یک مدل پیشرفته هوش مصنوعی که قادر به درک توالی‌ها و الگوهای ساختاری که زبان ژنتیکی گیاهان را تشکیل می‌دهند، توسط یک همکاری تحقیقاتی معرفی شد. این مدل که به نام “Plant RNA-FM” شناخته می‌شود، اولین مدل هوش مصنوعی از نوع خود است که توسط محققان گیاه‌شناسی در مرکز جان اینس و دانشمندان کامپیوتر در دانشگاه اگزتر توسعه یافته است.
محققان سازنده این مدل معتقدند که این فناوری پیشرفته می‌تواند موجب کشف و نوآوری‌های چشمگیری در علوم گیاهی و حتی در مطالعه بی‌مهرگان و باکتری‌ها شود.
RNA، مانند DNA که شناخته شده‌تر است، مولکول مهمی در تمام موجودات زنده است و مسئول حمل اطلاعات ژنتیکی در توالی‌ها و ساختارهای خود می‌باشد. در ساختار ژنوم، معماری RNA از ترکیب بلوک‌های ساختاری به نام نوکلئوتیدها ساخته شده است که مشابه نحوه ترکیب حروف الفبا برای ساخت کلمات و عبارات در زبان است.
گروه پروفسور یلیانگ دینگ در مرکز جان اینس ساختار RNA را مطالعه می‌کند که یکی از زبان‌های کلیدی در مولکول‌های RNA است، جایی که RNA می‌تواند به ساختارهای پیچیده‌ای تا شود که عملکردهای بیولوژیکی پیچیده‌ای مانند رشد گیاه و واکنش به استرس را تنظیم می‌کند.
برای درک بهتر زبان پیچیده RNA در عملکردهای آن، گروه پروفسور دینگ با گروه دکتر کی لی در دانشگاه اگزتر همکاری کردند. این همکاری منجر به توسعه مدل “PlantRNA-FM” شد که بر اساس مجموعه داده عظیمی شامل ۵۴ میلیارد قطعه اطلاعات RNA از ۱,۱۲۴ گونه گیاهی آموزش داده شده است.
هنگام ایجاد PlantRNA-FM، محققان از همان متدولوژی که برای آموزش مدل‌های هوش مصنوعی مانند ChatGPT برای درک زبان انسان استفاده می‌شود، بهره بردند. این مدل هوش مصنوعی با مطالعه اطلاعات RNA از گونه‌های مختلف گیاهی در سراسر جهان، زبان گیاهی را آموخته است تا دیدگاه جامع‌تری از نحوه عملکرد RNA در قلمرو گیاهان به دست آورد.
همانطور که ChatGPT قادر است زبان انسان را درک و پاسخ دهد، PlantRNA-FM نیز به درک گرامر و منطق توالی‌ها و ساختارهای RNA دست یافته است.
محققان از این مدل برای پیش‌بینی‌های دقیق در مورد عملکرد RNA و شناسایی الگوهای ساختاری خاص RNA در سراسر ترنسکریپتوم‌ها استفاده کرده‌اند. پیش‌بینی‌های آنها توسط آزمایشاتی تأیید شده است که نشان می‌دهد ساختارهای RNA شناسایی شده توسط PlantRNA-FM تأثیر زیادی بر کارآیی ترجمه اطلاعات ژنتیکی به پروتئین دارند.
دکتر هاوپنگ یو، پژوهشگر پسادکتری در گروه پروفسور یلیانگ دینگ در مرکز جان اینس، گفت: “در حالی که توالی‌های RNA ممکن است برای چشم انسان تصادفی به نظر برسند، مدل هوش مصنوعی ما توانسته الگوهای پنهان درون آنها را رمزگشایی کند.”
این همکاری موفق همچنین با پشتیبانی دانشمندان از دانشگاه نورث ایست نورمال چین و آکادمی علوم چین همراه بوده است.
پروفسور دینگ گفت: “مدل PlantRNA-FM تنها شروع کار است. ما به طور نزدیک با گروه دکتر لی برای توسعه رویکردهای هوش مصنوعی پیشرفته‌تر برای درک زبان‌های پنهان DNA و RNA در طبیعت همکاری می‌کنیم. این دستاورد، امکانات جدیدی برای درک و احتمالاً برنامه‌ریزی گیاهان ایجاد می‌کند که می‌تواند تأثیرات عمیقی بر بهبود محصولات کشاورزی و نسل بعدی طراحی ژن‌های مبتنی بر هوش مصنوعی داشته باشد. هوش مصنوعی به طور فزاینده‌ای در کمک به دانشمندان گیاه‌شناسی برای مقابله با چالش‌ها، از تأمین غذای جمعیت جهانی تا توسعه گیاهان مقاوم به تغییرات اقلیمی، نقشی اساسی ایفا می‌کند.”
مدل RNA قابل تفسیر برای کشف موتیف‌های عملکردی RNA در گیاهان در مجله Nature Machine Intelligence منتشر شده است.
کد خبر ۲۱۲۰۳۰۹۲۰.۷۳۴
