בינה מלאכותית (AI) משמשת יותר ויותר בגנומיקה כדי לנפות כמויות אדירות של נתוני גנום כדי לזהות מטרות טיפוליות פוטנציאליות, למרות האופי האטום של קבלת החלטות בינה מלאכותית. כדי להתמודד עם זה, מדעני מעבדת Cold Spring Harbor פיתחו SQUID (Surrogate Quantitative Interpretability for Deepnets), כלי שנועד לשפר את יכולת הפרשנות של מודלים של AI בגנומיקה.
SQUID, שפותח על ידי מדענים במעבדת Cold Spring Harbor, משפר את יכולת הפרשנות של AI בגנומיקה על ידי שימוש בספרייה גדולה של DNA גרסאות ותוכנית MAVE-NN לנתח את ההשפעות שלהן.
כלי זה עוזר לחוקרים לבצע תחזיות גנטיות מדויקות יותר ותומך בפיתוח השערות להבנה טובה יותר של פונקציות גנומיות.
SQUID Pries Open AI Black Box
בינה מלאכותית ממשיכה להתפתל להיבטים רבים של חיינו. אבל מה לגבי ביולוגיה, חקר החיים עצמם? בינה מלאכותית יכולה לנפות בין מאות אלפי נקודות מידע גנום כדי לזהות מטרות טיפוליות פוטנציאליות חדשות. בעוד שהתובנות הגנומיות הללו עשויות להיראות מועילות, מדענים אינם בטוחים כיצד מודלים של AI של ימינו מגיעים למסקנותיהם מלכתחילה. כעת, מערכת חדשה בשם SQUID מגיעה למקום חמושה כדי לפתוח את הקופסה השחורה של ה-AI של ההיגיון הפנימי העכור.
איור המתאר את הצינור החישובי של SQUID. קרדיט: Koo and Kinney Labs / Cold Spring Harbor Laboratory
SQUID: שיפור פירוש בינה מלאכותית
SQUID, קיצור של Surrogate Quantitative Interpretability for Deepnets, הוא כלי חישובי שנוצר על ידי מדעני Cold Spring Harbor Laboratory (CSHL). הוא נועד לעזור לפרש כיצד מודלים של AI מנתחים את הגנום. בהשוואה לכלי ניתוח אחרים, SQUID עקבי יותר, מפחית רעשי רקע ויכול להוביל לתחזיות מדויקות יותר לגבי ההשפעות של מוטציות גנטיות.
איך זה עובד הרבה יותר טוב? המפתח, אומר עוזר פרופסור CSHL פיטר קו, טמון בהכשרה המיוחדת של SQUID.
"הכלים שאנשים משתמשים בהם כדי לנסות להבין את המודלים האלה הגיעו ברובם מתחומים אחרים כמו ראייה ממוחשבת או עיבוד שפה טבעית. למרות שהם יכולים להיות שימושיים, הם לא אופטימליים לגנומיקה. מה שעשינו עם SQUID היה למנף עשרות שנים של ידע גנטיקה כמותי כדי לעזור לנו להבין מה הרשתות העצביות העמוקות הללו לומדות", מסביר קו.
Evan E. Seitz, המחבר הראשי של מחקר זה, הוא פוסט דוקטורט במעבדות Kinney and Koo. קרדיט: Cold Spring Harbor Laboratory
SQUID פועל על ידי יצירת תחילה ספרייה של למעלה מ-100,000 רצפי DNA וריאנטים. לאחר מכן הוא מנתח את ספריית המוטציות והשפעותיהן באמצעות תוכנית בשם MAVE-NN (Multiplex Assays of Variant Effects Neural Network). כלי זה מאפשר למדענים לבצע אלפי ניסויים וירטואליים בו זמנית. למעשה, הם יכולים "לדוג" את האלגוריתמים שמאחורי התחזיות המדויקות ביותר של AI נתון. ה"תפיסה" החישובית שלהם יכולה להוות את הבמה לניסויים שמתבססים יותר במציאות.
ההשפעה המעשית של SQUID
"ניסויים בסיליקו (וירטואליים) אינם תחליף לניסויי מעבדה בפועל. עם זאת, הם יכולים להיות מאוד אינפורמטיביים. הם יכולים לעזור למדענים לגבש השערות כיצד אזור מסוים בגנום פועל או כיצד למוטציה עשויה להיות השפעה קלינית רלוונטית", מסביר פרופסור חבר ב-CSHL, ג'סטין קיני, מחבר שותף במחקר.
יש טונות של דגמי AI בים. יותר נכנסים למים בכל יום. קו, קיני ועמיתיו מקווים ש-SQUID יעזור למדענים לתפוס את אלה שעונים בצורה הטובה ביותר על הצרכים המיוחדים שלהם.
למרות ממופה, הגנום האנושי נותר שטח מאתגר להפליא. SQUID יכול לעזור לביולוגים לנווט את התחום בצורה יעילה יותר, ולקרב אותם להשלכות הרפואיות האמיתיות של הממצאים שלהם.
מימון: קרן סימונס, המכונים הלאומיים לבריאותקרן אלפרד פ. סלואן
