یک گام بلند در زیست‌شناسی تکاملی: کشف راز تصمیم‌گیری سلول‌ها با هوش مصنوعی

یک گام بلند در زیست‌شناسی تکاملی: کشف راز تصمیم‌گیری سلول‌ها با هوش مصنوعی
فهرست مطالب

دانشمندان در موسسه تحقیقات پزشکی استوورز (Stowers Institute for Medical Research)، هلمولتز مونیخ (Helmholtz Munich)، دانشگاه فنی مونیخ (Technical University of Munich) و دانشگاه آکسفورد، چارچوب هوش مصنوعی جدیدی به نام “RegVelo” را توسعه داده‌اند. این چارچوب نوآورانه، پویایی سلولی و تنظیم ژنی را به‌طور همزمان مدل‌سازی می‌کند و به محققان اجازه می‌دهد تا نحوه تصمیم‌گیری سلول‌ها برای تعیین سرنوشت خود (مانند تبدیل شدن به سلول رنگدانه، خون یا نورون) را پیش‌بینی، شبیه‌سازی و از طریق آزمایش تأیید کنند. این مطالعه در تاریخ ۱۱ مه ۲۰۲۶ در مجله معتبر Cell منتشر شده است.

سال‌هاست که دانشمندان قادر به نقشه‌برداری مسیر سلول‌ها در طول تکامل بوده‌اند، اما درک اینکه کدام تنظیم‌کننده‌های مولکولی آن‌ها را هدایت می‌کنند و چه اتفاقی هنگام تغییر این تنظیم‌کننده‌ها رخ می‌دهد، همواره چالش‌برانگیز بوده است.

اکنون، تیم تحقیقاتی RegVelo را معرفی کرده است؛ مدلی مبتنی بر هوش مصنوعی که با ادغام همزمان دینامیک سلولی و شبکه‌های تنظیم ژنی، شکاف موجود را پر می‌کند. این چارچوب یاد می‌گیرد که سلول‌ها چگونه در طول زمان تغییر می‌کنند و کدام شبکه‌های ژنی این تغییرات را هدایت می‌کنند، و در نتیجه امکان مدل‌سازی مسیر تکاملی و موتور مولکولی پشت آن را فراهم می‌سازد.

روش‌های نوین مانند RNA velocity (که جهت تغییر سلول را از نسبت RNA نابالغ به پردازش‌شده تخمین می‌زند) و رویکردهای شبکه تنظیم ژنی (که روابط بین ژن‌ها را شناسایی می‌کنند)، تا پیش از این عمدتاً به‌صورت موازی و جداگانه استفاده می‌شدند. RegVelo با ترکیب این دو دیدگاه، یک لایه حیاتی را اضافه می‌کند: این مدل ژن‌ها را نه به‌عنوان واحدهای مستقل، بلکه به‌عنوان بخشی از یک شبکه در نظر می‌گیرد که در آن هر ژن می‌تواند ژن‌های دیگر را فعال یا سرکوب کند.

این چارچوب پیش‌بینی‌های قابل تأییدی از داده‌های تک‌سلولی استخراج می‌کند که نشان می‌دهد کدام تنظیم‌کننده‌های ژنتیکی یک مسیر تکاملی خاص را ترویج، کند یا هدایت می‌کنند. RegVelo با این قابلیت‌ها، گامی به‌سوی زیست‌شناسی تکاملی پیش‌بینی‌کننده‌تر است که در آن مدل‌های محاسباتی به اولویت‌بندی آزمایش‌ها، کشف تنظیم‌کننده‌های پنهان و پیش‌بینی چگونگی تغییر سرنوشت سلول‌ها هنگام اختلال در شبکه‌های ژنی کمک می‌کنند. در آینده، این رویکرد می‌تواند به محققان در درک بهتر حالت‌های سلولی مرتبط با بیماری‌ها و شناسایی اهداف درمانی جدید، از جمله در اختلالات تکاملی، زیست‌شناسی سرطان و پزشکی بازساختی، یاری رساند.

کد خبر ۲۰۱۰۵۰۲۲۳.۰۴۷

منبع: نیوزمدیکال

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *