מאת אל ווב | יולי 10, 2023

למידת מכונה מגלה גנים שלא היו ידועים בעבר במחקר חדש בהובלת UNM

במחקר פורץ דרך שנערך על ידי חוקרים מאוניברסיטת ניו מקסיקו, מדענים רתמו את הכוח של למידת מכונה כדי לזהות קבוצה של גנים לא ידועים בעבר הקשורים באוטופגיה, תהליך תאי חיוני המעורב במחזור ובשמירה על בריאות התא.

תוך מינוף מודל למידת מכונה מתקדם, המחקר זיהה 193 גנים כתורמים פוטנציאליים למכונות האוטופגיה. "הגנים האפלים" שקודם לכן התעלמו מהם מייצגים דרכים מבטיחות לפענח את מסתורי האוטופגיה ותפקידה בתפקוד הסלולרי ובמחלות מורכבות כמו אלצהיימר, אמרה מדען המוח של UNM, איליין ברר, MD, PhD.

"זוהי צורה נוספת של מדע חסר פניות מונע נתונים", אמר ברר. "מה שלמידת מכונה מאפשרת לנו לעשות הוא להימנע מהניחושים ולעשות מדע גילוי בצורה לא מונעת השערות."

המחקר, שכותרתו "גנים אפלים אוטופגיה: האם אנחנו יכולים למצוא אותם עם למידת מכונה?" פורסם לאחרונה בכתב העת מדעי הטבע, ומטרתה לזהות מערך גנים הקשור לאוטופגיה על ידי שילוב של מאפיינים ביולוגיים ומערכי נתונים מגוונים וחיבור הנתונים לאלגוריתם של בינה מלאכותית.

"הרעיון היה, 'האם נוכל למצוא את הגנים האפלים, החבויים והסודיים האלה עם חקירת בינה מלאכותית?'", אמר בר.

התשובה היא כן, למידת מכונה יכולה להנחות מחקר גנומי כדי לקבל ביאור מלא יותר של תהליכים מורכבים.

אבל למידת מכונה היא לא סוף המשימה, מדגיש Bearer. ברגע שהבינה המלאכותית זיהתה משהו, על המדענים לאמת גם את התהליך וגם את התוצאות.

כדי להשיג זאת, צוות מחקר ב-UNM השתמש במודל למידת מכונה MetaPath/XGBoost (MPxgb), שהוכשר באמצעות נתונים מ-17 מקורות שונים. חקירת מחקר הבינה המלאכותית החלה בשנת 2019, בהובלת Tudor Oprea, MD, PhD, לשעבר מנהל אינפורמטיקה של הקרנה עבור המרכז לגילוי מולקולרי ו-Drug Discovery Core של UNM וחבר במרכז UNM Comprehensive Cancer.

Mohsen Ranjbar, PharmD, סטודנט לתואר שני בכימיה וביולוגיה כימית של UNM, לקח את המחקר של Oprea וביצע חיפוש אימות, תוך סירוק במסד הנתונים של Autophagy ודרך מאגרי מידע מחקריים, כמו PubMed, כדי לראות אם המודל הוכיח דיוק גבוה בהבחנה בין- גנים ידועים הקשורים לאוטופגיה.

אנחנו יכולים להשתמש בלמידת מכונה יותר מבעבר. לפעמים יש לנו ידע מוגבל על משהו, אבל אנחנו יכולים להשתמש בלמידת מכונה כדי לשפוך אור על דברים ולתת לנו כיוונים קדימה.

- מוחסן רנג'בר, סטודנט לתואר שני, PharmD

באמצעות החיפוש, ממצאיו של ראנג'באר חשפו כי בעוד ש-23% מהגנים החזויים המובילים כבר צוינו ב-Autophagy Database, 77% מדהימים (193 גנים) היו תגליות חדשות, המייצגות פוטנציאל בלתי מנוצל להבנת ויסות אוטופגיה בתהליכים תאיים.

"זה מעניין וזה היה מפתיע", אמר רנג'באר. "עבר זמן קצר בלבד מאז שהתחלנו את המחקר הזה, וכדי לראות שחלק מהגנים הספציפיים שהתגלו בינה מלאכותית כבר הוזכרו כגנים חדשים שהתגלו באוטופגיה בפרסומים אחרונים שונים, זה מראה את האימות של המנגנון שלנו למצוא גנים אלה ."

ברר אמר כי על ידי חשיפת הגנים האפלים של האוטופגיה הללו, החוקרים יכולים להעמיק בקשר בין חוסר ויסות אוטופגיה והתפתחות מחלות, ובסופו של דבר להנחות את הפיתוח של אסטרטגיות טיפוליות חדשות למחלה.

המחקר פורץ הדרך מציג גם את הרבגוניות של למידת מכונה ובינה מלאכותית במחקר גנומי, ומרחיב את הידע מעבר לאוטופגיה לתחומי ביולוגיה אחרים.

"אנחנו לא מכירים את כל הגנים המעורבים בדברים כמו סחר אנדוזומלי, שהוא באמת חשוב בהרבה מחלות, כולל מחלת אלצהיימר", אמר ברר. "לכן, נוכל להשתמש במודל למידת המכונה שלנו כדי לחקור ולזהות גנים אחרים בגנום שעדיין לא עברו בדיקת ספסל רטוב מה תפקידם התפקודי."

המחקר התאפשר באמצעות תמיכה מכמה מענקים, כולל NIH U24CA224370, U24TR002278, UL1TR001449, P20GM121176, P20AG068077, R01 MD014153 ו-Harvey Family Endowment.

תמיכה נוספת ניתנה מהמרכז לחקר מחלת אלצהיימר בניו מקסיקו, מרכז UNM Autophagy, Inflammation & Metabolism ומרכז UNM Clinical & Translational Science.

ברר אמר שהמחקר הבינתחומי לא היה אפשרי ללא חציית גבולות אקדמיה ומחלקות מחקר. היא עובדת במחלקה לפתולוגיה, רנג'בר במחלקה לכימיה, ותורמים נוספים לפרויקט היו ברפואה פנימית, מדעי המחשב והמרכז לגילוי מולקולרי.

"הפרויקט הגדול הזה התעלה מעל ישויות מרובות בתוך UNM", אמרה. "אני רוצה להשפיע על החשיבה המדעית סביב השימוש בלמידת מכונה, כי זה כל כך חזק."