Yazılım

Makine Öğrenimi, Gen Regülasyonunu Net Bir Şekilde Yorumluyor

Bu "büyük veri" çağında, yapay zeka (AI) bilim insanları için değerli bir müttefik haline geldi. Örneğin makine öğrenme algoritmaları; biyologların genlerin nasıl işlediğini kontrol eden baş döndürücü moleküler sinyal sayısını anlamasına yardımcı oluyor. Ancak daha fazla veriyi analiz etmek için yeni algoritmalar geliştirildikçe; daha karmaşık ve yorumlanması daha zor hale gelir. Nicel biyologlar Justin B. Kinney ve Ammar Tareen; biyologların anlaması daha kolay olan gelişmiş makine öğrenme algoritmaları tasarlama stratejisine sahiptir.

Bu “büyük veri” çağında, yapay zeka (AI) bilim insanları için değerli bir müttefik haline geldi.  Örneğin makine öğrenme algoritmaları; biyologların genlerin nasıl işlediğini kontrol eden baş döndürücü moleküler sinyal sayısını anlamasına yardımcı oluyor.  Ancak daha fazla veriyi analiz etmek için yeni algoritmalar geliştirildikçe; daha karmaşık ve yorumlanması daha zor hale gelir.  Nicel biyologlar Justin B. Kinney ve Ammar Tareen; biyologların anlaması daha kolay olan gelişmiş makine öğrenme algoritmaları tasarlama stratejisine sahiptir.

 Algoritmalar; bir tür yapay sinir ağıdır (YSA).  Nöronların beyne bağlanma ve beynin dallanma biçimlerinden esinlenen YSA’lar; ileri makine öğreniminin hesaplamalı temelleridir.  Ayrıca isimlerine rağmen, YSA’lar sadece beyinleri incelemek için kullanılmaz.

Gen regülasyonu (üst, sol) için bir matematiksel termodinamik model, yapay bir sinir ağı (YSA) (alt, sol) olarak formüle edilir. Büyük DNA veri kümeleri yeni ANN’den (sağda) beslenir. Bağlantıların örüntüsü biyologların yorumlaması kolay bir şekilde sunulur. / PHYS

Ooo Tareen ve Kinney gibi biyologlar; DNA’yı araştıran “kitlesel paralel raportör tahlili” (MPRA) adı verilen deneysel bir yöntemdeki verileri analiz etmek için ANN’leri kullanırlar.  Bu verileri kullanarak, kantitatif biyologlar; Gen Regülasyonu adı verilen bir süreçte; hangi moleküllerin belirli genleri kontrol ettiğini tahmin eden YSA yapabilirler.

 Hücrelerin her zaman tüm proteinlere ihtiyacı yoktur.  Bunun yerine; protein üreten genleri gerektiğinde açmak veya kapatmak için karmaşık moleküler mekanizmalara güvenirler.  Bu düzenlemeler başarısız olduğunda, genellikle bozukluk ve hastalık takip eder.

 Araştırmacı Kinney: “Bu mekanik bilgi yani, gen regülasyonu gibi bir şeyin nasıl çalıştığını anlamak; çoğu zaman hastalıklara karşı moleküler tedaviler geliştirebilme ile yapamama arasındaki farktır.” 

 Ne yazık ki standart YSA’ların MPRA verilerinden oluşan şekli, bilim insanlarının yaşam bilimlerinde soru sorma biçiminden çok farklıdır.  Bu yanlış hizalama; biyologların gen düzenlemesinin nasıl gerçekleştiğini yorumlamakta zorlandıkları anlamına gelir.

Yardımcı Doçent Justin Kinney; yeni tasarlanmış bir yapay sinir ağının nispeten kolay anlaşılır yapısını sergiliyor. / CSHL, 2019/ Phys

 Kinney ve Tareen şimdi hesaplama araçları ile biyologların düşünce tarzları arasındaki boşluğu dolduran yeni bir yaklaşım geliştirdiler.  Biyolojide genler ve onları kontrol eden moleküller ile ilgili ortak kavramları matematiksel olarak yansıtan özel YSA’lar oluşturdular.  Bu şekilde; çift temelde makine öğrenme algoritmalarını bir biyoloğun anlayabileceği şekilde verileri işlemeye zorluyor.

 Kinney, bu çabaların; modern, endüstriyel AI teknolojilerinin yaşam bilimlerinde kullanım için nasıl optimize edilebileceğini vurguladı.  Özel YSA yapmak için bu yeni stratejiyi doğrulayan Kinney’nin laboratuvarı; insan hastalığında yer alan anahtar gen devreleri de dahil olmak üzere; çok çeşitli biyolojik sistemleri araştırmak için kullanıyor.

Kaynak:
PHYS
Etiketler
1 Oy2 Oy3 Oy4 Oy5 Oy (1 oy verildi, Ortalama: 5 üzerinden 5,00 oy )
Loading...

Benzer Makaleler

Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir

İlgini Çekebilir

Close
Close