Koreya Qabaqcıl Elm və Texnologiya İnstitutu (KAIST) tərəfindən

Sadie Harley tərəfindən redaktə edilib , Robert Egan tərəfindən nəzərdən keçirilib

 Redaktorların qeydləri

 GIST

Tercih edilən mənbə kimi əlavə edin

Tədqiqat şəkli (Süni intellekt tərəfindən yaradılan şəkil). Müəllif: KAIST

Biz genləri bilirik, amma onların funksiyalarını bilmirik — mikrob tədqiqatlarındakı bu uzun müddətdir davam edən maneəni həll etmək üçün birgə tədqiqat qrupu süni intellektin (Sİ) mikrob gen funksiyalarının kəşfini kəskin şəkildə sürətləndirmək üçün istifadə etdiyi qabaqcıl tədqiqat strategiyası təklif edib.

Kimya və Biomolekulyar Mühəndislik Departamentinin görkəmli professoru Sanq Yup Linin rəhbərlik etdiyi KAIST tədqiqat qrupu, UCSD-nin Biomühəndislik Departamentinin professoru Bernhard Palsson ilə əməkdaşlıq çərçivəsində ” Nature Microbiology” jurnalında bir məqalə dərc edib .

Tədqiqat, gen funksiyasının kəşf sürətini inqilab etməyə yönəlmiş ən son süni intellekt əsaslı tədqiqat yanaşmalarını sistematik şəkildə təhlil edir və təşkil edir.

2000-ci illərin əvvəllərindən, bütün genom ardıcıllığının reallaşdığı vaxtdan bəri, həyatın genetik planının tam şəkildə deşifrə olunacağına dair yüksək gözləntilər var idi. Lakin, hətta 20 il sonra belə, mikrob genomlarındakı genlərin əhəmiyyətli bir hissəsinin rolu hələ də məlum deyil.

Genlərin silinməsi, gen ifadə profillərinin təhlili və in vitro aktivlik analizləri kimi müxtəlif eksperimental metodlardan istifadə olunsa da, gen funksiyalarının kəşfi vaxt aparan və baha başa gələn bir iş olaraq qalır. Bu, əsasən genişmiqyaslı təcrübələrin məhdudiyyətləri, mürəkkəb bioloji qarşılıqlı təsirlər və laboratoriya nəticələri ilə faktiki in vivo reaksiyaları arasındakı uyğunsuzluqla əlaqədardır.Ferment funksiyasının proqnozlaşdırılması üçün hesablama biologiyası metodlarının sxematik təsviri. Kredit: KAIST

Süni intellektlə idarə olunan yanaşmalar və yeni texnologiyalar

Bu maneələri aradan qaldırmaq üçün tədqiqat qrupu hesablama biologiyasını eksperimental biologiya ilə birləşdirən süni intellekt əsaslı bir yanaşmanın vacib olduğunu vurğulayır.

Məqalədə komanda ənənəvi ardıcıllıq oxşarlığı təhlilindən ən son dərin öyrənməyə əsaslanan süni intellekt modellərinə qədər gen funksiyasının kəşfini asanlaşdıran hesablama biologiyası yanaşmalarına dair hərtərəfli bir baxış təqdim edir.

Xüsusilə, Google DeepMind tərəfindən hazırlanmış AlphaFold və Vaşinqton Universiteti tərəfindən hazırlanmış RoseTTAFold kimi 3D zülal strukturu proqnozlaşdırma texnologiyaları yeni qapılar açıb. Bu alətlər sadə funksional qiymətləndirmədən kənara çıxaraq gen funksiyalarının necə işlədiyinin əsas mexanizmlərini anlamaq potensialı təqdim edir.

Bundan əlavə, generativ süni intellekt artıq xüsusi olaraq arzuolunan funksiyaları olan zülalların dizaynı istiqamətində tədqiqat sərhədlərini genişləndirir.

Tətbiqlər, çətinliklər və gələcək istiqamətlər

Transkripsiya amillərinə (genetik açarlar kimi çıxış edən zülallar) və fermentlərə (kimyəvi reaksiyaları katalizləşdirən zülallar) diqqət yetirən komanda, gen ardıcıllığı təhlili, zülal strukturunun proqnozlaşdırılması və müxtəlif metagenomik təhlilləri birləşdirən müxtəlif tətbiq hallarını və gələcək tədqiqat istiqamətlərini təqdim etdi.

Ənənəvi gen kəşfində mövcud olan qərəzləri və məhdudiyyətləri aradan qaldırmaq üçün tədqiqatçılar süni intellektin eksperimental prosesə rəhbərlik etdiyi ” aktiv öyrənmə ” çərçivəsinə ehtiyac olduğunu vurğuladılar.

Aktiv öyrənmə, süni intellekt modelinin yüksək qeyri-müəyyənliklə proqnozları müəyyən etdiyi və onları həll etmək üçün xüsusi təcrübələr təklif etdiyi bir metoddur. Daha sonra nəticələr dəqiqliyini artırmaq üçün modelə geri qaytarılır. Bu təkrarlanan dövr tədqiqatçılara əvvəlcə ən vacib gen funksiyalarını səmərəli şəkildə təsdiqləməyə imkan verir.

Komanda vurğulayır ki, bu yanaşma avtomatlaşdırılmış eksperimental platformalar və biotökmələr kimi ortaq tədqiqat infrastrukturları ilə sıx inteqrasiya tələb edir. Onlar həmçinin qeyd edirlər ki, gözlənilən nəticələri verməyən “uğursuz məlumatlar” – təcrübələr – gələcək tədqiqatlar üçün həyati əhəmiyyətli öyrənmə aktivləri kimi paylaşılmalıdır.

Tədqiqatın həmmüəllifi, KAIST-dən Dr. Gi Bae Kim bildirib ki, ” Dərin öyrənməyə əsaslanan proqnozlaşdırma performansı əhəmiyyətli dərəcədə yaxşılaşsa da, nəticələri üçün bioloji əsaslandırma təmin edə bilən “izah edilə bilən süni intellekt” modellərinin hazırlanması hələ də kritik bir problem olaraq qalır”.

Hörmətli professor Sanq Yup Li vurğuladı ki, “Gen funksiyasının kəşfinin həddini aşmağın açarı sistemli, süni intellektlə idarə olunan eksperimental çərçivəni insan tədqiqatçılarının rəhbərliyi altında avtomatlaşdırılmış tədqiqat infrastrukturu ilə birləşdirməkdir. Proqnozlaşdırma və təsdiqləmənin dəfələrlə əlaqələndirildiyi bir tədqiqat ekosisteminin yaradılması vacibdir.”

Daha çox məlumat: Bernhard O. Palsson və digərləri, Süni intellektdən istifadə edərək mikrob gen funksiyasının kəşfini sürətləndirmək üçün yanaşmalar, Nature Microbiology (2026). DOI: 10.1038/s41564-025-02214-1

Jurnal məlumatları: Təbiət Mikrobiologiyası 

Koreya Qabaqcıl Elm və Texnologiya İnstitutu (KAIST) tərəfindən təmin edilir