Sztuczna inteligencja może przesiać setki tysięcy punktów danych genomu, aby zidentyfikować potencjalne nowe cele terapeutyczne. Choć spostrzeżenia dotyczące genomu mogą wydawać się pomocne, naukowcy nie są w ogóle pewni, w jaki sposób dzisiejsze modele sztucznej inteligencji dochodzą do swoich wniosków.
SQUID, skrót od Surrogate Quantitative Interpretability for Deepnets, to narzędzie obliczeniowe stworzone przez naukowców z Cold Spring Harbor Laboratory (CSHL). Ma pomóc w interpretacji sposobu, w jaki modele AI analizują genom.
W porównaniu z innymi narzędziami analitycznymi, SQUID jest bardziej spójny, redukuje szum tła i może prowadzić do dokładniejszych przewidywań dotyczących skutków mutacji genetycznych.
Jak to działa, że robi to o wiele lepiej? Klucz, jak twierdzi adiunkt CSHL, Peter Koo, leży w specjalistycznym szkoleniu SQUID.
Narzędzia, których ludzie używają, aby zrozumieć te modele, pochodzą w dużej mierze z innych dziedzin, takich jak widzenie komputerowe czy przetwarzanie języka naturalnego. Chociaż mogą być przydatne, nie są optymalne dla genomiki. W przypadku SQUID wykorzystaliśmy dziesięciolecia doświadczeń ilościową wiedzę z zakresu genetyki, która pomoże nam zrozumieć, czego uczą się te głębokie sieci neuronowe – wyjaśnia Koo.
SQUID najpierw generuje bibliotekę ponad 100 000 wariantów sekwencji DNA.
Następnie analizuje bibliotekę mutacji i ich skutki za pomocą programu o nazwie MAVE-NN (Multiplex Assays of Variant Effects Neural Network). Narzędzie to umożliwia naukowcom przeprowadzanie tysięcy wirtualnych eksperymentów jednocześnie.
W efekcie mogą „wyłowić” algorytmy stojące za najdokładniejszymi przewidywaniami danej sztucznej inteligencji.
Ich obliczeniowy „haczyk” może przygotować grunt pod eksperymenty bardziej oparte na rzeczywistości.
Wirtualne eksperymenty in silico nie zastępują rzeczywistych eksperymentów laboratoryjnych. Niemniej jednak mogą dostarczyć wielu informacji. Mogą pomóc naukowcom w formułowaniu hipotez na temat działania określonego regionu genomu lub tego, jak mutacja może mieć klinicznie istotne skutki – wyjaśnia profesor nadzwyczajny CSHL Justin Kinney, współautor badania.
Koo, Kinney i współpracownicy mają nadzieję, że SQUID pomoże naukowcom wychwycić te, które najlepiej odpowiadają ich wyspecjalizowanym potrzebom.
Choć ludzki genom został zmapowany, pozostaje niezwykle trudnym terenem. SQUID może pomóc biologom w skuteczniejszym poruszaniu się w tej dziedzinie, przybliżając ich do prawdziwych medycznych implikacji ich odkryć.
Źródło: materiały Laboratorium Cold Spring Harbor, zdjęcie zajawka: Gerd Altmann/Pixabay
Zostaw komentarz
You must be logged in to post a comment.