انقلابی بزرگ در فناوری‌های ویرایش ژن به کمک هوش مصنوعی
به گزارش خبرگزاری علم و فناوری آنا به نقل از سای تِک دیلی، گروهی از پژوهشگران لابراتوار ملی «اوک ریج» واقع در ایالت «تنسی» آمریکا، از مهارت‌های خود در حوزه‌های زیست‌شناسی کوانتومی، هوش مصنوعی و مهندسی زیستی برای ارتقای عملکرد تکنیک ویرایش ژنیِ «کریسپر کاسپاز ۹» (CRISPR Cas۹) بر ارگانیسم‌هایی همچون میکروب‌ها استفاده کردند تا ژنوم آن‌ها را به گونه‌ای تغییر دهند که برای تولید انواع سوخت و مواد شیمیایی مناسب باشند.
کریسپر ابزاری قدرتمند در مهندسی زیستی به شمار می‌رود که از آن برای تغییر کد ژنتیکی با هدف بهبود عملکرد یک ارگانیسم یا اصلاح جهش‌های آن استفاده می‌شود.
به‌طور خلاصه، کریسپر فناوری برش و چسباندن ژن‌ها در «دی‌ان‌ای» (DNA) است. این روش بر پایهٔ سیستم دفاعی هدفمند تخریب «دی‌ان‌ای» و اعمال تغییرات دلخواه روی آن بنا شده است.
ابزار کریسپر متکی بر یک «آران‌ای» (RNA) است که در نقش یک راهنمای اختصاصی، آنزیم «کاسپاز ۹» را به سمت مکمل خود در رشته «دی‌ان‌ای» هدایت می‌کند تا پس از اتصال، آن را جدا کند.
از تکنیک کریسپر برای اصلاح ژنتیکی سلول‌های پستانداران، مگس‌های میوه و سایر گونه‌های جانوری استفاده شده، اما این روش درخصوص میکروب‌ها که ابعاد و ساختار کرومزومی‌شان بسیار متفاوت است، کمتر استفاده شده است.
حتی هنگام کار روی میکروب‌ها، مدل‌های طراحی سیستم کریسپر کاسپاز ۹ رفتار متفاوتی از خود نشان می‌دهند. این نتیجه‌گیری مهر تأییدی است بر آنچه که پژوهشگران پیشتر هم با اتکا به مطالعه موردی که از پشتوانه علمی کمتری برخوردار است، می‌دانستند.
برای درک بهبود مدل‌سازی و طراحی «آران‌ای» راهنما، پژوهشگران به دنبال فهم هرچه بیشتر آن چیزی برآمدند که در هسته‌های سلولی، به عنوان محل ذخیره مواد ژنتیکی، می‌گذرد. به همین دلیل، آن‌ها به زیست‌شناسی کوانتومی روی آوردند که به عنوان پل رابط میان زیست‌شناسی ملوکولی و شیمی کوانتومی عمل می‌کند.
زیست‌شناسی کوانتومی تأثیری را که ساختار الکترونیکی بر خواص شیمیایی و فعل و انفعال نوکلئوتید‌ها دارد بررسی می‌کند. نوکلئوتید‌ها ملکول‌های آلی هستند که اجزای سازنده اسید‌های نوکلئیک «دی‌ان‌ای» و «آران‌ای» را تشکیل می‌دهند.
شیوه توزیع الکترون‌ها در ملکول، بر واکنش‌پذیری و ثبات ساختاری آن تأثیر می‌گذارد و این شامل میزان موفقیت «آران‌ای» هدایت‌کننده «کاسپاز ۹» برای اتصال این آنزیم به «دی‌ان‌ای» میکروب هم می‌شود.
در مسیر انجام این پژوهش، دانشمندان یک مدل هوش مصنوعی توصیف‌پذیر به نام «جنگل تصادفی تکرارشونده» ساختند. آن‌ها این مدل را با اتکا به پایگاه داده‌ای متشکل از ۵۰ هزار «آران‌ای» هدایت‌کننده آموزش دادند که ژنوم باکتری «اشریشیا کلی» (E.coli) را هدف قرار می‌دهند و در عین حال ویژگی‌های شیمی کوانتومی را نیز در نظر می‌گیرند.
هوش مصنوعی توصیف‌پذیر یا هوش مصنوعی قابل توضیح تلاش می‌کند تا مراحل و تصمیم‌هایی که یک مدل یادگیری ماشین می‌گیرد را توضیح دهد. این روش به کاربران انسانی اجازه می‌دهد تا نتایج و خروجی ایجاد شده توسط الگوریتم‌های یادگیری ماشین را درک و به آن اعتماد کنند.
در پژوهش اخیر، مدل هوش مصنوعی به کار رفته، ویژگی‌های کلیدی را در مورد نوکلئوتید‌ها نشان داد که با اتکا به آن‌ها می‌توانیم در فرایند ویرایش ژنتیکی، «آران‌ای»های هدایت‌کننده بهتری را انتخاب کنیم. همچنین این مدل به پژوهشگران کمک کرد تا سرنخ‌هایی در مورد مکانیسم‌های مولکولی پیدا کنند که کارایی «آران‌ای»های هدایت‌شونده را ارتقا می‌دهند.
هدف از این پژوهش، ارتقای توانایی پیش‌بینی عملکرد «آران‌ای» هدایت‌کننده عنوان می‌شود. در واقع، دانشمندان به دنبال بهبود توانایی‌شان در ویرایش دی‌ان‌ایِ تعداد بیشتری از ارگانیسم‌ها با استفاده از ابزار کریسپر هستند.
این مطالعه نشان‌دهنده پیشرفتی هیجان‌انگیز به‌سوی فهم چگونگی پرهیز از اشتباهات نگارشی پرهزینه در ویرایش کد ژنتیکی یک ارگانیسم است.
انتهای پیام/