باورنکردنی! هوش مصنوعی زبان پنهانِ گیاهان را کشف کرد: انقلاب در کشاورزی نزدیک است!

هوش مصنوعی پیشرفته، کلید رمزگشایی زبان ژنتیکی گیاهان

یک تیم تحقیقاتی، مدلی پیشرفته از هوش مصنوعی (AI) را معرفی کرده‌اند که قادر به درک الگوهای ساختاری و توالی‌های پیچیده در زبان ژنتیکی گیاهان است. این مدل که Plant RNA-FM نام دارد، به‌عنوان اولین نمونه‌ی هوش مصنوعی از این نوع شناخته می‌شود. این پروژه حاصل همکاری محققان گیاه‌شناسی از مرکز جان اینس و دانشمندان علوم کامپیوتر از دانشگاه اکستر است. سازندگان این مدل معتقدند که این یک جهش تکنولوژیک هوشمند است که می‌تواند به کشف‌ها و نوآوری‌های بزرگی در علم گیاهان و حتی در مطالعات مربوط به بی‌مهرگان و باکتری‌ها منجر شود.

RNA، همانند DNA که خویشاوندی شیمیایی با آن دارد، یک مولکول حیاتی در تمام موجودات زنده است. این مولکول مسئول انتقال اطلاعات ژنتیکی است که در توالی‌ها و ساختارهای خاص خود رمزگذاری شده است. در داخل ژنوم، ساختار RNA از ترکیب واحدهای سازنده‌ای به نام نوکلئوتیدها تشکیل می‌شود که به شیوه‌ای مشابه با حروف الفبا، برای ایجاد کلمات و عبارات در زبان، در الگوهای مشخصی کنار هم قرار می‌گیرند.

تیم پروفسور یی‌لیانگ دینگ در مرکز جان اینس، بر روی مطالعه‌ی ساختار RNA تمرکز دارد، که خود یکی از جنبه‌های کلیدی در زبان مولکولی RNA محسوب می‌شود. RNAها می‌توانند ساختارهای پیچیده‌ای به خود بگیرند که عملکردهای زیستی پیشرفته‌ای مانند رشد گیاه و پاسخ به استرس را تنظیم می‌کنند. برای درک بهتر این زبان پیچیده و نقش آن در عملکردهای مختلف، گروه پروفسور دینگ با گروه دکتر کی لی از دانشگاه اکستر همکاری کردند. نتیجه‌ی این همکاری، توسعه‌ی Plant RNA-FM بود، مدلی که بر اساس یک مجموعه‌ی داده‌ی عظیم شامل 54 میلیارد قطعه اطلاعات RNA از 1124 گونه‌ی گیاهی مختلف آموزش داده شده است.

در فرآیند ساخت Plant RNA-FM، محققان از یک رویکرد مشابه با مدل‌های هوش مصنوعی مانند ChatGPT استفاده کردند که برای درک زبان انسان آموزش داده می‌شوند.

هوش مصنوعی و زبان پنهان گیاهان

این مدل هوش مصنوعی، با بررسی اطلاعات RNA از گونه‌های گیاهی در سراسر جهان، توانسته زبان پنهان گیاهان را بیاموزد تا درک جامعی از نحوه‌ی عملکرد RNA در دنیای گیاهان به دست آورد. همان‌طور که ChatGPT قادر به درک و پاسخگویی به زبان انسان است، PlantRNA-FM نیز توانسته است دستور زبان و منطق توالی‌ها و ساختارهای RNA را رمزگشایی کند.

محققان از این مدل برای پیش‌بینی‌های دقیق در مورد عملکرد RNA و شناسایی الگوهای ساختاری خاص در سرتاسر ترنسکریپتوم‌ها استفاده کرده‌اند. آزمایش‌ها صحت پیش‌بینی‌های آن‌ها را تایید کرده است. این آزمایش‌ها نشان می‌دهند که ساختارهای RNA شناسایی شده توسط PlantRNA-FM بر کارایی ترجمه‌ی اطلاعات ژنتیکی به پروتئین‌ها تأثیر دارند. دکتر هاوپنگ یو، محقق پسا دکتری در گروه پروفسور یی‌لیانگ دینگ در مرکز جان اینس، می‌گوید: “در حالی که توالی‌های RNA ممکن است برای چشم انسان تصادفی به نظر برسند، مدل هوش مصنوعی ما آموخته است که الگوهای پنهان در آن‌ها را درک کند.”

این تحقیق موفقیت‌آمیز همچنین با حمایت دانشمندانی از دانشگاه نرمال شمال شرقی و آکادمی علوم چین انجام شده است. پروفسور دینگ افزود: “مدل PlantRNA-FM ما تنها آغاز راه است. ما به طور مداوم با گروه دکتر لی همکاری می‌کنیم تا رویکردهای پیشرفته‌تری از هوش مصنوعی را برای درک زبان‌های رمزگذاری شده DNA و RNA در طبیعت توسعه دهیم. این پیشرفت، امکانات جدیدی را برای درک و احتمالاً دست‌کاری گیاهان فراهم می‌کند، که می‌تواند تأثیرات عمیقی بر بهبود محصولات کشاورزی و طراحی ژن‌ها با استفاده از هوش مصنوعی داشته باشد.”

او همچنین ادامه داد: “هوش مصنوعی به طور فزاینده‌ای به دانشمندان در زمینه‌ی گیاه‌شناسی کمک می‌کند تا با چالش‌های بزرگی روبرو شوند، از جمله تأمین غذای کافی برای جمعیت جهان و توسعه‌ی محصولاتی که بتوانند در شرایط آب و هوایی در حال تغییر رشد کنند.”

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