Sağlam böyümə və inkişaf on minlərlə genin düzgün zamanda və düzgün yerdə işə salınmasından asılıdır. DNT-nin müəyyən bölgələri bu prosesi əlaqələndirməyə kömək edir, hüceyrələrin düzgün işləməsi üçün lazım olan fermentlərin, hormonların, zülalların və digər molekulların istehsalına rəhbərlik edir. Gen aktivləşməsi səhv getdikdə, hüceyrələr nasazlıq yarada və xərçəng də daxil olmaqla xəstəliklərə səbəb ola bilər.

Bu prosesi idarə edən DNT ardıcıllıqlarını daha yaxşı başa düşmək üçün Kaliforniya Universitetinin San Dieqo professoru Ceyms T. Kadonaqanın laboratoriyasındakı tədqiqatçılar “başlanğıcçı” kimi tanınan vacib bir DNT elementinə diqqət yetirdilər. Başlanğıcçı, gendə kodlanmış məlumatın funksional məhsula çevrilməyə və ya ifadə olunmağa başladığı yeri qeyd edir.

Süni intellekt Başlanğıc Ardıcıllığını Dekodlaşdırır

Aspirant tədqiqatçı Torrey Rhyne-Carrigg-in rəhbərliyi ilə aparılan yeni tədqiqatda komanda, inisiatorun təxminən 500.000 fərqli versiyasında gen ifadə aktivliyini ölçmək üçün yüksək məhsuldarlıqlı DNT ardıcıllığından istifadə etdi.

Tədqiqatçılar daha sonra bu nəticələrdən süni intellektin bir forması olan maşın öyrənmə sistemini inisiatorla əlaqəli xarakterik DNT nümunəsini müəyyən etmək üçün istifadə etdilər. Model həmin imzanı deşifrə etdikdən sonra komanda ardıcıllıq üçün insan genlərini axtardı və təxminən 60%-nin inisiatoru ehtiva etdiyini aşkar etdi.

“Bu süni intellekt modellərinin ilk dəfə olaraq insan genlərində inisiatorun varlığı və ya olmaması ilə bağlı güclü proqnozlar verdiyi və beləliklə, inisiatorun DNT əsas ardıcıllıq modelini deşifrə edə bildiyi aşkar edildi”, – deyə UC San Dieqo Biologiya Elmləri Məktəbinin Molekulyar Biologiya Bölməsinin professoru Kadonaga bildirib.

DNT Mutasiyalarının Təsirlərinin Proqnozlaşdırılması

Bu tapıntılar tədqiqatçılara inisiatora təsir edən mutasiyaların gen aktivliyini necə dəyişdirə və bir sıra xəstəliklərə necə töhfə verə biləcəyini təxmin etməyə kömək edə bilər. Tədqiqatın məlumatları və süni intellekt modelləri həmçinin müəyyən məqsədlər üçün uyğunlaşdırılmış funksiyalarla genləri aktivləşdirə və ya söndürə bilən sintetik promotorların, ardıcıllıqların dizaynını dəstəkləyə bilər.

Daha geniş şəkildə desək, tədqiqat laboratoriya təcrübələrinin və süni intellektin insan DNT-sində kodlanmış məlumatları aşkar etmək üçün necə birləşdirilə biləcəyini göstərir.

Kadonaga bildirib ki, “Daha qlobal miqyasda bu iş insanlarda DNT əsaslarının ardıcıllığına daxil edilmiş məlumatları deşifrə etmək üçün laboratoriya təcrübələri və süni intellektdən birgə istifadədə irəliyə doğru bir addımdır. Nəticə etibarilə, hər bir hüceyrəmizdəki altı milyard DNT əsası daxilində hər bir genimizin nə vaxt, harada və nə dərəcədə açılmalı və ya söndürülməli olduğunu göstərən bir gen ifadə kodu mövcuddur. Bütün gen ifadə kodu üçün süni intellekt modelimiz olsaydı, fərqli insanlarda genlərin hər birinin müxtəlif variantının fəaliyyətini proqnozlaşdıra bilərdik. Başlatıcı üçün yeni süni intellekt modeli bu gen ifadə kodunun kiçik, lakin vacib bir hissəsidir və mən çox da uzaq olmayan gələcəkdə insan gen ifadə kodunun süni intellekt modellərimizi genişləndirəcəyimizə ümid edirəm.”