Leyla Okahata, Oregon Universiteti tərəfindən

redaktə edən: Gaby Clark , rəy verən: Robert Egan

 Redaktorların qeydləri

 GIST

Tercih edilən mənbə kimi əlavə edin

İki demoqrafik ssenari üzrə üç nəticə çıxarma yanaşması üçün doğru və proqnozlaşdırılan koalessensiya vaxtları: sabit əhali sayı və dəyişkən “mişar dişi” demoqrafiyası. Mənbə: Milli Elmlər Akademiyasının materialları (2026). DOI: 10.1073/pnas.2518956123

Oregon Universitetinin tədqiqatçıları, ChatGPT kimi böyük dil modellərinin mətni oxuduğu kimi, genetik kodu oxuya bilən süni intellekt aləti hazırlayıblar. Bioloji mutasiya nümunələri üçün genomu skan edən kompüter modeli, gen cütlərini son ortaq əcdadlarına qədər zamanla izləyir.

UO İncəsənət və Elmlər Kollecinin hesablama bioloqu Endryu Kern bildirib ki, bu, populyasiya genetikası üçün hazırlanmış ilk dil modelidir. 10 apreldə Milli Elmlər Akademiyasının materiallarında dərc olunmuş məqalədə təsvir edildiyi kimi , süni intellekt aləti alimlərə təkamül tarixinin yenidən qurulması üçün klassik metodlara sürətli və çevik alternativ təklif edir.

Təcrübədə, bu, Kern kimi tədqiqatçılara, məsələn, populyasiyada xəstəliyə qarşı müqavimət genlərinin nə vaxt ortaya çıxdığını və ya növlərin əsas xüsusiyyətlərinin nə vaxt inkişaf etdiyini anlamağa kömək edə bilər.

Evergreen biologiya professoru Kern bildirib ki, “Generativ süni intellektdəki irəliləyişlər və onların arxasındakı arxitekturalar chatbot xaricindəki bir sıra sahələr üçün potensial olaraq faydalıdır. Biz süni intellekt dünyasından güclü tərəfləri götürürük və onları əsasən istifadə olunmamış bu fərqli kontekstdə tətbiq edirik.”

DNT dili üzrə süni intellekt təlimi

Genomlar tez-tez yazılı dillə müqayisə edilir və DNT-nin dörd hərfli əlifbasının — A, T, C və G — kombinasiyaları genlər və xromosomların əsasını təşkil edir. Kern və onun laboratoriyası ən çox səhv yazılmış şeylərlə maraqlanır, elm adamları bunu mutasiyalar adlandırırlar: DNT ardıcıllığında dəyişikliklər, məsələn, dəyişdirilmiş və ya itkin düşmüş hərflər, təkamülün bir hissəsi kimi zamanla toplanır.

Çox vaxt zərərsiz olan mutasiyalar nəsildən-nəslə ötürülə bilər və əcdad qohumluqlarını izləmək üçün bir çox iz buraxır.

Riyaziyyat və statistikaya əsaslanan ənənəvi metodlar mutasiyaların əcdadlara çevrilməsi üçün qızıl standartdır. Tədqiqatın aparıcı müəllifi və UO-da keçmiş postdoktorantura tədqiqatçısı Kevin Korfmann bildirib ki, əksər hallarda onları məğlub etmək çətindir. Lakin o əlavə edib ki, bu klassik ehtimal yanaşmaları yavaş ola bilər və böyük və ya natamam genomik məlumat dəstləri ilə bağlı çətinlik yarada bilər.

Beləliklə, tədqiqatçılar ChatGPT-nin arxasındakı köhnə maşın öyrənmə arxitekturası olan GPT-2 modelini dəyişdirərək həyat dilini səmərəli şəkildə şərh etmək üçün süni intellektdən istifadə etməyə çalışdılar. Lakin dil modeli böyük həcmdə ingilis mətnləri üzərində təlim keçmək əvəzinə, mutasiya nümunələrini öyrənmək və tanımaq üçün bakteriyalar, gəmiricilər, ağcaqanadlar və primatlar da daxil olmaqla müxtəlif növlərdə genetik təkamülün simulyasiyaları üzərində təlim keçdi.

Korfmann dedi: “Biz təkamülü təkrarlaya bilmərik, ona görə də əsas iş axınlarından biri simulyasiyaların hazırlanmasıdır. Simulyasiyalar təkamül proseslərini təqlid edir və sonra nəticələri dərin öyrənmə modellərimiz üçün təlim məlumatları kimi istifadə edirik.”

Ümumiyyətlə, bir çox mutasiyaya malik DNT hissələrinin uzaq ortaq əcdada gedib çıxması ehtimalı yüksəkdir, az mutasiyaya malik olanların isə daha yaxın əcdada sahib olma ehtimalı yüksəkdir. Bu, şimpanzelərin oxşar DNT-yə malik insanların ən yaxın qohumları hesab edilməsinin, dəniz süngərlərinin isə 700 milyon ildən çox əvvəl genetik olaraq fərqləndikləri üçün ən uzaq qohumlar hesab edilməsinin səbəbini izah etməyə kömək edir.

Bu mutasiya nümunələrinə və digər bioloji prinsiplərə əsaslanaraq, süni intellekt modeli gen cütlüklərinin sonuncu dəfə ortaq bir əcdadı paylaşdıqlarını və bu əcdadın “birləşmə vaxtı” adlandırıldığını təxmin edə bilər.

Məlumat maneələrini kənara qoymaq

Testlərdə alət ən müasir statistik metodlarla yanaşı, yaxşı nəticə göstərdi ki, bu da tədqiqat qrupunu təəccübləndirdi.

Kern dedi: “Texnikaları tamamilə fərqli bir dünyadan götürüb yeni bir problemə tətbiq edərkən nəyin işə yarayacağını heç vaxt bilmirsən. Amma bu, işlərin həqiqətən yaxşı işlədiyi bir hal idi.”

Gündəlik məlumat üçün Phys.org-a etibar edən 100.000-dən çox abunəçi ilə elm, texnologiya və kosmosdakı ən son yenilikləri kəşf edin . Pulsuz bülletenimizə abunə olun və vacib olan nailiyyətlər, innovasiyalar və tədqiqatlar haqqında gündəlik və ya həftəlik yeniliklərdən xəbərdar olun .

Kompüter modeli də xeyli sürətli idi. Ənənəvi metodlar tək bir ağcaqanad xromosomunu deşifrə etmək üçün saatlarla və hətta günlərlə vaxt apara bilsə də, yeni yanaşma bunu dəqiqələrlə edə bilər. Bu səmərəlilik, xüsusilə böyük miqdarda genetik ardıcıllıq məlumatlarını emal edən elm adamları üçün faydalıdır.

Korfmann bildirib ki, “Klassik nəticə çıxarma yanaşmaları ilə müqayisədə süni intellekt aləti hər bir mutasiya haqqında ayrıca düşünmək məcburiyyətində deyil. O, sadəcə nümunələri oxuyur, çünki bütün bahalı statistik işlər əvvəlcədən, təlim zamanı aparılıb və bu da maneələri aradan qaldırır.”

Modelin simulyasiya əsaslı təlimi həmçinin alimlərə natamam və ya genetik kodu olmayan DNT məlumat dəstlərindən istifadə etməyə imkan verir — Kern malyariya ötürülməsi ilə bağlı tədqiqatları üçün ağcaqanad genetik məlumat bazaları ilə işləyərkən tez-tez qarşılaşdığı bir problem .

Kern bildirib ki, bu çox yönlülük malyariyaya qarşı mübarizə üçün həlledici anda ortaya çıxır. Onilliklər ərzində insektisidlər malyariya yayan ağcaqanadların qarşısının alınmasında təməl daşı olub. Lakin Kernin dediyi kimi, təkamül “öz işini gördü”.

” Bu gün bütün bu ağcaqanad populyasiyalarında insektisidlərə qarşı müqavimət müşahidə olunur”, – deyə o bildirib. “Malyariyanın yayılmasının qarşısını almaqda əsas çətinlik insektisidlərə qarşı müqavimətin təkamülünü anlamaq olub. İndi süni intellekt modelimizə keçə, bu müqavimət genlərinin populyasiyada nə qədər əvvəl yarandığını soruşa və bu kritik malyariya daşıyıcısının təkamül tarixi haqqında məlumat əldə edə bilərik.”

İrəliyə baxdıqda, Kern və Korfmann bioloji modeli iki nəsil arasında ortaq əcdadların izlənməsindən kənara çıxaraq, birdən çox nəsil arasında tam genealoji ağacların yenidən qurulmasına doğru irəlilətməyi hədəfləyirlər. Bəzi ənənəvi metodlar bunu artıq edə bilər, lakin Kern bu məqsədə maşın öyrənməsi baxımından nail olmaq istədiklərini söylədi .

Korfmann dedi: “Maşın öyrənməsi sahəsində hələ öz sahəmizdə tətbiq etmədiyimiz çox şey baş verir. Bu yeni alqoritmlərin biologiyada işləməsi üçün çoxlu tərcümə işi görülməlidir.”

Nəşr detalları

Kevin Korfmann və digərləri, Koalessensiya və tərcümə: Populyasiya genetikası üçün dil modeli, Milli Elmlər Akademiyasının materialları (2026). DOI: 10.1073/pnas.2518956123

Jurnal məlumatları: Milli Elmlər Akademiyasının materialları