پیش‌بینی آغاز آلزایمر با کمک هوش مصنوعی

به گزارش همشهری آنلاین، ایسنا به نقل از مجله PNAS، گروهی از پژوهشگران کره جنوبی با کمک یک ابزار مبتنی بر هوش مصنوعی، به بررسی ژن "PLCg1" در مدل‌های مبتلا به بیماری آلزایمر پرداخته‌اند و اتصالات جدیدی را در آن یافته‌اند.

نوع اتصالات، بیان ژن را تنظیم می‌کند و بر فنوتیپ‌های گوناگون اثر می‌گذارد. به خصوص، انواع ژنتیکی ناشی از نوع اتصال آران‌ای، اغلب در افراد مبتلا به اختلالات رشد عصبی یافت می‌شود.

این گروه پژوهشی توانستند اتصالات پنهان شده در رونوشت ژنتیکی را به واسطه هوش مصنوعی مبتنی بر یادگیری عمیق، در مدل‌های مبتلا به بیماری آلزایمر مشخص کنند.

آنها با کمک یادگیری عمیق، ۱۴ محل اتصال جدید را در ژن PLCg1 مشخص کردند که عنصر اصلی مکانیسم انتقال سیگنال به شمار می‌روند. همچنین، تجزیه و تحلیل‌ها، یک محل اتصال جدید را در اگزون ۲۶ انسان و در ژن PLCg1 نشان دادند.

بررسی‌ها، پردازش غیرعادی آران‌ای را در اگزون ۲۷ ژن PLCg1 در مغز موش‌های مبتلا به بیماری آلزایمر نشان داد.

پیش بینی زمان بیماری آلزایمر با هوش مصنوعی

پژوهشگران در این بررسی برای نخستین بار نشان دادند که تنوع ژنتیکی موسوم به "SNV"، به تغییر آمینواسیدهای پروتئین‌ها در اگزون ۲۷ منجر می‌شود. این ناحیه، اهمیت زیادی برای هم‌ایستایی دارد زیرا توالی جهش یافته، توالی محافظت شده تکاملی است که در گونه‌های متفاوت مانند انسان، میمون، موش، مرغ، ماهی، گورخر و غیره صورت می‌گیرد. 

دکتر "جائه یئول جو"(Jae-Yeol Joo)، پژوهشگر ارشد این پروژه گفت: انواع نوظهور کروناویروس در انگلستان گزارش شده‌اند که قابلیت انتقال آنها نسبت به ویروس‌های پیشین بیشتر است.

این انواع کروناویروس، جهش یافته‌اند و آمینواسید پروتئین خوشه‌ای خود را تغییر داده‌اند.

جو افزود: پژوهش‌های ما، اطلاعات و روش‌های ارزشمندی را برای بیماری‌های گوناگون انسانی ارائه خواهند داد. این پژوهش‌ها به واسطه بررسی مغز با استفاده از هوش مصنوعی صورت می‌گیرند تا امکان درک بیماری‌های گوناگون از جمله آلزایمر را فراهم کنند. بدین ترتیب، ما می‌توانیم به اطلاعات مهمی در رابطه با تشخیص و درمان دست پیدا کنیم.