Leash Bio از Minos برای شبیه‌سازی آزمایش‌های زیستی با عامل‌های هوش مصنوعی رونمایی کرد

هوش مصنوعی زیستی با معرفی Minos از سوی Leash Bio، یک گام به استفاده از داده‌های آزمایشگاهی برای آموزش عامل‌های پژوهش علمی نزدیک‌تر می‌شود. این شرکت زیست‌فناوری در پنجشنبه ۲۳ مهر ۱۴۰۵ اعلام کرد پیش‌چاپ پژوهشی، نوشته‌ای در وبلاگ و مجموعه‌داده‌ای باز را منتشر می‌کند؛ پروژه‌ای که هدفش فراهم‌کردن بستری برای استدلال علمیِ قابل‌راستی‌آزمایی با کمک عامل‌های هوش مصنوعی است.

به روایت مطلب Latent Space، ایده Minos از داده‌هایی شکل گرفت که Leash Bio طی چند سال برای بررسی تعامل پروتئین‌ها و مولکول‌های کوچک گردآوری کرده است. تیم شرکت دریافت که این داده‌ها می‌توانند ده‌ها هزار شبیه‌سازی «آزمایشگاه در حلقه» فراهم کنند؛ رویکردی که در آن سامانه هوش مصنوعی در محیطی شبیه آزمایش علمی، فرضیه‌ها را می‌آزماید و نتیجه را با داده قابل‌سنجش ارزیابی می‌کند. شرکت می‌گوید این محیط برای آموزش عامل‌ها در استدلال علمی و یادگیری تقویتی علمی مناسب است.

Minos و پیوند آزمایشگاه با عامل‌های هوش مصنوعی

عامل هوش مصنوعی سامانه‌ای است که می‌تواند برای رسیدن به هدف، چند مرحله را دنبال کند و بر پایه نتیجه هر مرحله تصمیم بعدی را بگیرد. در کاربرد علمی، چنین عاملی ممکن است داده را بررسی کند، گزینه‌های آزمایش را اولویت‌بندی کند و پیش‌بینی خود را با نتیجه‌ای قابل‌راستی‌آزمایی بسنجد. منبع، Minos را محیطی برای انجام همین نوع استدلال معرفی می‌کند؛ اما جزئیات کامل پیش‌چاپ و مجموعه‌داده در متن موجود شرح داده نشده است.

یکی از کاربردهایی که در گفت‌وگو درباره این پروژه مطرح شده، جست‌وجو در میان ۶٫۵ میلیون مولکول برای یافتن ترکیب‌هایی است که به پروتئین هدف متصل می‌شوند. عامل‌ها قرار است با بودجه‌ای معادل ۱۰۰ انتخاب، گزینه‌های مناسب را پیدا کنند و درباره رابطه ساختار شیمیایی و فعالیت زیستی استدلال کنند. این رابطه که به اختصار SAR نامیده می‌شود، بررسی می‌کند تغییر ساختار یک مولکول چگونه بر اثر زیستی آن تأثیر می‌گذارد.

پایه داده‌ای این کار از کتابخانه‌های رمزگذاری‌شده با DNA می‌آید؛ روشی که به اختصار DEL خوانده می‌شود. در این روش، مجموعه بزرگی از مولکول‌های کوچک با برچسب‌های DNA شناسایی می‌شوند تا تعامل آن‌ها با پروتئین‌ها در مقیاس بالا بررسی شود. به گفته Ian Quigley از Leash Bio، تیم برای تشخیص مواردی که پروتئین به DNA متصل می‌شود، نه به خود مولکول دارویی، از چندین بارکد برای هر مولکول استفاده می‌کند. سپس توالی‌یابی DNA، راهی برای خواندن نتیجه این بررسی‌ها فراهم می‌کند.

داده‌های پرحجم، اما مسئله تعمیم‌پذیری باقی است

تکیه بر داده‌های آزمایشگاهی گسترده به‌تنهایی تضمین نمی‌کند که مدل بتواند درباره مولکول‌هایی که پیش‌تر ندیده است پیش‌بینی درستی داشته باشد. نمونه‌ای که در مطلب به آن اشاره شده، رقابت Kaggle با حدود ۴ میلیارد اندازه‌گیری و نزدیک به ۲ هزار تیم است. طبق گزارش، هیچ تیمی نتوانست در یک کتابخانه شیمیایی دیده‌نشده عملکردی بهتر از حد تصادفی به دست آورد. این نتیجه یادآوری می‌کند که موفقیت در داده‌های آشنا لزوماً به معنای توانایی پیش‌بینی در مجموعه‌ای تازه نیست.

مطلب همچنین نمونه‌ای از خطر میان‌بُرهای آماری را در داده‌های ChEMBL مطرح می‌کند؛ مجموعه‌ای از داده‌های مرتبط با مولکول‌ها و فعالیت‌های زیستی. به گزارش نویسنده، مدل‌ها می‌توانند از روی ساختار مولکول حدس بزنند چه شیمی‌دانی آن را ساخته است و هویت سازنده، تقریباً به اندازه خود ساختار برای پیش‌بینی فعالیت اطلاعات می‌دهد. این الگو ممکن است باعث شود مدل به‌جای یادگیری ویژگی مؤثر مولکول، نشانه‌ای جانبی را به کار بگیرد.

تیم Leash به همین دلیل مدل Hermes را با داده‌های خود شرکت آموزش داده است. بنا بر مطلب، Hermes در معیارهای عمومی با Boltz رقابت می‌کند. در عین حال، متن به نمونه‌ای از مولکولی اشاره دارد که Boltz پیش‌تر آن را در پایگاه داده ساختارهای پروتئینی (PDB) دیده بود؛ نکته‌ای که اهمیت بررسی آلودگی داده و میزان آشنایی مدل با نمونه‌های ارزیابی را برجسته می‌کند.

تلاش برای سنجش آنچه مدل واقعاً یاد گرفته است

یکی از آزمون‌هایی که در گفت‌وگو شرح داده شده، تغییر پروتئین‌ها در مقیاس بالا بود. تیم پس از آن‌که متوجه شد Hermes ممکن است نام‌های مستعار پروتئین‌ها را به خاطر بسپارد، نه محل اتصال مولکول‌ها را، سراغ مهندسی جهش‌های پروتئینی رفت. هدف این نوع آزمون آن است که مشخص شود پیش‌بینی مدل از شناخت واقعی جایگاه اتصال می‌آید یا از سرنخ‌های دیگری که در داده حضور دارند.

مطلب چند نمونه دیگر از فعالیت‌های Leash را هم برمی‌شمارد، از جمله مشاهده ترکیب‌هایی شبیه Lumacaftor در شناسایی پروتئین‌های بدتاخورده و رسیدن از یک ترکیب اولیه در DEL به نتایج امیدوارکننده PKPD در موش طی شش ماه، در یک برنامه مرتبط با التهاب. PKPD به بررسی رابطه دارو با بدن و اثر آن در طول زمان اشاره دارد. این موارد در متن به‌عنوان تجربه‌ها و نمونه‌های شرکت مطرح شده‌اند و به‌تنهایی اثبات‌کننده عملکرد عمومی Minos نیستند.

در مجموع، پرسش مهم برای Minos فقط این نیست که عامل‌ها می‌توانند با زبان طبیعی درباره مولکول‌ها توضیح بدهند؛ مسئله این است که آیا می‌توانند پیش‌بینی‌هایی بسازند که در داده‌های تازه و آزمایش‌های قابل‌سنجش نیز دوام بیاورد. انتشار مجموعه‌داده باز می‌تواند امکان بررسی مستقل را فراهم کند، اما منبع درباره نتیجه چنین ارزیابی‌هایی یا عملکرد نهایی عامل‌ها جزئیات بیشتری ارائه نمی‌دهد.

این خبر برای چه کسانی اهمیت دارد

معرفی Minos برای پژوهشگران هوش مصنوعی و زیست‌شناسی، شرکت‌های کشف دارو و گروه‌هایی که عامل‌های علمی می‌سازند اهمیت دارد؛ زیرا نمونه‌ای از تبدیل داده آزمایشگاهی به محیط شبیه‌سازی و آموزش است. برای این گروه‌ها، نکته اصلی صرفاً حجم داده نیست: کیفیت اندازه‌گیری‌ها، جلوگیری از یادگیری میان‌بُر و توانایی تعمیم به مولکول‌های تازه تعیین می‌کند چنین سامانه‌ای تا چه اندازه می‌تواند در پژوهش واقعی سودمند باشد.