Hur SQUID avslöjar AI och förbättrar förutsägelser i genetisk forskning

StockholmArtificiell intelligens är nu en stor del av våra liv. Den spelar även en viktig roll inom biologi och studier av liv. Till exempel kan AI snabbt bearbeta stora mängder genomdata för att hitta nya mål för behandlingar. Däremot förstår inte forskare hur dagens AI-modeller kommer fram till dessa slutsatser.

Forskare vid Cold Spring Harbor Laboratory (CSHL) har utvecklat ett nytt verktyg som heter SQUID, vilket står för Surrogate Quantitative Interpretability for Deepnets. Detta verktyg underlättar för människor att förstå hur AI-modeller analyserar genomer.

SQUID är överlägset andra verktyg eftersom det ger tillförlitliga resultat, minskar bakgrundsbrus och underlättar mer precisa förutsägelser om genetiska mutationer.

CSHL:s biträdande professor Peter Koo säger att SQUID är framgångsrik tack vare sin unika utbildning. De flesta verktyg för att studera AI-modeller kommer från datorsyn eller naturlig språkbehandling, vilka är hjälpsamma men inte optimala för genomik. SQUID skiljer sig eftersom det använder sig av många års kunskap inom kvantitativ genetik.

Läs också:

21 november 2024 · 15:27

USA dominerar AI-innovation, lämnar Kina bakom i Stanford-rankning

SQUID fungerar genom att först skapa ett bibliotek med över 100 000 olika DNA-sekvenser. Därefter används ett program som heter MAVE-NN (Multiplex Assays of Variant Effects Neural Network) för att analysera dessa sekvenser. Med hjälp av MAVE-NN kan forskare genomföra tusentals virtuella experiment samtidigt, vilket hjälper dem att förstå hur AI:n gör sina bästa prognoser.

Virtuella experiment kan förbättra och göra traditionella labbexperiment mer exakta. Justin Kinney, en professor och medförfattare till studien, påpekar att virtuella experiment inte kan ersätta det arbete som görs i ett labb. Däremot ger de värdefull information. De hjälper forskare att utveckla idéer om hur delar av genomet fungerar eller hur en mutation kan påverka en patient.

Det finns många AI-modeller tillgängliga, och nya skapas ständigt. Koo, Kinney och deras team hoppas att SQUID ska hjälpa forskare att välja de bästa modellerna för deras arbete. Även om den mänskliga genomet har kartlagts, är det fortfarande svårt att förstå. SQUID kan bidra genom att ge tydligare information om de medicinska effekterna av genetiska upptäckter.