بالاخره، یادگیری ماشین توانست تنظیم بیان ژن را به روشنی توضیح دهد!

و بالاخره، یادگیری ماشین تنظیم بیان ژن را به روشنی توضیح می‌دهد.

در عصر داده‌های بزرگ، هوش‌مصنوعی برای دانشمندان بسیار کمک کننده بوده است. برای مثال الگوریتم‌های یادگیری ماشین به زیست‌شناسان کمک کرده است بسیاری از مولکول‌های سیگنالینگ سلولی را که در تنظیم بیان ژن درگیر هستند بهتر درک کنند. اما همچنان که الگوریتم‌های جدیدتری برای آنالیز داده‌های بزرگ‌تر به وجود می‌آیند، تفسیر و توضیح این داده‌ها نیز پیچیده‌تر و دشوارتر می‌شود. دو زیست‌شناس به نام‌های Justin B. Kinney و Ammar Tareen استراتژی جدیدی برای طراحی الگوریتم یادگیری ماشین ارائه دادند که خروجی قابل فهم‌تری از آنالیز داده‌ها ایجاد می‌کند.

الگوریتم‌ها نوعی شبکه عصبی مصنوعی هستند که با الهام گرفتن از نحوه اتصال و شاخه شاخه شدن نورون‌ها در مغز طراحی شده‌اند. شبکه عصبی مصنوعی روشی محاسباتی برای یادگیری ماشین پیشرفته است و بر خلاف اسم آن شبکه عصبی مصنوعی منحصرا برای مطالعه مغز استفاده نمی‌شود.

برخی زیست‌شناسان مثل Tareen و Kinney از این الگوریتم‌ها برای آنالیز داده‌های آزمایشگاهی روش MPRA استفاده می‌کنند تا عملکرد DNA را مطالعه کنند. با استفاده از این داده‌ها آن‌ها می‌توانند بگویند کدام مولکول‌ها در تنظیم ژن‌ها دخالت دارند.

لازم نیست یک سلول‌ تمام پروتئین‌هایش را همیشه بیان کند. بلکه، بیان ژن وابسته به مکانیسم‌های مولکولی پیچیده‌ای است که ژن‌های تولیدکننده پروتئین را بر حسب نیاز خاموش و روشن می‌کنند. وقتی این مکانیسم به هم بخورد معمولا بیماری و اختلال در بدن ایجاد می‌شود.

 Kinney:

درک این مکانیسم‌ها- درک اینکه چطور چیزی مثل تنظیم ژن عمل می‌کند- قابلیت یا عدم قابلیت ما را در ایجاد یک درمان مولکولی علیه بیماری تعیین می‌کند.

متاسفانه، شبکه عصبی مصنوعی داده‌های روش MPRA را به نحوی متفاوت از رویکرد دانشمندان در مطالعه علوم زیستی بررسی می‌کند. به این معنی که دانشمندان در تحلیل عملکرد تنظیم ژنی با این روش دچار مشکل می‌شوند.

تنظیم ژنی

حال Tareen و Kinney یک رویکرد جدید شبکه عصبی ارائه داده‌اند که به طور ریاضیاتی مفاهیم عمومی زیست شناسی مرتبط با ژن‌ها و مولکول‌های کنترل کننده آن‌ها را نشان می‌دهد. به این طریق، آن‌ها الگوریتم خود را وادار کردند داده‌ها را به روشی پردازش کنند که برای زیست شناسان قابل فهم باشد.

Kinney :

این مطالعه نشان می‌دهد چطور تکنولوژی‌های صنعتی مثل هوش مصنوعی را با بهینه‌سازی می‌توان در علوم زیستی استفاده کرد. آزمایشگاه او این سیستم را در زمینه‌های مختلف مطالعه ژن از جمله حلقه‌های ژنی درگیر در بیماری‌های انسان مطالعه می‌کند.

منبع


اگر علاقه‌مند به برنامه نویسی متلب، یادگیری ماشین و پردازش سیگنال هستید پیشنهاد می‌کنیم با این ویدیوها شروع کنید و برنامه‌نویسی هدفدار و تخصصی را به صورت گام به گام با تیم onlinebme  پیش ببرید.👌

💯پکیج آموزشی برنامه نویسی متلب 

💯پکیج آموزشی پیاده سازی شبکه های عصبی در متلب

💯شناسایی الگو و یادگیری ماشین

💯پکیج آموزشی پردازش سیگنال EEG مبتنی بر تسک تصور حرکتی

0 پاسخ به "بالاخره، یادگیری ماشین توانست تنظیم بیان ژن را به روشنی توضیح دهد!"

ارسال یک پیام

نشانی ایمیل شما منتشر نخواهد شد.

*

code

تمام حقوق مادی و معنوی این سایت مربوط به آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی می باشد
X