TranscriptFormer: Η νέα AI προβλέπει τη γονιδιακή έκφραση και επιταχύνει την ανακάλυψη νέων θεραπειών

Σύνοψη

• Ερευνητές του τμήματος Stanford Medicine παρουσίασαν το TranscriptFormer, ένα προηγμένο μοντέλο τεχνητής νοημοσύνης το οποίο εκπαιδεύτηκε πάνω σε δεδομένα 112 εκατομμυρίων κυττάρων από 12 διαφορετικά είδη οργανισμών.
• Η αρχιτεκτονική του νέου συστήματος βασίζεται στη λογική των Μεγάλων Γλωσσικών Μοντέλων (LLMs), με τη διαφορά ότι αντί να προβλέπει την επόμενη λέξη σε ένα κείμενο, προβλέπει τις τιμές έκφρασης των γονιδίων.
• Ο αλγόριθμος δημιουργεί έναν ενιαίο μαθηματικό χώρο (universal space) όπου χαρτογραφούνται όλοι οι κυτταρικοί τύποι, διευκολύνοντας την ανάλυση της εξέλιξης των ειδών και την αναγνώριση ασθενειών.
• Το εργαλείο αναπτύχθηκε με την υποστήριξη της Πρωτοβουλίας Chan Zuckerberg και αναμένεται να επιταχύνει δραματικά την ανακάλυψη νέων φαρμάκων, προσφέροντας δυνατότητες σχεδιασμού λειτουργικών κυττάρων που δεν υπάρχουν στη φύση.

Η ικανότητα της ανθρώπινης αντίληψης συναντά αδιαπέραστα όρια όταν καλείται να επεξεργαστεί την ταυτόχρονη αλληλεπίδραση χιλιάδων γονιδίων στο εσωτερικό των κυττάρων. Οι ερευνητές του τμήματος Stanford Medicine ξεπέρασαν το παραπάνω εμπόδιο αναπτύσσοντας δύο νέα, πανίσχυρα μοντέλα τεχνητής νοημοσύνης τα οποία προσομοιώνουν τη λειτουργία του βιολογικού κυττάρου με πρωτοφανή ακρίβεια. 

Το πρώτο σύστημα, το οποίο εισήγαγε την έννοια της καθολικής κυτταρικής ενσωμάτωσης (universal cell embedding), έθεσε τα θεμέλια για την έλευση του TranscriptFormer. Πρόκειται για ένα μοντέλο δεύτερης γενιάς, το οποίο διαθέτει πλέον ενσωματωμένη τη γνώση από 112 εκατομμύρια κύτταρα που προέρχονται από 12 διαφορετικά είδη, καλύπτοντας ένα τεράστιο βιολογικό φάσμα από τους μονοκύτταρους ζυμομύκητες μέχρι τον άνθρωπο.

Τα συστήματα αυτά καθιστούν άμεσα εφικτή τη σύγκριση των κυτταρικών δομών ανάμεσα σε εντελώς διαφορετικούς οργανισμούς, ανοίγοντας νέους ορίζοντες για την κατανόηση των μηχανισμών που προκαλούν σοβαρές ασθένειες, ενώ παράλληλα διαμορφώνουν ισχυρές βάσεις για την ανάπτυξη καινοτόμων κυτταρικών θεραπειών.

Τι είναι το TranscriptFormer και πώς αναλύει τη βιολογία των κυττάρων;

Το TranscriptFormer είναι ένα μοντέλο τεχνητής νοημοσύνης που αναλύει την κυτταρική βιολογία χρησιμοποιώντας αρχιτεκτονική παρόμοια με εκείνη των γλωσσικών μοντέλων όπως το ChatGPT. Το σύστημα εκπαιδεύτηκε πάνω στα προφίλ γονιδιακής έκφρασης 112 εκατομμυρίων κυττάρων προκειμένου να κατανοήσει τη βιολογική λειτουργία, να διαχωρίσει τα υγιή από τα ασθενή δείγματα και να εντοπίσει εξελικτικές συνδέσεις ανάμεσα στα είδη.

Η πολυπλοκότητα των ζωντανών οργανισμών οφείλεται στον τρόπο με τον οποίο τα γονίδια εκφράζονται εντός του κάθε κυττάρου. Για παράδειγμα, ένα βήτα κύτταρο στο πάγκρεας ενεργοποιεί το γονίδιο για την παραγωγή ινσουλίνης, καθώς και εκείνα που σχετίζονται με την αποθήκευση και την απελευθέρωση της συγκεκριμένης ορμόνης. Αντίθετα, τα λευκά αιμοσφαίρια παράγουν αντισώματα για την καταπολέμηση ασθενειών, ενώ ένα κύτταρο του δέρματος εκφράζει γονίδια που αφορούν τη δημιουργία μελανίνης ή τριχών. Οι αποκλίσεις στην έκφραση αυτών των γονιδίων αποτελούν το βασικό εργαλείο διάκρισης των κυτταρικών τύπων. Ο καθηγητής Stephen Quake, ο οποίος συμμετείχε καθοριστικά στην έρευνα, εξήγησε πως ο ανθρώπινος εγκέφαλος αδυνατεί να αντιληφθεί και να αναλύσει όλα αυτά τα γονίδια ταυτόχρονα. Οι νέοι αλγόριθμοι αναλαμβάνουν τον ρόλο του μεταφραστή, αποκωδικοποιώντας δεδομένα που η φυσική μας νοημοσύνη δεν θα μπορούσε ποτέ να επεξεργαστεί.

Η αρχιτεκτονική της παραγωγικής εκμάθησης και ο μαθηματικός χώρος

Για να πετύχουν αυτό το επίπεδο κατανόησης, οι επιστήμονες του Stanford Medicine, σε συνεργασία με το Chan Zuckerberg Initiative και το BioHub, αξιοποίησαν τη λογική των Μεγάλων Γλωσσικών Μοντέλων. Όπως τα LLMs εκπαιδεύονται διαβάζοντας ατελή κείμενα και ρυθμίζοντας τις παραμέτρους τους ώστε να προβλέψουν σωστά τις λέξεις που λείπουν, το TranscriptFormer ακολούθησε την ίδια ακριβώς μέθοδο. Η βασική διαφοροποίηση έγκειται στο γεγονός ότι το νέο AI μοντέλο κλήθηκε να συμπληρώσει τιμές γονιδιακής έκφρασης αντί για λέξεις.

Η διαδικασία εκπαίδευσης συμπεριέλαβε δεδομένα από τον άνθρωπο, τον ζυμομύκητα, το ποντίκι, το κουνέλι, το κοτόπουλο, το ψάρι ζέβρα, τη μύγα των φρούτων, τον αφρικανικό βάτραχο με νύχια, το παράσιτο που προκαλεί ελονοσία, τον αχινό, τον σπόγγο και τον νηματώδη σκώληκα Caenorhabditis elegans. Ο καθηγητής Quake περιγράφει το τελικό αποτέλεσμα του μοντέλου ως έναν «καθολικό χώρο» (universal space). Δεν πρόκειται για μια φυσική τοποθεσία, αλλά για ένα περίπλοκο μαθηματικό περιβάλλον εντός του οποίου μπορούν να τοποθετηθούν ψηφιακά τα κύτταρα κάθε ζωντανού οργανισμού της Γης, επιτρέποντας στους επιστήμονες να εξετάσουν τη μεταξύ τους σχέση με απόλυτη μαθηματική ακρίβεια.

Εφαρμογές στην εξελικτική βιολογία και τη φαρμακολογία

Οι προεκτάσεις της χρήσης του TranscriptFormer ξεπερνούν την απλή καταλογογράφηση δεδομένων. Μια από τις πιο εντυπωσιακές λειτουργίες αφορά τη διερεύνηση των εξελικτικών σχέσεων μεταξύ εντελώς διαφορετικών ειδών. Επιστήμονες που μελετούν τους θαλάσσιους σπόγγους προσπαθούσαν επί χρόνια να κατανοήσουν ποιος τύπος κυττάρου του σπόγγου συγγενεύει περισσότερο με τους νευρώνες άλλων ζώων. Ο αλγόριθμος ανέλυσε τα δεδομένα και απέδειξε πως το κύτταρο που ονομάζεται χοανοκύτταρο παρουσιάζει τεράστια δομική ομοιότητα με τους νευρώνες του νηματώδους σκώληκα και του βατράχου. Τέτοιου είδους συνδέσεις προσφέρουν ανεκτίμητη γνώση για την εξέλιξη του νευρικού συστήματος στους έμβιους οργανισμούς.

Πέρα από τη βιολογική ιστορία, η πρακτική εφαρμογή του συστήματος εστιάζει στη σύγχρονη ιατρική διάγνωση και τη φαρμακολογία. Το λογισμικό έχει τη δυνατότητα να ταυτοποιεί νέους τύπους κυττάρων όταν τροφοδοτείται με γονιδιακά προφίλ άγνωστων ειδών. Παράλληλα, διακρίνει με χαρακτηριστική ευκολία τις υγιείς από τις νοσούσες περιοχές ενός ιστού. Η ερευνητική ομάδα ευελπιστεί πως σύντομα το TranscriptFormer θα αξιοποιηθεί ως βασικός οδηγός για τον σχεδιασμό εξατομικευμένων θεραπειών, καθώς διαθέτει την ικανότητα να «φαντάζεται» και να προτείνει δομές λειτουργικών κυττάρων που δεν υπάρχουν σήμερα στη φύση. Το εργαλείο αυτό έρχεται να ενισχύσει τη σκέψη των εξειδικευμένων βιολόγων απέναντι σε άκρως περίπλοκα προβλήματα, μειώνοντας τον χρόνο της προ-κλινικής έρευνας από αρκετά χρόνια σε ελάχιστους μήνες.

Με τη ματιά του Techgear

Παρά τον δικαιολογημένο ενθουσιασμό της επιστημονικής κοινότητας, η ενσωμάτωση τέτοιων θεμελιωδών μοντέλων (foundation models) στην καθημερινή εργαστηριακή πρακτική συνοδεύεται από σημαντικές πρακτικές δυσκολίες. Ένας βιολόγος που βασίζεται στις προβλέψεις ενός AI συστήματος οφείλει να επιβεβαιώνει τα ευρήματα μέσω παραδοσιακών, χρονοβόρων πειραμάτων στο εργαστήριο. 

Οι μαθηματικές προσομοιώσεις ενδέχεται να υποφέρουν από ψευδαισθήσεις, ένα φαινόμενο γνώριμο στα LLMs, το οποίο στον χώρο της υγείας μπορεί να οδηγήσει σε πολυδάπανες πειραματικές αστοχίες. Απαιτείται τεράστια υπολογιστική ισχύς για την εκπαίδευση και την εκτέλεση αυτών των αλγορίθμων, στοιχείο που δημιουργεί εξάρτηση από τεχνολογικούς κολοσσούς και μεγάλα κέντρα δεδομένων.