Yapay Zeka, Hastalıkla İlgili Genleri Buluyor

Yapay Zeka Hastalıkla İlgili Genleri Buluyor

Linköping Üniversitesi’nde araştırmacılar tarafından Nature Communications’ta yayınlanan yeni bir araştırma ile bir yapay sinir ağı modelinin büyük miktarda gen ifade verisi içerisinde örnek çıkarabilldiği ve hastalıkla ilgili genleri keşfedebildiği gösterilmiştir. Bilim insanları metodun sonuç olarak hassas ilaç belirlemede ve kişiselleştirilmiş tedavide uygulanmasını umut etmektedir.

Sosyal medya kullanırken platformun size kimleri arkadaş olarak eklemek isteyebileceğinizi önermesi yaygın bir şeydir. Bu öneriler, ortak arkadaşınızın olduğu diğer kişilerle birbirinizi tanıyor olabileceğiniz varsayımı üzerine dayanmaktadır. Bilim insanları da benzer şekilde ne kadar farklı protein ve genlerin birbiriyle etkileşim halinde olduğuna dayanarak biyolojik ağ haritaları hazırlarlar. Yeni bir araştırmanın ardındaki bilim insanları, deneysel veriler tarafından eğitilen “yapay sinir ağları”nda derin öğrenmeyi kullanarak biyolojik ağları keşfetmenin mümkün olup olmadığını araştırmak için yapay zekayı (AI) kullanmaktadır. Yapay sinir ağları, muazzam büyüklükteki kompleks veriler içinde nasıl örnek bulunacağını öğrenme konusunda mükemmel olduğu için, görüntü tanıma gibi uygulamalarda kullanılmaktadır. Öte yandan, makine öğrenme metodu bugüne kadar biyolojik araştırmalarda nadiren kullanılmıştır.

“Hastalıkla ilgili genleri bulmak için derin öğrenmeyi ilk kez kullandık. Bu, büyük miktardaki biyolojik verinin ya da “büyük veri”nin analizinde kullanmak için çok güçlü bir metottur,” demiştir Linköping Üniversitesi Fizik, Kimya ve Biyoloji(IFM) alanında doktora sonrası araştırmalar yapan Sanjiv Dwivedi.

Bilim insanları çok sayıda insan içinde 20.000 gen içeren bir ifade modeli hakkında bilgileri içeren büyük bir veri tabanı kullanmıştır. Bu bilgiler, yapay sinir ağlarına hangi genlerin hastalığa sahip, hangi genlerin sağlıklı insanlardan olduğu bakımından işlenmemiş veridir. Yapay zeka modeli, sonrasında gen ifadesi modellerini bulmak için eğitilmiştir.

Makine öğrenmesinin karşılaştığı en büyük zorluklardan birisi, yapay sinir ağlarının bir problemi tam olarak nasıl çözdüğünü görmenin mümkün olmamasıdır. Yapay zeka bazen “kara kutu” olarak tanımlanmaktadır ki yalnızca kutuya koyduğumuz bilgiyi ve onun ürettiği sonucu görebiliriz. Aradaki adımları göremeyiz. Yapay sinir ağları, bilginin matematiksel olarak işlendiği birçok katmandan oluşur. Ağ, bir girdi katmanı ve sistem tarafından işlenen bilginin sonucunu veren bir çıktı katmanını kapsamaktadır. Bu iki katman arasında hesaplamaların gerçekleştirildiği birçok gizli katman vardır. Bilim insanları yapay sinir ağını bir anlamda kara kutunun sırrını açığa çıkarmanın ve onun nasıl çalıştığını anlamanın mümkün olup olmadığını merak etmişlerdir. Yapay ağ ve yakın biyolojik ağların tasarımları benzer midir?

“Sinir ağlarımızı analiz ettiğimizde, ilk gizli katmanın çeşitli proteinler arasındaki büyük boyutlu etkileşimleri temsil ettiği anlaşılmıştır. Modelde daha derinlere indikçe 3. katmanda tam tersine farklı hücre tipi grupları bulduk. Bizim gen ağımızın sınıflandırılmamış gen ifade verilerinden başladığını düşünürsek bu tür biyolojik bir gruplamanın otomatik olarak yapılması oldukça ilginçtir,” demiştir IFM’de kıdemli eğitmen olan ve çalışmanın lideri Mika Gustafsson.

Bilim insanları sonrasında gen ifade modellerinin hangi gen ifade örneklerinin hastalıkla ilgili, hangilerinin normal olduğuna karar vermek için kullanılıp kullanılmayacağını araştırmışlardır. Modelin vücuttaki biyolojik mekanizmalarla uyumlu, ilgili örnekleri bulduğunu doğrulamışlardır. Model sınıflandırılmamış veriyi kullanarak eğitildiği için yapay sinir ağlarının tamamen yeni örnekleri bulması mümkündür. Araştırmacılar şimdi bu şekilde, önceden bilinmeyen örneklerin biyolojik perspektiften konu ile ilgili olup olmadığını araştırmayı planlamaktadır.

“Bu alanda gelişmek için asıl anahtarın sinir ağlarını anlamak olduğuna inanıyoruz. Bu bize birçok faktörün etkileşim gösterdiği hastalıklar gibi biyolojik bağlamlarda yeni şeyler öğretebilir. Ve metodumuzun bize genelleştirmesi daha kolay ve birçok farklı biyolojik bilgi türü için kullanılabilecek modeller verdiğine inanıyoruz,” demiştir Mika Gustafsson.

Mika Gustafsson, tıp araştırmacıları ile yakın işbirliğinin ona hassas ilaç belirleme konusunda yapılan çalışmada geliştirilen metodu uygulaması için imkân sağlayacağını ummaktadır. Örneğin hangi hasta gruplarının hangi tip ilaç alması gerektiğine karar vermek ya da en çok etkilenen hastaları saptamak mümkün olabilir.

Çalışma, İsveç Stratejik Araştırmalar Kurumu’ndan(SSF) ve İsveç Araştırma Konseyi’nden finansal destek almıştır.

Kaynak: sciencedaily.com

601 Kez Okundu

Hacer Demir

27 Nisan 1993’te Bursa’da doğdu. Uludağ Üniversitesi Çevre Mühendisliği Bölümü ve Anadolu Üniversitesi Açıköğretim Fakültesi Marka İletişimi bölümü mezunu. UÜ Endüstri Mühendisliği Bölümü'nde yüksek lisans yapıyor. İlgi duyduğu alanlarda eğitim ve programlara katılmayı, yeni şeyler öğrenmeyi ve kendini geliştirmeyi seviyor. Yenilikçi haberleri takip etmeyi ve çeviri yapmayı sevdiği için 2017 yılından bu yana İnovatif Kimya Dergisi ekibinde yer alıyor.

You may also like...

WP Twitter Auto Publish Powered By : XYZScripts.com
Kopyalamak Yasaktır!