ابزار هوش مصنوعی 125 نوع سلول را در طول 700 میلیون سال تکامل مقایسه می کند

توسط دانشگاه علم و صنعت ملک عبدالله

ویرایش شده توسط Swati Mestri، بررسی توسط Robert Egan

این مقاله با توجه به روند و سیاست‌های ویرایشی Science X بررسی شده است. ویراستاران ضمن اطمینان از اعتبار محتوا، ویژگی های زیر را برجسته کرده اند:

یک تیم به رهبری KAUST ابزار هوش مصنوعی Unify را برای کمک به دانشمندان در مقایسه انواع سلول های مشابه در گونه های دور توسعه داده اند. این مقایسه می‌تواند به محققان کمک کند تا ارزیابی کنند که کدام یافته‌های مطالعات حیوانی ممکن است بیشتر مرتبط با سلامت انسان باشد. مطالعه آنها در مجله Nature Communications منتشر شده است.

دانشمندان اغلب سلول ها را با استفاده از توالی یابی RNA تک سلولی مقایسه می کنند که نشان می دهد کدام ژن در هر سلول فعال است. هنگامی که این اطلاعات در سراسر یک ارگانیسم انجام می شود، می توان از این اطلاعات برای ساختن یک "درخت سلولی"، نقشه برداری از انواع مختلف سلول و فعالیت آنها استفاده کرد.

با این حال، اکثر ابزارهای مقایسه به تطابق مستقیم ژن یک به یک متکی هستند. با جدا شدن گونه ها در طول زمان، یافتن این تطابق ها سخت تر می شود، به این معنی که شباهت های بیولوژیکی مهم (به عنوان مثال، بین سلول های ایمنی در انسان و موش، یا نورون ها در ماهی ها و مگس ها) ممکن است نادیده گرفته شود.

برای غلبه بر این محدودیت ها، Unify کارهایی را که ژن ها انجام می دهند مقایسه می کند. در جایی که روش‌های مرسوم به فرهنگ لغت‌هایی شبیه هستند که به دنبال ترجمه‌های کلمه به کلمه هستند، این ابزار به دنبال معنای بیولوژیکی مشترک می‌گردد.

Huawen Zhong، نویسنده اصلی و زیست‌شناس محاسباتی در KAUST توضیح می‌دهد: «Unify با مدل‌های AI کار می‌کند که توالی‌های پروتئین و توصیف‌های علمی عملکرد ژن‌ها را تجزیه و تحلیل می‌کنند.

ژن‌هایی که شباهت‌های خاصی دارند در واحدهایی به نام «ماکروژن» دسته‌بندی می‌شوند. این به Unify اجازه می‌دهد تا سلول‌هایی را که کارهای مشابهی را انجام می‌دهند، تشخیص دهد، حتی زمانی که ژن‌های فردی آنها دیگر مطابقت ندارند."

روابط بازسازی شده را بین 125 نوع سلول از هفت گونه که بیش از 700 میلیون سال از یکدیگر جدا شده اند، متحد کنید. بین ژن‌های یکسان، ژن‌های مشابهی که شغل‌های جدیدی ایجاد کرده‌اند و ژن‌های متفاوتی که به‌طور مستقل برای انجام یک کار تکامل یافته بودند، تمایز قائل شد.

با تجزیه و تحلیل سلول های ایمنی در چندین گونه، Unify تاکتیک های دفاعی مشترکی را شناسایی کرد که تشخیص آنها با استفاده از روش های محدود به مقایسه مستقیم ژن دشوار است. در آزمایش دیگری، بر اساس پاسخ سلول‌های ایمنی غدد لنفاوی موش، پاسخ سلول‌های خون انسان به پروتئین سیگنال‌دهنده ایمنی خاص را پیش‌بینی کرد. در تمام ژن ها، پیش بینی های Unify دقیق تر از روش های موجود بود.

تیم KAUST اکنون Unify را گسترش می‌دهد تا اطلاعاتی در مورد تنظیم ژن و موقعیت سلول در بافت‌ها درج کند. این اضافات به محققان تصویر کامل تری از اصول بیولوژیکی مشترک در سراسر زندگی می دهد و از پیشرفت های بیشتر در تحقیقات سلامت انسان خبر می دهد.

با ترکیب دانش بیولوژیکی با هوش مصنوعی، Unify می‌تواند الگوهایی را در مقیاسی شناسایی کند که یافتن آن‌ها از طریق مقایسه ژن به ژن به مدت طولانی‌تری طول می‌کشد. تأثیر آن توسط استاد علوم دریایی KAUST مانوئل آراندا خلاصه شده است: "بسیاری از چیزهایی که ما در مورد زیست شناسی انسان می دانیم از مطالعه حیواناتی مانند موش ناشی می شود، اما همیشه مشخص نیست که کدام یافته ها منتقل می شوند. Unify به ما کمک می کند تا تشخیص دهیم کدام اکتشافات موجود در ارگانیسم های مدل به احتمال زیاد مربوط به انسان است، بنابراین می توان تحقیقات را در جایی متمرکز کرد که برای درک سلامت و بیماری انسان مفید است."

Huawen Zhong و همکاران، Unify تکامل سلولی را با تعبیه‌های چندوجهی جهانی می‌آموزد، Nature Communications (2026). DOI: 10.1038/s41467-026-76230-y

ارائه شده توسط دانشگاه علم و صنعت ملک عبدالله

سواتی مستری دارای مدرک لیسانس در مهندسی الکترونیک است و از سال 2019 به عنوان ویرایشگر محتوا کار کرده است. او ویرایش اسناد تحقیقاتی در زمینه فناوری، مراقبت های بهداشتی و علم مواد را تجربه کرده است و علاقه خاصی به فناوری و فضا دارد. نمایه کامل →

لیسانس زیست شناسی ریاضی، کارشناسی ارشد در نوشتن خلاق. خوش سفر با دیدگاه های منحصر به فرد در علم و زبان. نمایه کامل →