Yapay Zeka Hastalıklarla İlgili Genleri Tanımlıyor ve Kişiye Özel Tedavi Şansı Oluşuyor - Yeni DöngüYeni Döngü

28 Şubat 2021 - 12:13

Yapay Zeka Hastalıklarla İlgili Genleri Tanımlıyor ve Kişiye Özel Tedavi Şansı Oluşuyor

Yapay Zeka Hastalıklarla İlgili Genleri Tanımlıyor ve Kişiye Özel Tedavi Şansı Oluşuyor
Son Güncelleme :

01 Mart 2020 - 20:38

54 views

Bilim insanları hastalıklar ile ilgisi bulunan genleri identifiye edebilmek ( tanımlamak) için Deep Learning (Derin Öğrenme)  teknolojisini kullandılar ve yapay bir sinir ağı oluşturdular.

Bu amaçla İsveç’te Linköping Üniversitesinde görevli bilim insanları farklı proteinlerin ya da farklı genlerin birbirleri ile olan etkileşimi üzerine yaptıkları araştırmalar sonucu çeşitli biyolojik sistem haritaları oluşturdular. Bu aşamadan sonraki çalışmalarda da hangi gen kalıbının hangi hastalık ile ilgisi olduğunu saptanmaya çalışıldı. Bu veriler kullanılarak gen ekspresyon modeli kullanılıp kullanılamayacağı konusunda yeni bir araştırmaya geçildi.

Yapay zeka ile oluşturulan sinir ağının veri havuzunda yer alan çok büyük miktarda gen dataları taranarak, hastalıkla ilişkili genlerin ortaya çıkarılması amacı ile çalışmalara başlandı. Yani amaç yapay zeka ile genetik hastalıklar tanımlamak olarak da özetlenebilir.

Bu yazıda anlatılanlar Linköping Üniversitesi tarafından yayınlanan  Natura Communications’da yayınlanmış ve araştırmacılar tarafından yürütülen yeni bir çalışma olarak bilim dünyasına sunulmuştur. Bu çalışmanın sonuçları ile ilgili olarak bilim insanları kişisel tedavi uygulaması aşamasına geçilebileceğini umuyorlar.

Çalışmanın ilk aşamasında, bilim İnsanları değişik proteinlerin ya da genlerin birbiriyle nasıl bir reaksiyon gösterdiklerini incelediler ve bu çalışma sonuçlarını esas alarak  biyolojik haritalar çıkardılar.

Söz konusu çalışmada yapay zeka kullanıldı. Çalışmanın bu aşamasında amaç yapay sinir ağları olarak adlandırılan yapının derin öğrenme yöntemi yardımı ile biyolojik bağlantıları tanımlamasının olası olup olmadığının bulunmasıydı.

Çalışma sonucu görüldü ki, yapay sinir ağları çok fazla miktarda (20.000 kadar veri) kompleks veri arasından gerekli kalıpları nasıl bulabileceği konusunda mükemmel sonuçlar vermektedir. ( Zaten bu özelliği nedeniyle yapay zeka görüntü tanıma vb. uygulamalarda sıklıkla kullanılırlar. Fakat yapay zeka kullanılarak biyolojik alanda fazla çalışma yapılmamıştır.) Böylece biyolojik alanda da yapay zekadan daha fazla yararlanılabileceği ortaya çıktı.

Bahse konu makalede sözü geçen araştırmacılar ilk kez genler ile hastalıklar arasındaki bağlantıyı bulmak için derin öğrenme yöntemini kullandılar. Yani yapay zeka yardımı ile hastalıklar ve genler arasındaki bağlantı saptanmaya çalışıldı.

Linköping Üniversitesi   IFM Fizik Kimya ve Biyoloji Bölümü adına yayın yapan ilk yazar ( Baş araştırmacı)’ın Sanjiv Dwivedi ‘nin görüşüne göre  yapay zeka çok fazla miktarda biyolojik datanın  analiz edilerek sonuca ulaşmasında başarılı bir şekilde kullanılabilecek güvenilir bir yöntemdir.

Bilim insanları araştırmada çok sayıda insanın genini kapsayan geniş bir veri havuzu kullandı. Araştırmacılar hangi genetik yapının hangi hastalık modeli ile bağlantılı olduğunu tam olarak bilmedikleri için veri tabanına bu bilgileri yükleyemediler.

Yapay zeka modeli daha sonradan gen kalıplarını çözmek için programlanarak eğitildi. Makine öğrenmesinde yapay bir sinir ağının  hangi basamaklardan giderek çözüme ulaştığı tam olarak görülemiyor. Bu nedenle yapay zeka bazen ‘’Kara Kutu’’ olarak da tanımlanır. Yani yapay zeka ile yapılan çalışmada sadece kutuya yerleştirilen veriler ve elde edilen çıktılar görünür

Yapay zeka sinir ağları, bilginin matematiksel olarak işlendiği basamaklar üzerinden çalışır. İlk katmanda bir giriş katmanı vardır. Sistem bilgiyi işledikten sonra en sonunda da bir çıkış katmanı bulunur. Bu iki katman arasında yapay zeka tarafından çeşitli işlemler yapılır.

Bilim insanları yapay sinir ağlarını eğiterek ya da bir başka deyişle sinir ağlarının öğrenmesini sağlayarak,   sistemin nasıl çalıştığını ayrıntılı bir şekilde öğrenmek istiyorlar.

Bir başka merak konusu da yapay sinir ağı ile biyolojik ağların çalışma prensibinin  ya da tasarımlarının benzeyip benzemediği konusudur.

Sinir ağı incelenince ilk katman ve bazı proteinler arasında benzerlikler görüldü. Fakat araştırmaya devam edilerek, üçüncü katmana ulaşıldığında hücre tiplerinde farklılaşmalar gözlendi. Bu ilginç bir durumdu çünkü sinir ağı sınıflandırılmamış gen kalıpların verileri ile çalışmaya başladığı hesaba katılırsa,   ilgili gruplamanın yapay zeka tarafından otomatik olarak üretildiği düşünülüyor.

Bu aşamadan sonra da hangi gen kalıplarının hastalıklı olduğu, hangisinin normal olduğunun saptanabilmesi için gen kalıplarının tanımlanıp tanımlanamayacağı araştırıldı.

Çalışmaların sonucuna ulaşıldığında eldeki verilere göre, vücudun biyolojik mekanizmalara iyi uyum sağlayan belirlenmiş gen kalıpları olduğu  görüldü. Modelde sınıflandırılmamış girdiler kullanıldığı için yapay zekanın tamamen yeni modeller tanımlayabilmesi de ihtimaller arasındaydı.

Araştırmacılar şimdiki basamakta bu tipte elde edilen ve daha önce bilinmeyen modellerin biyolojik bakımdan gerçeğe uygun olup olmadığını araştıracak.

Söz konusu çalışma alanında gelişme kaydedilebilmesi için sinir ağlarının yapısı çok iyi anlaşılmalıdır. Böylece pek çok açıdan biyolojik kalıplar ve bunların hastalıkla etkileşimleri gibi yeni bilgiler edinilebilir.  Konu ile ilgili araştırmayı yürüten ekipte yer alan araştırmacı Mika Gustafsson ‘’Biyolojik yapı üzerinde hastalıkla reaksiyona giren pek çok parametre incelenir.  Bu yöntemle edinilen bilgiler genelleştirilerek çeşitli biyolojik gen kalıpları için standardize edilebilir.’’ diyerek bu aşamadan sonraki hedeflerini ortaya koyuyor.

Bu yöntemlerin gelişimi ile Mika Gustafson tıp dalında ihtisaslaşan araştırmacılarla çalışılarak oluşturulabilecek bir modelin hassas tıpta da uygulama alanı bulabileceğini ümit ediyor. Bu yöntemle hangi hasta gruplarının hangi türde ilaç ile iyileşebileceği ya da hastalıklardan diğer insanlara oranla  daha ciddi şekilde etkilenebilecek risk grupları ayrıştırılabilir. Kişiye özel tedavi yöntemine bir adım daha yaklaşıldı.

Füsun Günaydın

Kaynaklar

  • Science Daily/ Science News/ 13 February 2020 Linköping University / Artifical Intelligence finds disease-related genes
  • Drug Target Rewiev News/ 17 February 2020/ Victoria Rees /Artifical Intelligence trained to find disease-related genes
  • Peoples Dispatch /26 February 2020/ Sandipan Talukdar/Artical Intelligence is being used to find disease-related genes

YORUM YAP

YASAL UYARI! Suç teşkil edecek, yasadışı, tehditkar, rahatsız edici, hakaret ve küfür içeren, aşağılayıcı, küçük düşürücü, kaba, pornografik, ahlaka aykırı, kişilik haklarına zarar verici ya da benzeri niteliklerde içeriklerden doğan her türlü mali, hukuki, cezai, idari sorumluluk içeriği gönderen kişiye aittir.
Önceki yazıyı okuyun:
Bakımlı Bir Kadın Olmanın Olmazsa Olmaz 7 Püf Noktası

Bakımlı ve güzel olmak kadınların adeta olmazsa olmazlarıdır. Bundan dolayı kadınlar bakımlı olmanın önemini çok iyi kavramış durumdadırlar. Peki, nasıl...

Kapat