اقتصاد زیستیتوالی یابیدیدگاههوش مصنوعیویرایش ژنوم

کاربرد هوش مصنوعی در ویرایش ژن

شرکت مشاوره کسب و کار Frost & Sullivan انتظار دارد که تا سال 2021 بتواند با استفاده از سیستم هوش مصنوعی در مراقبت‌های بهداشتی و در سطح جهانی، مبلغی معادل 6.7 میلیارد دلار درآمد کسب کند. ژنومیک، از جمله حیطه‌هایی است که یادگیری ماشین (Machine Learning) در آن پیشرفت‌هایی داشته است. در مطالعات ژنومیک، مجموعه ژن‌های موجود در ارگانیسم، بررسی می‌شود. ضمن اینکه اخیراً نسبت به مسئله‌ی سلامت انسان، توجه فراوانی صورت گرفته است، می‌توان از تکنیک‌های توالی‌یابی و تجزیه‌وتحلیل ژنتیکی برای کشاورزی و دامداری هم بهره برد.


محققان به کمک هوش مصنوعی، قادر خواهند بود که سریع‌تر، مقرون به صرفه‌تر و دقیق‌تر به تجزیه‌وتحلیل و توالی‌یابی DNA دست یافته و با رویکردی ویژه‌، ابعاد ژنتیکی که تمام فعالیت‌های ارگانیسم را  کنترل می‌کند، مشاهده و بررسی نمایند.  محققان به کمک این دانش خواهند توانست درمورد درمان و مراقبت‌های بهداشتی تصمیم‌گیری کنند که کدام ارگانیسم در آینده آسیب‌پذیر خواهد بود یا چه جهش‌هایی ممکن است به بیماری‌های مختلف منجر شود و در نهایت چگونه می‌توان با این رویدادها مقابله کرد.

توالی‌یابی ژنوم و ویرایش ژن

ضمن اینکه بیماری‌هایی که افراد در طول عمر خود تجربه می‌کنند، عمدتاٌ تحت‌تأثیر ژنتیک این افراد قرار دارد، سال‌هاست که علاقه‌ی محققان به آرایش ژنتیکی و شناخت چگونگی آن معطوف شده است. اما پیچیدگی و گستردگی ارزیابی داده‌هایی که بدست آمده‌اند، موانعی را بر سر راه پیشرفت این حوزه قرار داده است. موانعی که با پیشرفت در هوش مصنوعی و برنامه‌های یادگیری ماشین، محققان را قادر به تفسیر و اقدام مبتنی بر اطلاعات ژنتیکی می‌سازد که از طریق توالی‌یابی ژنوم و ویرایش ژن حاصل شده است.

توالی‌یابی ژنوم یک ترتیب ویژه از ساختمان {DNA (A,T,C,G در ارگانیسم است؛ ژنوم انسان از 20،000 ژن و بیش از 3 میلیارد جفت ‌باز تشکیل شده است. توالی‌یابی ژنوم اولین و مهم‌ترین گامی است که برای فهم ساختار ژن برداشته شده است. جدیدترین تکنولوژی، توالی‌یابی با عملکرد بالا (HTS) نامیده می‌شود و این امکان را فراهم می‌آورد که فرآیند توالی‌یابی DNA در یک روز انجام شود؛ این درحالی است که توالی‌یابی، فرآیندی است که انجام آن برای اولین‌بار یک دهه به طول انجامید.

پزشکی شخصی و درمان‌های نجات‌بخش

از جمله چشم‌اندازهای هیجان‌انگیزی که در مورد فن‌آوری‌های مرتبط با ژن وجود دارد، توسعه‌ و تحول درمان‌های دقیق و پزشکی شخصی است. درواقع، پیش‌بینی می‌شود که به کمک این تکنولوژی امکان مداخلات ویژه و اختصاصی برای یک بیمار یا جمعیتی با خصوصیات ژنتیکی مشابه فراهم شود و تا سال 2023 رقمی معادل 87 میلیارد دلار درآمد به بار آورد. به لحاظ تاریخچه‌ای، هزینه‌ها و تکنولوژی‌های کم‌تر پیشرفته از موانعی بودند که بر سر راه عملی شدن پزشکی شخصی قرار داشتند، اما اکنون، تکنیک‌های یادگیری ماشین به کمک محققان و تیم‌های درمانی خواهد آمد تا بر این موانع غلبه کنند.

گوگل با معرفی ابزاری با نام “DeepVariant” و با استفاده از جدیدترین تکنیک‌های هوش مصنوعی برای توالی‌یابی با عملکرد بالا (HTS) شرایطی را پیش‌بینی می‌کند که بتوان به یک تصویر نسبتاٌ دقیق‌تر از یک ژنوم کامل دست یافت. در حالیکه فناوری HTS از سال 2000 در دسترس بوده، با استفاده از تکنولوژی DeepVariant می‌توان جهش‌های کوچکی را از میان خطاهای تصادفی تشخیص داد. همچینین آموزش مؤثرتر DeepVariant نیز به کمک یادگیری عمیق ممکن شد.

با وجود اینکه اکنون می‌توانیم به سرعت توالی ژن‌ها را بدست آورده و آن‌ها را بخوانیم اما صرفاً توانسته‌ایم به معانی سطحی از این اطلاعات دست یابیم. محققان کانادایی برای راه‌اندازی ژنومیک عمیق از پلتفرم‌های هوش مصنوعی خود برای رمزگشایی از معنای ژنوم استفاده کرده‌اند تا بهترین درمان‌های دارویی را براساس اطلاعات DNA فرد طراحی و تعیین کنند. نرم افزار‌های یادگیری این شرکت کانادایی از تجزیه‌وتحلیل جهش‌ها و اطلاعاتی که از صدها هزار نمونه‌ی جهش کسب کرده‌اند، استفاده خواهند کرد تا تأثیر جهش‌ها را پیش‌بینی و بررسی نمایند.

علی رغم اینکه موارد جدید سرطان، سالانه میلیون‌ها نفر را تحت‌تأثیر قرار می‌دهد، اما شیمی‌درمانی و داروهایی که برای درمان آن طراحی می‌شوند اغلب نتایج، متناقضی به دنبال دارند. برخی از شرکت‌های داروسازی مانند سوفیا ژنتیک امیدوارند که با استفاده از هوش مصنوعی جهش‌های ژنتیکی را شناسایی کرده و به پزشکان این امکان را دهند که بتوانند بهترین دارو را برای درمان هر بیمار تجویز کنند.

پتانسیل‌ها و خطرات بالقوه‌ی ویرایش ژن

برخی شرکت‌ها به دنبال طراحی فن‌آوری‌هایی هستند که به کمک آن‌ بتوانند با ویرایش DNA در سطح سلول تغییراتی ایجاد کنند. CRISPR، از جمله تکنولوژی‌های ویرایش ژن است، که از همکاری بین دانشمندان کامپیوتر و زیست‌شناسان حاصل شده است. ویرایش ژن‌هایی که علل احتمالی بیماری‌ها بوده‌اند یا اصلاح ژن به کمک این تکنولوژی، نتایج مثبتی را به همراه داشته که به کاهش آسیب‌پذیری و تولید محصولاتی مقاوم منجر شده است، اما با این‌حال، با مسائل و پیامدهای پیچیده‌ی اخلاقی، حرفه‌ای و قانونی روبه‌رو است. اغلب مردم قادر خواهند بود که از طریق اصلاح ژن‌های جهش‌یافته، از مزایای “بهینه‌سازی” سلامتی خود برخوردار شوند، اما این وضعیت در صورت بهینه‌سازی نژاد بشر با پیچیدگی مواجه می‌شود.

از جمله ابهاماتی که متخصصان در تلاش برای حل آن در فرآیند ویرایش ژن هستند، این است که چگونه می‌توان از پیامدهای دور از هدف ویرایش ژن جلوگیری به عمل آورد؟

این اتفاق زمانی رخ می‌دهد که ابزاری اشتباه برای عمل روی ژن اشتباهی که گمان می‌رود ژن هدف است، به کار گرفته شود. هوش مصنوعی و یادگیری ماشین این فرصت را ایجاد می‌کند تا به کمک ابتکارات و پیشرفت‌هایی که در زمینه‌ی ویرایش ژن رخ می‌دهند این فرآیند را دقیق‌تر، مقرون ‌به‌صرفه‌تر و ساده‌تر سازد.

پیش‌بینی می‌شود که فن‌آوری‌ها و پیشرفت‌هایی که در حوزه‌هایی چون هوش مصنوعی و ژن در حال توسعه هستند حیطه‌های دیگری چون فارماکوژنومیکس، ابزارهای غربالگری ژنتیکی برای نوزادان، پیشرفت‌هایی در صنعت کشاورزی و دیگر بخش‌ها را نیز پوشش دهد. علی‌رغم ناتوانی ما برای پیش‌بینی آینده، نقطه‌ای مطمئن برای آینده وجود دارد.

 هوش مصنوعی و یادگیری ماشین خواهند توانست به درک ما از آرایش ژنتیکی‌ خودمان و دیگر موجودات‌ زنده، شتاب بخشند.

این دیدگاه در تاریخ 16 نوامبر در وب سایت forbes منتشر شده است.

✅ نویسنده:

لینک دیدگاه

برچسب‌ها
نمایش بیشتر

نوشته‌های مشابه

دیدگاهتان را بنویسید

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

13 − سـه =

دکمه بازگشت به بالا
بستن