هوش مصنوعی در زیست شناسی و نگاهی به کارکردهای این حوزه

در حال حاضر استفاده گسترده از برنامه‌های کاربردی فناوری هوش مصنوعی، پیشرفت‌ها در این زمینه و تأثیرات بنیادین آن بر روی ابزارهای مبتنی بر فناوری از جمله دستگاه‌های یادگیری ماشین، روباتیک و غیره مورد توجه قرار گرفته است. هوش مصنوعی یکی از شناخته‌شده‌ترین فناوری‌های پیشرفته در دنیا است که به دلیل اهمیت آن در نشان دادن نوع رفتار هوش انسانی، مورد استقبال زیادی واقع شده است. بر این اساس تقریبا همه زمینه‌ها برای پیاده‌سازی و استفاده از سیستم‌های مبتنی بر هوش مصنوعی آماده و مهیا شده‌اند. این فناوری باعث می‌شود که هر دستگاه عملیاتی به اندازه کافی مجهز باشد تا رفتار انسان را با توانایی و درک خود در تصمیم‌گیری نشان دهد و بر این اساس مسائل را در مقابل ما قرار دهد. به دنبال تطبیق‌پذیری گسترده این فناوری پیشرفته بخش‌های مبتنی بر مراقبت‌های بهداشتی مرتبط با رشته‌های پزشکی و زیست‌شناسی نیز سعی در پیاده‌سازی و استفاده از هوش مصنوعی در توسعه فرآیندهای حوزه خود داشته‌اند. زیست‌شناسی موضوع گسترده‌ای است و بنابراین امکانات بی‌شماری برای کاربرد هوش مصنوعی دارد. در ادامه، ما مفصل‌تر هوش مصنوعی در زیست‌شناسی را مورد مطالعه قرار می‌دهیم.

نحوه کار هوش مصنوعی در زیست‌شناسی و تحقیقات بیولوژیکی

فن‌آوری‌های هوش مصنوعی در زیست‌شناسی به ما این امکان را می‌دهند که داده‌ها را در مقیاس‌های بی‌سابقه جمع‌آوری کرده و داده‌ها را متصل و آنالیز کنیم. همچنین مدل‌های پیش‌بینی جامعی را نیز ایجاد کنیم که زیرشاخه‌های مختلفی را دربر می‌گیرد.

هوش مصنوعی در زیست شناسی یک فناوری مهم تلقی می‌شود که توانایی‌ و قابلیت‌های ما را برای به انجام‌رساندن تحقیقات بیولوژیکی در هر مقیاسی افزایش می‌دهد. باید منتظر بود تا هوش مصنوعی در قرن حاضر زیست شناسی را متحول کند، درست مانند علم آمار که زیست شناسی را در قرن بیستم متحول کرد. با این حال، مشکلات بسیار زیادی در به کارگیری از هوش مصنوعی در زیست‌شناسی وجود دارد از جمله جمع‌آوری داده‌ها، توسعه علوم جدید در قالب نظریه‌هایی که زیرشاخه‌ها را به هم متصل می‌کنند و مدل‌های جدید هوش مصنوعی مانند مدل‌های پیش‌بینی و تفسیری که بیشتر از تکنیک‌های یادگیری ماشین و هوش مصنوعی موجود برای زیست شناسی و تحقیقات بیولوژیکی مناسب هستند. تلاش‌ها برای توسعه استفاده از هوش مصنوعی در زیست‌شناسی مستلزم همکاری‌های گسترده بین دانشمندان حوزه بیولوژیکی و محاسباتی است.

پیش‌بینی ساختار پروتئین‌ با به‌کارگیری هوش‌ مصنوعی در زیست‌شناسی

از کاربردهای هوش مصنوعی در زیست‌شناسی برای پیش بینی ساختار بیش از 20000 پروتئین انسانی و تقریبا تمام پروتئین‌های شناخته شده و تولید شده توسط 20 مدل استفاده شده است. موجوداتی مانند اشریشیا کلی، مگس میوه و مخمر، و همچنین دانه سویا و برنج آسیایی. این مجموعه حدود 365000 پیش‌بینی را شامل می‌شود.
محققان DeepMind، یک شرکت هوش مصنوعی مستقر در لندن، ابزار یادگیری ماشینی به نام AlphaFold را توسعه داده‌ است. محققان این برنامه را بر روی توالی‌های  DNA، از جمله تاریخچه تکاملی آن‌ها، و شکل‌های شناخته‌شده ده‌ها هزار پروتئین موجود در پایگاه داده‌هایی با دسترسی باز که توسط محققان EBI EMBL تغذیه شده بود، آموزش دادند. تیم DeepMind این شرکت همچنین کد منبع AlphaFold را منتشر کرده و نحوه ساخت آن را شرح داده است.

زیست شناسان ساختاری و سایر محققان در حال حاضر شروع به استفاده از AlphaFold برای به دست آوردن مدل‌های دقیق تر برای پروتئین هایی کرده‌اند که شناسایی آنها با روش‌های تجربی فعلی دشوار یا غیرممکن است. یکی از مهم‌ترین کاربرد‌های هوش مصنوعی در زیست‌شناسی افزایش سرعت پیش بینی ساختار پروتئین‌  است.
از زمان کشف ساختار DNA  در سال 1953، پیش‌بینی شکل سه بعدی که پروتئین‌ها به آن تبدیل می‌شوند، یکی از چالش‌های بزرگ زیست‌شناسی بوده است. پیش از ورود هوش مصنوعی در زیست‌شناسی، پیش‌بینی ساختار از روی توالی، فرآیندی بسیار زمان‌بر بود که ضمانتی هم برای گرفتن نتیجه دقیق نداشت. داده‌های جدید همچنان نیاز به تأیید تجربی داشتند. اما ابزارهای هوش مصنوعی مثل یادگیری ماشینی می‌توانند ساختار پروتئین را طی چند دقیقه تا چند ساعت به دقت پیش‌بینی کنند (در مقایسه با ماه‌ها یا سال‌ها که برای تعیین ساختار فقط یک یا دو پروتئین طول می‌کشید) و این مسئله می‌تواند راه را برای کاربردهای مختلف باز کند. به عنوان مثال در مهندسی آنزیم‌ها برای تجزیه آلاینده‌های محیطی مانند میکروپلاستیک‌ها.

پیشرفت‌های هوش مصنوعی در حوزه بیوانفورماتیک

هوش مصنوعی در زیست‌شناسی کاربرد‌های دیگری هم دارد و در حوزه‌ بیوانفورماتیک برای پیش بینی توالی DNA  و RNA با استفاده از فرآیندهای بیولوژیکی مانند رشد Generiam و داده ها Machine Learning  استفاده می‌شود. اما می‌توان گفت که آخرین پیشرفت‌ها در هوش مصنوعی تا حد زیادی با حوزه بیوانفورماتیک مرتبط بوده‌ است.

در دو دهه گذشته مجموعه‌ای از داده‌های توالی‌یابی عظیم دیده شده است. داده‌های توالی‌یابی ژنوم و داده‌های توالی پروتئین به دقت توسط گروه‌های تحقیقاتی مختلف جمع‌آوری و حاشیه‌نویسی می‌شوند. این داده‌ها در پیوند با مدل‌های هوش مصنوعی برای اهداف مختلف تحلیلی و پیش‌بینی استفاده می‌شوند. به عنوان مثال، پیش‌بینی ایمنی زایی یک آنتی ژن خاص بر اساس توالی ارائه شده است.

تصویربرداری و تشخیص به کمک هوش مصنوعی

بهداشت و درمان نمونه‌ای از بخش مراقبت‌های بهداشتی است که از هوش مصنوعی در زیست شناسی به طور قابل‌ توجهی استفاده می‌کند.
یکی از موارد استفاده عمده از هوش مصنوعی در زیست شناسی را می‌توان در مراقبت‌های بهداشتی مشاهده کرد. تشخیص‌های چندگانه به تکنیک‌های تصویربرداری مختلف مانند ام‌آر‌آی، سی‌تی‌اسکن، اسکن PET، اشعه ایکس و غیره متکی هستند. اکنون با استفاده از هوش مصنوعی، مدل‌ها با تعداد زیادی داده مشروح آموزش داده می‌شوند (جایی که بیماری مربوطه قبلا شناخته شده است). پس از آموزش مناسب با تنوع کافی از داده‌ها، این مدل می‌تواند بیماری یا مشکل را در حد یک متخصص انسانی (یا حتی بهتر) پیش بینی کند. یکی از نمونه‌های رایج، تشخیص ذات‌الریه از اسکن ریه‌ها با اشعه ایکس یا تصاویر سی تی اسکن ریه است. این نوع اتوماسیون به ویژه در گسترش مزایای سلامتی در کشورهای در حال توسعه که نسبت پزشک به بیمار به طور قابل توجهی کمتر است مفید بوده است. براساس در دسترس بودن داده‌ها، طبقه‌بندی می‌تواند دودویی ساده (مانند سؤال بله/خیر یا وجود/ عدم وجود تومورها) یا طبقه‌بندی چند پله‌ای بسیار پیچیده (تشخیص و فهرست‌نویسی مورفولوژی‌های سلولی مختلف از یک تصویر میکروسکوپی، که معمولا به یک ناظر انسانی نیاز دارد) باشد.
به غیر از تشخیص و اسکن و تصویربرداری مرتبط با سلامت، هوش مصنوعی به طور فزاینده‌ای در سایر مطالعات تحقیقاتی مبتنی بر تصویربرداری استفاده می‌شود. کامپیوترها قادر به جذب و پردازش حجم زیادی از داده‌ها هستند و اکنون با استفاده از هوش مصنوعی می‌توان از آن‌ها برای جستجوی الگوهای پیچیده استفاده کرد. برای مثال، تعداد کمی از آزمایشگاه‌های تحقیقاتی در تلاش هستند تا به دنبال ارتباط بین پیشرفت بیماری آلزایمر و داده‌های MRIو  fMRI( عملکردی) برای برخی اعمال رفتاری در مقایسه با حالت استراحت باشند.

نتیجه‌گیری

هوش مصنوعی در زیست‌شناسی کاربرد‌های مختلفی دارد که از اکولوژی گرفته تا اپیدمیولوژی، زیست شناسی مولکولی تا زیست شناسی سیستم و بسیاری موارد دیگر را شامل می‌شود. هر روز هوش مصنوعی بیشتر از قبل مورد استقبال واقع می‌شود و گروه‌های تحقیقاتی بیشتری مدل‌های هوش مصنوعی را برای اهداف مختلف تطبیق می‌دهند. امیدواریم این مقاله نگاهی اجمالی به مجموعه متنوعی از برنامه‌هایی که هوش مصنوعی می‌تواند برای آنها استفاده شود، ارائه کرده باشد.

انواع کاربردهای هوش مصنوعی در صنایع مختلف را در هوشیو بخوانید