با مطالعه تغییرات در بیان ژن، محققان می آموزند که سلول ها چگونه در سطح مولکولی عمل می کنند، که می تواند به آنها در درک پیشرفت بیماری های خاص کمک کند.
اما انسان‌ها حدود 20000 ژن دارند که می‌توانند به روش‌های پیچیده‌ای بر یکدیگر تأثیر بگذارند، بنابراین حتی دانستن اینکه کدام مجموعه‌ای از ژن‌ها را هدف قرار دهیم، یک مشکل بسیار پیچیده است. علاوه بر این، ژن ها در ماژول هایی با هم کار می کنند که یکدیگر را تنظیم می کنند.
محققان MIT در حال حاضر مبانی نظری را برای روش‌هایی ایجاد کرده‌اند که می‌توانند بهترین راه را برای تجمیع ژن‌ها در گروه‌های مرتبط شناسایی کنند تا بتوانند به طور مؤثر روابط علت و معلولی بین بسیاری از ژن‌ها را بیاموزند.
نکته مهم این است که این روش جدید تنها با استفاده از داده های مشاهده ای به این مهم دست می یابد. این بدان معناست که محققان مجبور نیستند آزمایش‌های مداخله‌ای پرهزینه و گاهی غیرعملی را برای به دست آوردن داده‌های مورد نیاز برای استنتاج روابط علّی اساسی انجام دهند.
در درازمدت، این تکنیک می‌تواند به دانشمندان کمک کند تا اهداف ژنی بالقوه را برای القای رفتارهای خاص به روشی دقیق‌تر و کارآمدتر شناسایی کنند و به طور بالقوه به آنها امکان می‌دهد تا درمان‌های دقیقی برای بیماران ایجاد کنند.
“در ژنومیکس، درک مکانیسمی که زمینه ساز حالات سلولی است بسیار مهم است. اما سلول ها ساختار چند مقیاسی دارند، بنابراین سطح تعمیم نیز بسیار مهم است. جیاقی ژانگ، دانشجوی فارغ التحصیل، همکار مرکز اریک و وندی اشمیت و یکی از نویسندگان مقاله ای درباره تکنیک
ژانگ در مقاله توسط رایان ولش، نویسنده همکار، که در حال حاضر فوق لیسانس مهندسی است، همراه شده است. و کارولین اوهلر، نویسنده ارشد، استاد گروه مهندسی برق و علوم کامپیوتر (EECS) و موسسه داده، سیستم‌ها و جامعه (IDSS)، که همچنین مدیر مرکز اریک و وندی اشمیت در موسسه برود است. MIT و هاروارد و یک محقق در آزمایشگاه MIT برای اطلاعات و سیستم های تصمیم گیری (LIDS). این تحقیق در کنفرانس سیستم های پردازش اطلاعات عصبی ارائه خواهد شد.
یادگیری از داده های مشاهده ای
مشکلی که محققان تصمیم گرفتند با آن مقابله کنند، برنامه های آموزشی ژنی است. این برنامه‌ها توصیف می‌کنند که کدام ژن‌ها برای تنظیم ژن‌های دیگر در یک فرآیند بیولوژیکی، مانند توسعه یا تمایز سلولی، با هم عمل می‌کنند.
از آنجایی که دانشمندان نمی توانند به طور موثر نحوه تعامل همه 20000 ژن را مطالعه کنند، از تکنیکی به نام گسستگی علّی استفاده می کنند تا یاد بگیرند که چگونه گروه های مرتبط از ژن ها را در یک نمایش ترکیب کنند که به آنها اجازه می دهد به طور مؤثر روابط علّی را بررسی کنند.
در کار قبلی، محققان نشان دادند که چگونه می‌توان این کار را در حضور داده‌های مداخله‌گر، که داده‌هایی با متغیرهای مزاحم در شبکه به دست می‌آیند، به طور موثر انجام داد.
اما انجام آزمایش‌های مداخله‌ای اغلب پرهزینه است، و سناریوهایی وجود دارد که چنین آزمایش‌هایی یا غیراخلاقی هستند یا فناوری به اندازه کافی برای موفقیت مداخله خوب نیست.
تنها با داده‌های مشاهده‌ای، محققان نمی‌توانند ژن‌ها را قبل و بعد از مداخله مقایسه کنند تا بدانند گروه‌هایی از ژن‌ها چگونه با هم کار می‌کنند.
ژانگ می‌گوید: «بیشتر تحقیقات در زمینه گسستگی علّی، دسترسی به مداخلات را فرض می‌کنند، بنابراین مشخص نیست که چه مقدار اطلاعات را می‌توان تنها با داده‌های مشاهده‌ای تفکیک کرد.»
محققان MIT یک رویکرد کلی تری ایجاد کردند که از یک الگوریتم یادگیری ماشینی برای شناسایی و جمع‌آوری موثر گروه‌های متغیرهای مشاهده‌شده مانند ژن‌ها، تنها با استفاده از داده‌های مشاهده‌ای استفاده می‌کند.
آنها می‌توانند از این تکنیک برای شناسایی ماژول‌های علّی و بازسازی یک نمایش زیربنایی دقیق از مکانیسم علّی استفاده کنند. در حالی که انگیزه این تحقیق مشکل روشن کردن برنامه‌های سلولی بود، ابتدا باید نظریه جدیدی از علیت ایجاد می‌کردیم تا بفهمیم چه چیزی را می‌توان از داده‌های مشاهداتی آموخت و چه چیزی را نمی‌توان آموخت. اوهلر می‌گوید: با در دست داشتن این نظریه، در کارهای آینده می‌توانیم درک خود را روی داده‌های ژنتیکی اعمال کنیم و ماژول‌های ژنی و همچنین روابط نظارتی آنها را شناسایی کنیم.
ارائه لایه ای
با استفاده از تکنیک‌های آماری، محققان می‌توانند یک تابع ریاضی به نام واریانس ژاکوبین نتیجه هر متغیر را محاسبه کنند. متغیرهای علی که بر متغیرهای بعدی تأثیر نمی گذارند باید واریانس صفر داشته باشند.
محققان این نمایش را در ساختار لایه به لایه بازسازی کردند و با حذف متغیرهای لایه پایینی که دارای واریانس صفر بودند، شروع کردند. سپس لایه به لایه به عقب کار می کنند و متغیرهایی با واریانس صفر را حذف می کنند تا مشخص کنند کدام متغیرها یا گروه هایی از ژن ها مرتبط هستند.
ژانگ می گوید: «شناسایی نقاط پرت که صفر هستند به سرعت به یک هدف ترکیبی تبدیل می شود که حل آن بسیار دشوار است، بنابراین استخراج یک الگوریتم کارآمد که بتواند آن را حل کند یک چالش بزرگ بود.
در نهایت، روش آنها یک نمایش انتزاعی از داده‌های مشاهده‌شده با لایه‌هایی از متغیرهای مرتبط به هم را به دست می‌دهد که ساختار علت و معلولی اساسی را به‌طور دقیق خلاصه می‌کند.
هر متغیر نشان‌دهنده گروهی از ژن‌ها است که با هم عمل می‌کنند و رابطه بین دو متغیر نشان می‌دهد که چگونه یک گروه از ژن‌ها گروهی دیگر را تنظیم می‌کند. روش آنها به طور موثر تمام اطلاعات مورد استفاده در تعیین هر لایه از متغیرها را جمع آوری می کند.
محققان پس از اثبات اینکه تکنیک آنها از لحاظ نظری درست است، شبیه‌سازی‌هایی را انجام دادند تا نشان دهند که این الگوریتم می‌تواند به طور مؤثر بازنمایی‌های علّی معنادار را با استفاده از داده‌های مشاهده‌ای تشخیص دهد.
در آینده، محققان می خواهند از این روش برای کاربردهای ژنتیکی واقعی استفاده کنند. آنها همچنین می‌خواهند کشف کنند که چگونه روش آنها می‌تواند بینش‌های بیشتری را در موقعیت‌هایی که داده‌های مداخله‌ای کمی در دسترس است ارائه دهد، یا به دانشمندان کمک کند تا چگونگی طراحی مداخلات ژنتیکی مؤثر را درک کنند. در آینده، این روش می تواند به محققان کمک کند تا به طور مؤثرتری تعیین کنند که کدام ژن در یک برنامه با هم کار می کنند، که می تواند به شناسایی داروهایی که می توانند آن ژن ها را برای درمان بیماری های خاص هدف قرار دهند، کمک کند.
این تحقیق تا حدی توسط آزمایشگاه هوش مصنوعی MIT-IBM Watson و دفتر تحقیقات نیروی دریایی ایالات متحده تامین شده است.
