مدل-هوش-مصنوعی-زبان-ژنتیکی

مدل پیشرفته هوش مصنوعی برای درک زبان ژنتیکی گیاهان

یک مدل پیشگام هوش مصنوعی (AI) که قادر به درک توالی‌ها و الگوهای ساختاری زبان ژنتیکی گیاهان است، توسط یک همکاری تحقیقاتی معرفی شده است. Plant RNA-FM، که به عنوان اولین مدل هوش مصنوعی از نوع خود شناخته می‌شود، توسط محققان گیاه‌شناسی در مرکز جان اینس و دانشمندان کامپیوتر در دانشگاه اکستر توسعه یافته است. سازندگان این مدل می‌گویند که این یک پیشرفت فناوری هوشمند است که می‌تواند به کشف و نوآوری در علم گیاهان و احتمالاً در مطالعه بی‌مهرگان و باکتری‌ها کمک کند.

RNA، مانند هم‌خانواده شیمیایی‌اش، DNA، مولکول مهمی در تمام موجودات زنده است که مسئول انتقال اطلاعات ژنتیکی در توالی‌ها و ساختارهای خود می‌باشد. در ژنوم، معماری RNA از ترکیب بلوک‌های سازنده‌ای به نام نوکلئوتیدها تشکیل شده است که به گونه‌ای مشابه با ترکیب حروف الفبا برای ساخت کلمات و عبارات در زبان، در الگوهای خاصی چیده شده‌اند.

تصویر یک آزمایشگاه پیشرفته با محققانی که در حال تجزیه و تحلیل توالی‌های RNA گیاهان با استفاده از فناوری هوش مصنوعی هستند.
محققان در حال تحلیل توالی‌های RNA گیاهان با استفاده از فناوری های پیشرفته هوش مصنوعی.

گروه پروفسور یلیانگ دینگ در مرکز جان اینس به مطالعه ساختار RNA می‌پردازد که یکی از زبان‌های کلیدی در مولکول‌های RNA است. RNAs می‌توانند به ساختارهای پیچیده‌ای تا شوند که عملکردهای زیستی پیشرفته‌ای مانند رشد گیاه و پاسخ به استرس را تنظیم می‌کنند. برای درک بهتر زبان پیچیده RNA در عملکردهای آن، گروه پروفسور دینگ با گروه دکتر کی لی در دانشگاه اکستر همکاری کردند. آن‌ها به‌طور مشترک Plant RNA-FM را توسعه دادند، مدلی که بر اساس یک مجموعه داده عظیم شامل 54 میلیارد قطعه اطلاعات RNA که الفبای ژنتیکی را در 1,124 گونه گیاهی تشکیل می‌دهد، آموزش دیده است.

در هنگام ایجاد Plant RNA-FM، محققان از روش‌شناسی مشابهی استفاده کردند که در آن مدل‌های هوش مصنوعی مانند ChatGPT برای درک زبان انسانی آموزش می‌بینند.

📢 اگر عاشق علم هستید و نمی‌خواهید هیچ مقاله‌ای را از دست بدهید…

به کانال تلگرام ما بپیوندید! تمامی مقالات جدید روزانه در آنجا منتشر می‌شوند.

📲 عضویت در کانال تلگرام
پاپ‌آپ اطلاعیه با اسکرول

مدل هوش مصنوعی و زبان گیاهان

مدل هوش مصنوعی با مطالعه اطلاعات RNA از گونه‌های گیاهی در سرتاسر جهان، زبان مبتنی بر گیاهان را آموخته است تا دیدگاهی جامع از نحوه عملکرد RNA در قلمرو گیاهان به دست آورد. همان‌طور که ChatGPT قادر است زبان انسانی را درک و به آن پاسخ دهد، مدل PlantRNA-FM نیز توانسته است که دستور زبان و منطق توالی‌ها و ساختارهای RNA را بفهمد.

تصویری از ساختارهای مولکولی RNA بر روی پس‌زمینه‌ای تیره که پیچیدگی و زیبایی RNA را به تصویر می‌کشد.
جذابیت و پیچیدگی ساختارهای RNA که در علم زیستی گیاهان نقش حیاتی دارند.

محققان از این مدل برای پیش‌بینی‌های دقیق در مورد عملکرد RNA و شناسایی الگوهای ساختاری خاص RNA در سراسر ترنسکریپتوم‌ها استفاده کرده‌اند. پیش‌بینی‌های آن‌ها از طریق آزمایش‌هایی تأیید شده است که نشان می‌دهد ساختارهای RNA شناسایی‌شده توسط PlantRNA-FM بر کارایی ترجمه اطلاعات ژنتیکی به پروتئین تأثیر می‌گذارند. دکتر هاوپنگ یو، محقق پست‌داک در گروه پروفسور یی‌لیانگ دینگ در مرکز جان اینس، می‌گوید: “در حالی که توالی‌های RNA ممکن است به چشم انسان تصادفی به نظر برسند، مدل هوش مصنوعی ما یاد گرفته است که الگوهای پنهان درون آن‌ها را رمزگشایی کند.”

این همکاری موفق همچنین با حمایت دانشمندان از دانشگاه نرمال شمال شرقی و آکادمی علوم چین تقویت شده است. پروفسور دینگ گفت: “مدل PlantRNA-FM ما تنها آغاز کار است. ما به‌طور نزدیک با گروه دکتر لی همکاری می‌کنیم تا رویکردهای هوش مصنوعی پیشرفته‌تری برای درک زبان‌های پنهان DNA و RNA در طبیعت توسعه دهیم. این پیشرفت امکانات جدیدی برای درک و احتمالاً برنامه‌ریزی گیاهان فراهم می‌کند که می‌تواند تأثیرات عمیقی بر بهبود محصولات زراعی و نسل بعدی طراحی ژن مبتنی بر هوش مصنوعی داشته باشد.”

تصویری از یک باغ با تنوع گونه‌های گیاهی و پژوهشگری که در حال مشاهده و یادداشت‌برداری است.
نقش RNA در تنوع زیستی گیاهان و اهمیت آن در عملکرد استخراج گیاهان.

او همچنین افزود: “هوش مصنوعی به‌طور فزاینده‌ای به دانشمندان گیاه‌شناسی کمک می‌کند تا با چالش‌ها مواجه شوند، از تأمین غذا برای جمعیت جهانی تا توسعه محصولاتی که می‌توانند در شرایط آب و هوایی در حال تغییر رشد کنند.”

مقاله‌ای با عنوان “مدل پایه RNA قابل تفسیر برای کاوش الگوهای عملکردی RNA در گیاهان” در نشریه Nature Machine Intelligence منتشر شده است.

مقاله های شبیه به این مقاله

بیشتر بخوانید

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *