگشایی با هوش مصنوعی

پروفسور «استین آئرتس»(Stein Aerts) و گروهش در مرکز هوش مصنوعی و زیست‌شناسی محاسباتی «VIB.AI» و مرکز تحقیقات مغز و بیماری «VIB-KU Leuven» اصول اساسی این کد نظارتی و چگونگی تاثیر آن را بر بیماری‌هایی مانند سرطان یا اختلالات مغزی مطالعه می‌کنند. آنها روش‌های یادگیری عمیق را توسعه می‌دهند تا به درک حجم بزرگی از اطلاعات پیرامون تنظیم ژن کمک کنند که از هزاران سلول جمع‌آوری شده‌اند.

آئرتس توضیح داد: مدل‌های یادگیری عمیق که با کد توالی DNA کار می‌کنند، به ما کمک زیادی کرده‌اند تا مکانیسم‌های تنظیمی را در انواع گوناگون سلول شناسایی کنیم. اکنون ما می‌خواهیم بررسی کنیم که آیا این کد نظارتی می‌تواند به ما درباره چگونگی حفظ این انواع سلول در گونه‌ها نیز اطلاع دهد.

یکی از نمونه‌های بسیار مرتبط با این پرسش در مغز نهفته است. مغز پستانداران و پرندگان به رغم داشتن مسیرهای رشد مشترک، آناتومی عصبی متفاوتی را نشان می‌دهد. آئرتس و گروهش اکنون از مدل‌های یادگیری عمیق برای پاسخ دادن به این پرسش استفاده کرده‌اند که آیا تفاوت‌ها و شباهت‌های موجود، در کدهای نظارتی مشترک یا متفاوت نیز منعکس می‌شوند.

«نیکلای هکر»(Nikolai Hecker) و «نیکلاس کمپینک»(Niklas Kempynck) از دانشجویان آزمایشگاه آئرتس، مدل‌های یادگیری ماشینی را برای توصیف و مقایسه انواع گوناگون سلول‌ها در مغز انسان، موش و مرغ ایجاد و پیاده‌سازی کردند که تقریبا ۳۲۰ میلیون سال از تکامل را پوشش می‌دهند.

پیش از این که آنها بتوانند سلول‌ها را مقایسه کنند، ابتدا باید ترکیب نوع سلولی مغز را بهتر می‌فهمیدند و به همین دلیل، یک اطلس جامع را از رونوشت‌های سلولی تهیه کردند. هکر گفت: پژوهش ما نشان می‌دهد که چگونه می‌توانیم از یادگیری عمیق برای توصیف و مقایسه انواع سلول‌ها بر اساس کدهای تنظیمی آنها استفاده کنیم. ما می‌توانیم از این کدها برای مقایسه ژنوم گونه‌های مختلف بهره ببریم تا بدانیم کدام کدهای تنظیمی از نظر تکاملی حفظ شده‌اند و اطلاعاتی را درباره چگونگی تکامل انواع سلول به دست بیاوریم.

پژوهشگران دریافتند در حالی که برخی از کدهای تنظیمی سلول در پرندگان و پستانداران به شدت حفظ شده‌اند، برخی دیگر به طور متفاوتی تکامل یافته‌اند. نکته قابل توجه، کدهای نظارتی برای نورون‌های خاص پرندگان هستند که به نورون‌های لایه عمیق در نئوکورتکس مغز پستانداران شباهت دارند.

کمپینک گفت: نگاه مستقیم به کد نظارتی، یک مزیت قابل توجه است که می‌تواند به ما بگوید کدام اصول تنظیمی در گونه‌ها مشترک هستند؛ حتی اگر توالی DNA تغییر کرده باشد.

این پژوهش در مجله «Science» به چاپ رسید.