دانشمندان میگویند این موتور پژوهشی هوش مصنوعی قادر خواهد شد بخش عمدهای از ژنوم انسانی که هنوز ناشناخته است را رمزگشایی کند و مسیر کشف داروهای جدید و درمانهای شخصیسازیشده را باز میکند
عکس بدون تاریخ منتشر شده توسط مؤسسه ملی پژوهش ژنوم انسانی نشاندهنده خروجی یک دستگاه توالییاب DNA است. (NHGRI از طریق AP، فایل)
ظهور برنامههای هوش مصنوعی همچون ChatGPT که میتوانند محتوای پیچیدهای شبیه به خلاقیت انسانی تولید کنند، از ترکیب حجم عظیمی از دادههای موجود در فضایمجازی با توان محاسباتی بالا ناشی شد.
اکنون دانشمندان اسرائیلی در مرکز پزشکی شبا با غول آمریکایی تراشهها Nvidia و بیمارستان مانت سینای شهر نیویورک همکاری کردهاند تا مدلهای بزرگ زبانی (LLMها) ایجاد کنند؛ این مدلها از همان فناوریای استفاده میکنند که برنامههایی مثل ChatGPT را توانمند میسازند، اما بر پایه زبان زیستی بدن ما آموزش دیدهاند تا بهصورت بهتر بیماریهای ما را درک و درمان کنند.
«ما میخواهیم نوعی ChatGPT برای ژنومیک بسازیم که به کاربران اجازه دهد توالیسازی کامل ژنوم یک فرد را درون سیستم وارد کنند و بتواند به پرسشهای مربوط به خطرات سلامت، یا بهترین دارو یا درمان برای بیماری بر پایه ترکیب ژنتیکی منحصر به فرد هر فرد پاسخ دهد»، آونر هالپرین، مدیرعامل Sheba Impact در مرکز نوآوری دیجیتال ARC، گفت.
«این پروژهای شگفتانگیز است برای درک واقعی نیروی زندگی که بهعمق هستهٔ عملکرد بدن انسان میرسد و توضیح میدهد چرا هر یک از ما بهصورت جزئی متفاوت است»، او گفت.
سه شریک در یک پروژهٔ بلندپروازی سهساله با سرمایهگذاری چندده میلیون دلار برای ایجاد موتور پژوهشی که از هوش مصنوعی مولد برای رمزگشایی بخش عمدهای از ژنوم انسانی – نقشهٔ ژنتیکی حیات انسان – که هنوز بهخوبی شناخته نشده است – استفاده میکنند.
پروژهگذار این ابتکار، پروفسور گیدی رچاوی، رئیس مرکز پژوهش سرطان شبا، گفت موتور پژوهشی ژنومیک قادر خواهد بود الگوها و مکانیزمهایی را شناسایی کند که ترکیب ژنتیکی شخص را به خطر بیماری و پاسخ درمانی مرتبط میسازد.
ژنوم انسان – مجموعه دستورالعملهای ساخت و نگهداری یک موجود زنده – شامل ۳٫۲ میلیارد نوکلئوتید DNA است. در دو دههٔ اخیر، علم پیشرفتهای چشمگیری در توالیسازی کامل ژنوم انسان داشته است، اما تنها ۲٪ از DNA انسان شامل ژنهای کدکننده پروتئین است، در حالی که عملکرد ۹۸٪ باقیمانده هنوز بهصورت قابلقابولسازی با روشهای سنتی تبیین نشده است.
همکاری تحت رهبری شبا هدف دارد از طریق LLMها و فناوریهای یادگیری ماشین، رموز ۹۸٪ باقیمانده را رمزگشایی کند. Nvidia توان محاسباتی و زیرساخت هوش مصنوعی را فراهم میکند و شبا و مانت سینای نیویورک تخصص علمی و بالینی خود را برای جمعآوری و ترکیب مقادیر عظیم دادههای ژنومیک به کار میگیرند.
«ژنوم انسانی از بیش از ۳ میلیارد نوکلئوتید DNA تشکیل شده است که ما تنها ۲٪ از عملکرد آن را میدانیم»، هالپرین اظهار کرد. «اگر پزشک برای افسردگی دارویی تجویز کند یا برای یک سرطان خاص دارویی تجویز نماید، اغلب این کار از طریق روش آزمون و خطا انجام میشود، زیرا هنوز نحوهٔ خواندن و بهرهبرداری از ۹۸٪ از کد ژنومیک را کشف نکردهایم».
این پروژه پزشکان، ژنتیسینها، زیستاطلاعاتدانان و پژوهشگران هوش مصنوعی را گرد هم میآورد و با استفاده از توان محاسباتی، زیرساخت و الگوریتمهای Nvidia، تنوع ژنتیکی را به خطر بیماری و واکنشهای درمانی در مقیاس میلیونها نقطه داده مرتبط میکند.
«هوش مصنوعی توانایی کشف اسرار ژنوم انسانی و تحول در مراقبتهای بهداشتی برای میلیاردها نفر در سراسر جهان را دارد»، بهنقل از دکتر ناتی دنیل و دکتر یولی شاوویت از بخش معماری هوش مصنوعی کاربردی Nvidia، بیان شد.
فعالیتهای تحقیق و توسعه Nvidia در اسرائیل، بزرگترین مراکز این شرکت خارج از ایالات متحده است. بسیاری از پردازندهها و تراشههای شبکهایی پیشرفتهٔ Nvidia که برای آموزش بزرگترین مدلهای هوش مصنوعی ضروری هستند، در مراکز تحقیق و توسعه این شرکت در اسرائیل توسعه یافتهاند.
«اگر این پروژه موفق شود، میتوانیم درمانها و داروهای متناسب با نیازهای ژنتیکی خاص هر فرد را توسعه دهیم، چه برای پیشگیری و چه برای انتخاب مداخلهٔ مناسب»، هالپرین گفت. «شرکتهای دارویی از آن برای توسعه داروهای شخصیسازیشده استفاده خواهند کرد و بیمارستانها آن را برای انطباق درمان و انتخاب داروهایی با دقت بالاتر نسبت به روشهای کنونی بهکار خواهند گرفت».