یافتن جهشهای ژنی و توسعه دارو با استفاده از الگوریتم یادگیری عمیق

شرکت Deep Genomics در تلاش است تا با استفاده از یادگیری عمیق برای یافتن الگوهایی در داده‌های پزشکی و ژنومی، داروهایی را توسعه دهد. داروهای مؤثر آینده را می‌توان با کمک روش‌های یادگیری ماشین که به سرعت از پژوهش‌های هوش مصنوعی تا آزمایشگاه‌های فارماکولوژی در حال گسترش است، توسعه داد. با مجله فناوری‌های توان‌افزا و پوشیدنی همراه باشید.

یافتن جهشهای ژنی و توسعه دارو با استفاده از الگوریتم یادگیری عمیق

شرکت Deep Genomics، یک شرکت کانادایی است که با استفاده از یادگیری ماشین به دنبال ردیابی علل ژنتیکی بالقوه بیماری‌ها است. این شرکت در حال حاضر اعلام کرده است که در حال توسعه داروها است و به فهرست رو به رشد شرکت‌های هوش مصنوعی پیوسته است. شرکت‌هایی که روش‌های آنها می‌تواند داروهای جدید و قدرتمندی را با پیدا کردن سیگنال‌های ظریف در مقادیر عظیمی از داده‌های ژنومی تولید کند.

شرکت ژنومیک عمیق (Deep Genomics) توسط Brendan Frey، استاد دانشگاه تورنتو و متخصص در یادگیری ماشین و پزشکی ژنومی تأسیس شد. شرکت او با استفاده از یادگیری عمیق و یا شبکه‌های عصبی، داده‌های ژنومی بسیار بزرگ را تجزیه و تحلیل می‌کند. شناسایی یک یا چند ژن مسئول یک نوع بیماری می‌تواند به پژوهشگران در توسعه داروهایی که به رفتار ژن معیوب رسیدگی می‌کنند، کمک کند.

تا به حال این شرکت بر روی جست و جوی ژنومی برای شناسایی جهش‌هایی که ممکن است یک رابطه علت و معلول با یک بیماری خاص داشته باشند، متمرکز شده بود. اکنون این شرکت در وهله اول بر توسعه مراحل اولیه داروهای اختلالات مندلی (Mendelian)، بیماری‌هایی ارثی که نتیجه یک جهش ژنتیکی واحد است، متمرکز شده است. تخمین زده می‌شود که این بیماری‌ها ۳۵۰ میلیون نفر در سراسر جهان را تحت تأثیر قرار داده است.

اعمال روش‌های هوش مصنوعی برای توسعه دارو و پزشکی تا حدودی با ظهور الگوریتم‌های قدرتمند جدید و همچنین با روش‌های جدید مقرون به صرفه برای تعیین توالی کل ژنوم و بازخوانی کل DNA یک فرد کنترل می‌شود. Frey می‌گوید: «در دوره جدیدی از پزشکی مبتنی بر اطلاعات و داده‌های غنی قرار داریم. انواع بسیار مختلفی از اطلاعات وجود دارد که شما می‌توانید آنها را به دست آورید. و بهترین فناوری ما برای برخورد با مقادیر زیادی از داده‌ها، یادگیری ماشین و هوش مصنوعی است».

یادگیری عمیق در سال‌های اخیر به عنوان یک راه بسیار قدرتمند برای پیدا کردن الگوهای انتزاعی با استفاده از مقادیر زیادی از داده‌های آموزشی پدید آمده است. این بویژه برای تشخیص گفتار و برای طبقه‌بندی اثبات شده است (نگاه کنید به «۱۰ Breakthrough Technologies 2013: Deep Learning»). این روش در حال حاضر به سرعت در حال یافتن کاربردهای جدید در زمینه‌هایی از جمله پزشکی است جایی که می‌تواند نشانه‌های بیماری در تصاویر پزشکی را کشف کند و پتانسیل پیش بینی بیماری از سوابق بیمار را دارد.

Frey که به عنوان یک دانشمند کامپیوتر آموزش دیده و در دانشگاه تورنتو زیر نظر Geoffrey Hinton بوده و یک چهره کلیدی در توسعه یادگیری عمیق است، می‌گوید: شرکت ژنومیک عمیق به دنبال یک شرکت داروسازی برای مشارکت در توسعه دارو خواهد بود. فری ادامه می‌دهد: «تحول عظیمی در صنعت داروسازی بوجود خواهد آمد. شرکت‌های دارویی که قصد دارند به موفقیت دست پیدا کنند باید از این ابزار هوش مصنوعی استفاده کنند».

شرکت ژنومیک عمیق نیز متخصص پیدا کردن علت‌های گریزان و کمتر مستقیم بیماری‌ها در ژنوم یک فرد است. این شرکت، برای نمونه، کاری را منتشر کرده است که نشان می‌دهد چگونه یادگیری عمیق می‌تواند الگوهایی در DNA که ممکن است به بیماری‌هایی همچون آتروفی عضلانی نخاعی (spinal muscular atrophy ) و سرطان روده بزرگ غیرپولیپی منجر شود را بیابد.

Stephan Sanders، استادیار دانشکده پزشکی UCSF در سان‌فرانسیسکو که متخصص در استفاده از ژنومیک و بیوانفورماتیک برای مطالعه بیماری است، می‌گوید یادگیری عمیق می‌تواند با توسعه داروها بوسیله پیدا کردن الگوهای موجود در داده‌های پراکنده آسیب شناسی و ترکیب شده با مجموعه بزرگ داده‌های ژنومی کمک کننده باشد. Sanders می‌گوید: «ما مقادیر بسیاری از داده‌ها داریم؛ سه میلیارد نقطه داده برای هر فرد».

چندین شرکت دیگر نیز به دنبال اعمال یادگیری ماشین برای توسعه دارو هستند. این شرکت‌ها عبارتند از: BenevolentAI، یک شرکت هوش مصنوعی بریتانیایی و Calico، یک شرکت تابعه Alphabet.

Ken Mulvany، بنیانگذار BenevolentAI، می‌گوید شرکت او روی بیماری‌های التهاب و تخریب نورون‌ها، بیماری‌ها و سرطان‌های نادر متمرکز شده است. و آنها در تلاشند تا از داده‌های بزرگ پژوهشی استفاده نشده بهره برداری کنند. Mulvany می‌گوید: « توسعه داروها هنوز هم یک فرآیند بسیار طولانی، خطرناک و گران قیمت است. اما مقدار بسیاری از داده‌های واقع در سازمان‌های تحقیق و توسعه دارویی دست نخورده باقی مانده و هیچ برنامه‌ای برای توسعه آنها وجود ندارد».


در مورد کاربرد هوش مصنوعی در تشخیص و درمان بیماری‌ها بیشتر بخوانید:

>>استفاده از یادگیری ماشین در درمان و تشخیص سرطان


منبع: MIT Technology Review

«استفاده و بازنشر مطالب تنها با ذکر لینک منبع و نام (مجله فناوری‌های توان‌افزا و پوشیدنی) مجاز است»

دیدگاهتان را بنویسید

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