Netflix와 Facebook이 사용하는 것과 유사한 알고리즘은 암의 생물학적 언어를 “예측”할 수 있습니다.

넷플릭스, 아마존, 페이스 북에서 사용되는 알고리즘과 유사한 알고리즘은 암, 알츠하이머 및 기타 신경 퇴행성 질환의 “생물학적 언어”를 해독하는 능력을 보여주었습니다.

연구진은 질병 진행으로 이어지는 단백질에 문제가 생기면 어떤 일이 발생하는지 알아보기 위해 AI 권장 사항과 함께 광범위한 언어 모델을 훈련했습니다.

St John ‘s College와 University of Cambridge에서 수행 한이 연구는 기능과 불균형을 이해하기 위해 세포에서 단백질 방울의 모양을 변경하는 언어를 배우는 알고리즘을 프로그래밍했습니다.

이 단백질 방울의 언어를 학습함으로써 팀은“질병을 유발하는 세포 내의 문법 오류를 수정할 수 있습니다 ”.

비디오를 보려면 아래로 스크롤하십시오.

연구진은 질병 진행으로 이어지는 단백질에 문제가 생기면 어떤 일이 발생하는지 알아보기 위해 AI 권장 사항과 함께 광범위한 언어 모델을 훈련했습니다.

St. John ‘s College의 연구원 인 Thomas Knowles 교수는 다음과 같이 말했습니다 .“ 이러한 단백질 방울과 관련된 모든 결함은 암과 같은 질병으로 이어질 수 있습니다.

그렇기 때문에 질병을 일으키는 세포 내의 문법 오류를 수정할 수 있으려면 단백질 결함의 분자 기원에 대한 연구에 자연어 처리 기술을 도입하는 것이 중요합니다.

머신 러닝 기술은 기술 산업에서 물결을 일으켰습니다. Netflix는이를 사용하여 프로그램을 추천하고 Facebook은 누군가를 친구에게 추천하며 Amazon의 Alexa는 음성을 기반으로 사람을 인식하는 알고리즘을 가지고 있습니다.

그러나 의료계는 생명을 구하는 방식으로 기술을 수용하고 있습니다.

알고리즘을 프로그래밍하여 세포의 단백질 방울 모양을 변경하여 기능과 이상을 이해하는 언어를 학습합니다.  사진은 살아있는 세포 내부에 형성되는 단백질 축전기입니다.

알고리즘을 프로그래밍하여 세포의 단백질 방울 모양을 변경하여 기능과 이상을 이해하는 언어를 학습합니다. 사진은 살아있는 세포 내부에 형성되는 단백질 축전기입니다.

이 연구의 주 저자 인 Knowles는 “신경 퇴행성 질환과 암 연구에 머신 러닝 기술을 도입 한 것은 절대적인 게임 체인저”라고 말했습니다.

궁극적으로 목표는 인공 지능을 사용하여 표적 약물을 개발하여 증상을 현저히 완화하거나 치매를 전혀 예방하는 것입니다.

이 논문의 제 1 저자이자 St. John ‘s College의 연구원 인 Qazi Lisar 박사는 단백질의 비밀을 밝히기 위해 대규모 언어 모델 교육을 의뢰했습니다.

READ  "기존의 암흑 물질 이론에 누락 된 부분이있다"- Sciencetimes

“인체에는 수천 개의 단백질이 있으며 과학자들은 아직 많은 단백질이 무엇을하는지 알지 못합니다. 우리는 단백질의 언어를 배우기 위해 신경망을 기반으로 한 언어 모델을 요청했습니다.”라고 그녀는 말했습니다.

우리는 특별히이 프로그램에 생물학적 기능, 암을 유발하는 기능 장애, 알츠하이머 병과 같은 신경 퇴행성 질환의 언어를 깨뜨리기 위해 과학자들이 이해해야하는 생체 분자 억 제기의 모양을 바꾸는 언어를 배우도록 요청했습니다.

우리는 명시 적으로 말하지 않고도 과학자들이 수십 년 동안의 연구를 통해 단백질 언어에 대해 이미 발견 한 것을 배울 수 있음을 발견했습니다.

단백질은 신체에서 여러 가지 주요 역할을하지만 대부분의 작업은 세포에서 이루어집니다. 단백질은 구조, 기능을 제공하고 신체의 조직과 기관을 조절합니다.

알츠하이머 병, 파킨슨 병 및 헌팅턴병은 가장 흔한 신경 퇴행성 질환 중 세 가지이지만 과학자들은 수백 가지가 있다고 생각합니다.

전 세계적으로 5 천만 명의 사람들에게 영향을 미치는 알츠하이머 병에서 단백질은 악 해져 덩어리를 형성하고 건강한 뉴런을 죽입니다.

건강한 뇌에는 응집체라고하는 잠재적으로 위험한 단백질 덩어리를 효과적으로 제거하는 품질 관리 시스템이 있습니다.

과학자들은 이제 일부 무질서한 단백질이 막이없는 응축 물이라고하는 액체와 같은 단백질 방울을 형성하고 서로 자유롭게 합쳐진다고 믿습니다.

비가 역적 단백질 응집체와는 달리, 단백질 응축 물은 형성되고 수선 될 수 있으며 종종 용암 램프에서 모양을 바꾸는 왁스 포인트와 비교됩니다.

“단백질 억제제는 최근 과학계에서 많은 주목을 받고있는 이유는 DNA가 단백질로 변환되는 방법, 단백질 합성 등의 유전자 발현과 같은 세포의 주요 이벤트를 제어하기 때문입니다. 세포가 단백질을 만드는 방법”이라고 Knowles는 말했습니다.

이러한 단백질 방울과 관련된 모든 결함은 암과 같은 질병으로 이어질 수 있습니다. 그렇기 때문에 질병을 일으키는 세포 내의 문법 오류를 수정할 수 있으려면 단백질 결함의 분자 기원에 대한 연구에 자연어 처리 기술을 도입하는 것이 중요합니다.

머신 러닝 기술은 데이터 가용성 증가, 컴퓨팅 성능 향상 및보다 강력한 알고리즘을 만든 기술 발전으로 인해 빠른 속도로 진화하고 있습니다.

“알고리즘에 알려진 단백질에 대한 모든 데이터를 제공하여 이러한 모델이 인간의 언어를 학습하는 것과 같은 방식으로 단백질의 언어를 학습하고 예측할 수 있도록했습니다. WhatsApp이 사용자가 사용할 단어를 제안하는 방법을 아는 방법”이라고 박사는 말했습니다. .

그런 다음 일부 단백질 만 세포 내 축전기를 형성하도록하는 구체적인 규칙에 대해 물어볼 수있었습니다. 그것은 매우 어려운 문제이며 그것을 여는 것은 질병 언어의 문법을 배우는 데 도움이 될 것입니다.

기계 학습의 추가 사용은 향후 암 및 신경 퇴행성 질환 연구를 바꿀 수 있습니다.

과학자들이 현재 질병에 대해 알고 추측하는 것 이상으로, 아마도 기계 학습의 도움없이 인간의 뇌가 이해할 수있는 것 이상으로 발견이 이루어질 수 있습니다.

“기계 학습은 연구자들이 과학적 탐구의 목표라고 믿는 것에 대한 제약으로부터 자유로울 수 있으며, 이는 우리가 아직 상상하지 못한 새로운 연결이 발견 될 것임을 의미합니다.”라고 Saar 박사는 설명했습니다.

“정말, 정말, 매우 신나는 일입니다.”

Written By
More from Gal Dong-Yul

댓글 남기기

이메일은 공개되지 않습니다. 필수 입력창은 * 로 표시되어 있습니다