فناوری سلول مجازی مبتنی بر هوش مصنوعی می‌تواند نشان دهد تغییرات ژنتیکی و داروها چگونه سلول‌ها را دگرگون می‌کنند

phys.org

انتشار در منبع: انتشار در سایت ما:

مقاله اصلی · English

۱۹ نوامبر ۲۰۲۶

نویسنده: ایمی لایفست، دانشگاه تگزاس اِی‌اند‌اِم

پژوهشگران هوش مصنوعی را برای درک و درمان بیماری‌ها توسعه می‌دهند
نمایی کلی از راهکارهای پیشنهادی برای مدل‌سازی اثر مداخلات زیستی. منبع: arXiv (۲۰۲۶)، شناسه DOI: 10.48550/arxiv.2607.18777

مدل‌های امروزی هوش مصنوعی می‌توانند پیش‌بینی کنند که آیا فردی با یک تغییر ژنتیکی به بیماری مبتلا خواهد شد یا نه؛ اما هنوز قادر نیستند به دو پرسش اساسی پاسخ دهند: چرا بیماری بروز کرده است و چگونه می‌توان برای درمان آن راهکاری طراحی کرد؟

برای پر کردن این شکاف، پژوهشگران دپارتمان مهندسی برق و کامپیوتر دانشگاه تگزاس اِی‌اند‌اِم در حال توسعه فناوری جدیدی برای ساخت سلول‌های مجازی مبتنی بر هوش مصنوعی هستند. این فناوری می‌تواند پیش‌بینی کند که تغییرات ژنتیکی و اثر داروها چگونه رفتار سلول‌ها را دگرگون می‌کنند و در عین حال، سازوکارهای زیستی زیربنای این تغییرات را آشکار سازد.

دکتر یانگ شن، استاد مهندسی برق و کامپیوتر، در این پروژه مشارکت دارد و از دکتر دونگ‌کوان کیم، پژوهشگر پسادکتری، و ییمینگ گائو، دانشجوی دکتری که هدایت اصلی این طرح را بر عهده دارند، حمایت می‌کند. یینینگ یانگ، دیگر دانشجوی دکتری، نیز در این پروژه با گروه همکاری دارد.

انتظار می‌رود این سامانه به دانشمندان کمک کند مسیرهای زیستی مرتبط با بیماری‌ها را عمیق‌تر بشناسند، اهداف دارویی جدیدی شناسایی کنند و درمان‌های مؤثرتری طراحی کنند.

مدل فعلی این گروه با نام PertReason برای ارائه در کنفرانس سامانه‌های پردازش اطلاعات عصبی (NeurIPS 2026) پذیرفته شده است. مقاله پژوهشی این پروژه نیز در مخزن پیش‌چاپ arXiv در دسترس است.

نسخه اولیه این پژوهش نیز در ماه ژوئیه، در سئول کره جنوبی، طی سومین کارگاه مدل‌های پایه چندوجهی و مدل‌های زبانی بزرگ برای علوم زیستی، هم‌زمان با کنفرانس بین‌المللی یادگیری ماشین (ICML 2026) ارائه شده بود. نسخه پیشین مقاله در دسترس است.

به‌کارگیری مهندسی برق برای دستیابی به پیشرفت‌های زیستی

استفاده از اصول مهندسی برق در زیست‌شناسی ایده تازه‌ای نیست؛ با این حال، گروه پژوهشی با به‌کارگیری این رویکرد توانسته است گام تازه‌ای در شناسایی فرایندهای منتهی به تغییرات سلولی بردارد.

بسیاری از روش‌های سنتی بر بررسی اجزای زیستی به‌صورت جداگانه تمرکز دارند؛ اما PertReason به پژوهشگران امکان می‌دهد تأثیر داروها و تغییرات ژنتیکی را در شبکه‌های ژنتیکی سلول‌ها دنبال کنند. این دامنه گسترده‌تر اطلاعات به دانشمندان کمک می‌کند بفهمند چرا یک تغییر زیستی به بیماری منجر می‌شود و چگونه می‌توان راه‌های مؤثرتری برای درمان آن پیدا کرد.

شن می‌گوید: «در گذشته، بخش زیادی از فعالیت‌های ما بر مولکول‌های بنیادی حیات، مانند پروتئین‌ها، متمرکز بود. اکنون پژوهش‌های ما از سطح مولکولی فراتر رفته و به سطح سلولی رسیده است. در واقع، مقیاس موضوعاتی را که بررسی می‌کنیم گسترش داده‌ایم.»

استفاده از مدل‌های هوش مصنوعی، از جمله مدل‌های زبانی بزرگ (LLM)، بخش مهمی از فعالیت‌های پژوهشی شن را تشکیل می‌دهد. پژوهش‌های او در این حوزه با هدف اطمینان از آن انجام می‌شود که مدل‌های هوش مصنوعی، ضمن دستیابی دقیق به نتایج، قابل توضیح و قابل اعتماد باشند.

گروه او همچنین معیاری برای ارزیابی مدل‌های هوش مصنوعی با نام PertReasonQA توسعه داده است. این معیار نه‌تنها دقت پاسخ‌های مدل‌های زبانی بزرگ، بلکه صحت استدلالی را که به ارائه آن پاسخ منجر می‌شود نیز بررسی می‌کند. این ابزار به پژوهشگران کمک می‌کند مواردی را شناسایی کنند که مدل به پاسخ درست رسیده، اما برای رسیدن به آن از داده‌ها و اطلاعات مناسبی استفاده نکرده است.

این گروه همچنین یک مدل هوش مصنوعی را آموزش داده است تا بتواند مسیرهای زیستی را به‌صورت استدلالی بررسی کند و در نتیجه، پیش‌بینی‌های قابل‌اعتمادتری ارائه دهد.

نمایی از فرایند ساخت مجموعه ارزیابی PertReasonQA
نمایی کلی از فرایند ساخت PertReasonQA. منبع: arXiv (۲۰۲۶)، شناسه DOI: 10.48550/arxiv.2607.18777

رویکردی تازه برای درک و درمان بیماری‌ها

شن و اعضای گروهش در مراحل اولیه پژوهش، همکاری با دانشمندان بالینی را آغاز کردند که با بیماران مبتلا به سرطان پستان در ارتباط بودند.

آن‌ها از نزدیک با چالش‌هایی آشنا شدند که بیماران با آن‌ها روبه‌رو هستند؛ به‌ویژه بیمارانی که در ابتدا به درمان پاسخ می‌دهند، اما پس از مدتی به‌طور ناگهانی در برابر آن مقاوم می‌شوند. پژوهشگران به این نتیجه رسیدند که باید برای حل این مشکل تلاش کنند، نه اینکه صرفاً پیامدهای آن را بررسی کنند.

شن می‌گوید: «اینکه مدل هوش مصنوعی شما معیارهای عددی خوبی داشته باشد و از نظر فنی موفق عمل کند، یک مسئله است؛ اما اینکه پژوهش شما واقعاً بتواند بر زندگی انسان‌ها تأثیر بگذارد، مسئله‌ای کاملاً متفاوت است. می‌دانیم که تغییرات ژنتیکی ممکن است عامل متاستاز سرطان باشند؛ اما پرسش طبیعی این است که این فرایند چرا آغاز می‌شود و چگونه می‌توان با آن مقابله کرد.»

این سامانه با کمک به دانشمندان برای محدود کردن دامنه مسیرهای زیستی و مشخص کردن مسیرهایی که باید در اولویت بررسی قرار گیرند، می‌تواند میزان آزمون‌وخطا را کاهش دهد. همچنین با اولویت‌بندی مسیرهای امیدوارکننده‌تر، در زمان و منابع صرفه‌جویی می‌کند و به پیشرفت اکتشافات پزشکی کمک می‌کند.

گام بعدی در فناوری سلول مجازی مبتنی بر هوش مصنوعی چیست؟

شن و گروه پژوهشی‌اش پس از موفقیت مدل فعلی، قصد دارند قابلیت‌های آن را بیش از پیش گسترش دهند.

با ورود اخیر ابررایانه VISION دانشگاه تگزاس اِی‌اند‌اِم به محوطه دانشگاه، شن قصد دارد از توان پردازشی بالای آن برای پیشبرد مدل‌های سلول مجازی مبتنی بر هوش مصنوعی استفاده کند. هدف این است که این مدل‌ها به نسخه‌های مجازی از بدن انسان تبدیل شوند؛ نسخه‌هایی که با عنوان «دوقلوهای دیجیتال» شناخته می‌شوند و می‌توانند به تصمیم‌گیری‌های پزشکی کمک کنند.

شن می‌گوید: «مشتاقم چشم‌اندازمان برای ایجاد دوقلوهای دیجیتال چندمقیاسی از بیماران و توسعه پزشکی شخصی‌سازی‌شده را محقق کنیم. هدف نهایی ما همواره حمایت از پزشکان و بهبود پیامدهای درمانی بیماران است.»

پس از پذیرفته شدن این پژوهش در کنفرانس NeurIPS، اعضای گروه همچنان برای تحقق چشم‌انداز بلندمدت خود تلاش می‌کنند؛ چشم‌اندازی که استفاده از هوش مصنوعی برای کشف راه‌های تازه در درک و درمان شخصی‌سازی‌شده بیماری‌ها را دنبال می‌کند.

مشخصات انتشار پژوهش

دونگ‌کوان کیم و همکاران، «PertReason: معیاری مبتنی بر دانش و چارچوبی برای استدلال سازوکارمحور درباره اثرات مداخلات زیستی با در نظر گرفتن وضعیت سلول»، arXiv (۲۰۲۶). شناسه DOI: 10.48550/arxiv.2607.18777

اطلاعات نشریه: arXiv

مفاهیم کلیدی: سازمان‌دهی، فیزیولوژی و پویایی سلولی؛ شبکه‌های زیستی؛ هوش مصنوعی؛ روش‌های تحلیل شبکه‌های زیستی.

ارائه‌شده از سوی دانشگاه تگزاس اِی‌اند‌اِم.