به گفته پژوهشگران، یک مدل جدید مبتنی بر هوش مصنوعی قادر است «زبان» ژنتیکی گیاهان را درک کند.
این مدل مشهور به «پلنت آر‌ان‌‌ــ‌اف‌ام» (Plant RNA-FM) که گفته می‌شود نخستین مدل از این نوع است، با استفاده از داده‌های اسید ریبونوکلئیک گیاهی یا همان آر‌ان‌ای آموزش داده شده است.
آر‌ان‌ای یک مولکول بزرگ است که در بیشتر موجودات زنده و ویروس‌ها حضور دارد و شباهت‌هایی با دی‌ان‌ای دارد. در گیاهان، سلول‌ها از آر‌ان‌ای برای ارتباط با یکدیگر استفاده می‌کنند تا رشدشان را هماهنگ و تعیین کنند که چگونه و کجا رشد کنند.
این مدل از یک مجموعه داده شامل ۵۴ میلیارد قطعه آر‌ان‌ای استفاده کرده است که یک «الفبای ژنتیکی» در یک هزار و ۱۲۴ گونه گیاهی از سراسر جهان را تشکیل می‌دهد. به گفته آموزش‌دهندگان «پلنت آر‌ان‌اف‌ام»، این مدل توانسته است «گرامر» و منطق آر‌ان‌ای را درک کند؛ مشابه چگونگی پاسخگویی چت‌بات «چت‌جی‌پی‌تی» شرکت اوپن‌ای‌آی به زبان انسان.
دکتر هاوپنگ یو، پژوهشگر پسادکترا در مرکز جان اینس انگلستان، گفت: «اگرچه توالی‌های آر‌ان‌ای ممکن است به نظر انسان تصادفی بیایند، مدل هوش مصنوعی ما توانسته است الگوهای پنهان درون آن‌ها را رمزگشایی کند.»
Read More
This section contains relevant reference points, placed in (Inner related node field)
یو یکی از نویسندگان مقاله پژوهشی بود که این مرکز و دانشمندان رایانه دانشگاه اکستر روز دوشنبه در مجله «نیچر ماشین اینتلینجنس» (Nature Machine Intelligence) منتشر کردند. دانشمندانی از دانشگاه نرمال شمال شرق چین و آکادمی علوم چین نیز در این کار مشارکت داشتند.
پژوهشگران از این مدل برای پیش‌بینی عملکرد آر‌ان‌ای و شناسایی الگوهای خاصی از ساختار آر‌ان‌ای استفاده کرده‌اند‌ــ یک «زبان کلیدی» در مولکول‌های آر‌ان‌ای که آر‌ان‌ای‌ها در آن می‌توانند در سراسر ترانسکریپتوم سلول یا تمام مولکول‌هایی که یک ارگانیسم بیان می‌کند، به صورت ساختارهای پیچیده‌ای شوند که عملکردهایی مانند تحمل استرس و رشد گیاه را تنظیم می‌کنند.
مرکز جان اینس اعلام کرد که آزمایش‌ها پیش‌بینی‌ها را تایید کرده و نشان داده‌اند که ساختارهای آر‌ان‌ای شناسایی‌شده در این مدل توانایی تاثیرگذاری بر کارآیی ترجمه اطلاعات ژنتیکی به پروتئین را دارند. ترجمه فرایندی در سلول‌های زنده است که طی آن، پروتئین‌ها با استفاده از مدل‌های آر‌ان‌ای تولید می‌شوند. پروتئین‌ها در تقریبا تمام فرایندهای سلولی نقشی حیاتی ایفا می‌کنند و واکنش‌های شیمیایی را کاتالیز می‌کنند.
نویسندگان می‌گویند با این یافته‌ها، این مدل می‌تواند به پیشبرد نوآوری در علم گیاه‌شناسی و احتمالا در تحقیقات مربوط به بی‌مهرگان و باکتری‌ها کمک کند. آن‌ها امیدوارند برای درک زبان‌های آر‌ان‌ای و دی‌ان‌ای، یعنی کد ژنتیکی ما، روش‌های پیشرفته‌تری را توسعه دهند.
پروفسور یی‌لیانگ دینگ که سرپرستی گروه [تحقیقاتی یادشده در] این مرکز را بر عهده دارد، گفت: «این پیشرفت امکانات جدیدی را برای درک و احتمالا برنامه‌ریزی گیاهان فراهم می‌کند که این امر می‌تواند آثار عمیقی بر بهبود محصولات کشاورزی و نسل بعدی طراحی ژنی مبتنی بر هوش مصنوعی داشته باشد. هوش مصنوعی به طور فزاینده‌ای به ابزاری مهم برای کمک به دانشمندان گیاه‌شناس در مقابله با چالش‌ها تبدیل شده است؛ از تغذیه جمعیت جهانی گرفته تا توسعه محصولاتی که بتوانند در یک اقلیم در حال تغییر دوام بیاورند.»
© The Independent
