Jak SQUID odkrywa tajemnice AI i poprawia przewidywania w badaniach genetycznych

WarsawSztuczna inteligencja jest teraz istotnym elementem naszego życia. Odgrywa znaczącą rolę w biologii i badaniach nad życiem. Na przykład, AI potrafi szybko analizować ogromne ilości danych genomowych, aby znaleźć nowe cele terapii. Mimo to, naukowcy nie rozumieją, jak dzisiejsze modele AI dochodzą do tych wniosków.

Naukowcy z Cold Spring Harbor Laboratory (CSHL) opracowali nowe narzędzie o nazwie SQUID, co oznacza Surrogate Quantitative Interpretability for Deepnets. Narzędzie to ułatwia zrozumienie, w jaki sposób modele sztucznej inteligencji analizują genomy.

SQUID przewyższa inne narzędzia, ponieważ zapewnia spójne wyniki, redukuje szum tła i ułatwia dokonywanie bardziej precyzyjnych prognoz dotyczących mutacji genetycznych.

Asystent profesor Peter Koo z CSHL twierdzi, że SQUID odnosi sukces dzięki unikalnemu treningowi. Większość narzędzi do badania modeli AI pochodzi z dziedziny wizji komputerowej lub przetwarzania języka naturalnego, co jest przydatne, ale nie zawsze idealne dla genomiki. SQUID wyróżnia się, ponieważ wykorzystuje wieloletnią wiedzę z zakresu genetyki ilościowej.

Zobacz również:

Dzisiaj · 12:41

Trudna transformacja OpenAI w spółkę nastawioną na zysk

SQUID działa poprzez stworzenie biblioteki zawierającej ponad 100,000 różnych sekwencji DNA. Następnie używa programu o nazwie MAVE-NN (Multiplex Assays of Variant Effects Neural Network) do analizy tych sekwencji. Dzięki MAVE-NN naukowcy mogą prowadzić tysiące wirtualnych eksperymentów jednocześnie, co pomaga im zrozumieć, w jaki sposób sztuczna inteligencja dokonuje swoich najlepszych przewidywań.

Eksperymenty wirtualne mogą zwiększyć precyzję i efektywność rzeczywistych badań laboratoryjnych. Profesor Justin Kinney, współautor badania, podkreśla, że nie mogą one zastąpić pracy wykonanej w laboratorium. Niemniej jednak dostarczają cenne informacje. Pomagają naukowcom formułować hipotezy dotyczące funkcjonowania części genomu lub wpływu, jaki mutacja może mieć na pacjenta.

Istnieje wiele modeli sztucznej inteligencji, a nowe są stale tworzone. Koo, Kinney i ich zespół mają nadzieję, że SQUID pomoże naukowcom wybrać najlepsze modele do ich pracy. Pomimo że ludzki genom został zmapowany, jego zrozumienie nadal jest trudne. SQUID może pomóc, dostarczając bardziej przejrzystych informacji na temat medycznych skutków odkryć genetycznych.