عوامل رونویسی
آموزش‌های پایه‌ای هوش مصنوعیپایتون و ابزارهای یادگیری عمیق

عوامل رونویسی متصل‌شونده و کاربرد شبکه‌های عصبی عمیق در شناسایی ویژگی‌های مرتبط

    0
    (مدت زمان مطالعه: ۲ دقیقه)

    تیمی از پژوهشگران دانشگاه کالیفرنیا، سن‌دیگو، یک سیستم مبتنی بر شبکه های عصبی عمیق ساخته‌اند؛ این سیستم می‌تواند ویژگی‌هایی را شناسایی کند که قادر به پیش‌بینی عوامل رونویسی متصل‌شونده Transcription Factor Binding هستند. در مقاله‌ی این پژوهشگران (منتشرشده در ژورنال Nature Machine Intelligence) به کاربردهای احتمالی این سیستم در درک بهتر بیماری‌های مرتبط با عوامل رونویسی اشاره شده است.

    عوامل رونویسی پروتئین‌هایی هستند که در کنترل نرخ رونویسی اطلاعات ژنتیکی نقش دارند؛ بدین صورت که نحوه‌ی اتصال آن‌ها به DNA خاموش یا روشن بودن ژن‌های آن قسمت از DNA را مشخص می‌کند. بر اساس پیشینه‌ی تحقیقات، اختلال در کار عامل رونویسی به بیماری‌هایی همچون سندروم رت Rett Syndrome، دیابت جوانان هنگام بلوغ و دیستروفی قرنیه فوکس Fuch’s endothelial corneal dystrophy منجر می‌شود. برخی از این تحقیقات نقش این پروتئین‌ها در رشد تومورهای سرطانی را نیز تأیید کرده‌اند.

    پیروی عوامل رونویسی از قوانینی خاص

    دانشمندان باید درک بهتری از فرآیند رونویسی به دست بیاورند تا بتوانند از چنین بیماری‌هایی جلوگیری کنند. در این پروژه، پژوهشگران یک سیستم مبتنی بر شبکه‌ی عصبی ساخته‌اند که به کشف قوانین ژنتیکی کمک می‌کند؛ قوانینی که عوامل رونویسی هنگام اتصال به DNA از آن‌ها پیروی می‌کنند. هدف دیگر این سیستم یافتن نوکلئوتیدهای غیررمزگذاری Noncoding nucleotides است که بیشترین تأثیر را روی اتصال عوامل رونویسی دارند.

    نسخه‌ی ابتدایی سیستم AgentBind نیز توسط این تیم پژوهشی از دانشگاه سن‌دیگو ساخته شده بود. سیستم AgentBind حاصل ترکیب سه شبکه‌ی عصبی پیچشی، یک لایه‌ی متصل و مجموعه‌ای از شبکه‌های عصبی پیچشی و بازگشتی است. از آن‌جایی که چنین تحقیقاتی به داده‌های زیادی نیاز دارند، این پژوهشگران از یادگیری انتقالی (و نه از یادگیری سنگین) استفاده کردند و بدین ترتیب به نتایج کارآمدتری دست یافتند. علاوه بر این طی فرآیند فراتحلیل Post-analytical process، ضرایب اهمیت Importance scores را مشخص کرده و محل اتصالات را در خود بافت تشخیص دادند.

    در مرحله‌ی آزمایش، سیستم روی عوامل‌‌‌ ‌‌‌‌رونویسی اجرا شد و نتیجه‌ و محصول آن مورد مطالعه قرار گرفت. در نتیجه‌ی این گام مشخص شد سیستم می‌تواند اطلاعات جدیدی در مورد انواع مختلف عوامل رونویسی متصل‌شونده (که احتمالاً در ایجاد بیماری‌ها نقش دارند) ارائه دهد. به کمک این اطلاعات می‌توانیم درک کنیم عوامل رونویسی چطور از روند معمولی منحرف شده و به بروز بیماری می‌انجامند و بدین ترتیب مسیر کشف درمان‌های مربوطه را هموارتر کنیم.

    این مطلب چه میزان برای شما مفید بوده است؟
    [کل: ۰ میانگین: ۰]

    نیاز جامعه به پوست اندازی ؛ مسئولیت‌ها را به جوانان نخبه بسپارید

    مقاله قبلی

    شما همچنین ممکن است دوست داشته باشید

    نظرات

    پاسخ دهید

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