محققان انویدیا و دانشمندان هاروارد امروز جزئیات «AtacWorks» که یک ماشین و ابزار هوش مصنوعی با مجموعه ابزار یادگیری برای کاهش هزینه و زمان لازم برای آزمایش‌های نادر و تک‌سلولی است را ارائه کردند.
بر اساس نتایج این آزمایش که در مجله «Nature Communications» منتشر شده، محققان نشان داده‌اند که AtacWorks می‌تواند در مدت زمان نیم ساعت، کل یک ژنوتیپ را به صورت کامل تجزیه و تحلیل کند که در مقایسه با روش‌های قدیمی که ساعت‌ها وقت می‌گرفتند یک پیشرفت خارق العاده به حساب می‌آید.
اکثر سلول‌های بدن شامل یک کپی کامل از DNA فرد، همراه با میلیاردها جفتِ باز در درون هسته هستند، اما هر سلول به صورت مجزا، فقط زیر مجموعۀ اجزای ژنتیکی که برای عملکرد آن بافت خاص را لازم دارد از محافظ پروتئینی بیرون می‌کشد و از آن استفاده می‌کند، برای مثال سلول‌های کبد، خون و پوست هر یک، از ژن‌های مختلفی استفاده می‌کنند. مناطقی از DNA که عملکرد سلول را تعیین می‌کنند، کم و بیش به راحتی در دسترس هستند، در حالی که بقیه اطلاعات ژنتیکی در اطراف پروتئین‌ها محافظت می شوند.
ابزار هوش مصنوعی AtacWorks انویدیا و هاروارد
ابزار هوش مصنوعی AtacWorks که به NGC شرکت انویدیا (پردازنده گرافیکی بهینه شده برای یادگیری عمیق و محاسبات علمی) مجهز شده است، با تکنیک و روش «ATAC-seq» کار خواهد کرد.
در این روش که برای اولین بار توسط پروفسور جیسون بوانروسترو از دانشگاه هاروارد معرفی شد، مناطق باز یک ژنوتیپ خیلی ساده پیدا می شوند. تکنیکی که شدت سیگنال را در هر نقطه از ژنوتیپ اندازه‌گیری می‌کند.
در این اندازه‌گیری قله‌های سیگنال مربوط به مناطق دارای DNA است. به طوری که هرچه سلول کمتری وجود داشته باشد، داده‌ها شلوغ تر می‌شوند و شناسایی مناطق قابل دسترسی در DNA را دشوار می‌کند.
روش «ATAC-seq» مورد استفاده توسط ابزار هوش مصنوعی AtacWorks به طور معمول به ده‌ها هزار سلول برای تولید یک سیگنال دقیق نیاز دارد ولی به گفتۀ نویسندگان این مقاله، اگر از AtacWorks استفاده شود تنها با چند دَه سلول می‌توان نتیجۀ یکسانی با همان کیفیت به دست آورد.
AtacWorks با استفاده از تطبیق جفت‌های نام گذاری شدۀ روش «ATAC-seq» آموزش دیده است که کیفیت بالایی دارد. با توجه به اضافه شدن نسخۀ بُرداری از داده‌ها، این مدل یاد گرفت تا یک نسخه دقیق با کیفیت بالا را پیش‌بینی و قله‌های سیگنال را شناسایی کند.
با استفاده از AtacWorks، محققان دریافتند که آنها می توانند کروماتین‌های قابل دسترس در یک توالی شلوغ که یک میلیون بار خوانده شده را پیدا کنند، تقریباً به خوبی روش‌های قدیمی که با یک مجموعه داده دقیق از توالی پنجاه میلیون بار خوانده شده، گرفته می‌شد.
برای درک بهتر باید دانست که کروماتین مجموعه ای از DNA و پروتئین است که عملکرد اصلی آن را می توان بسته بندی مولکول های بلند در ساختارهای فشرده تر دانست.
AtacWorks می تواند هزینه جمع‌آوری نمونه و تعیین توالی را کاهش دهد و به دانشمندان اجازه دهد با تعداد کمتری سلول تحقیق کنند و همین طور، پروسۀ تجزیه و تحلیل نیز می‌تواند سریع‌تر و ارزان‌تر انجام شود.
ابزار هوش مصنوعی AtacWorks با استفاده از پردازنده‌های گرافیکی «Tensor Core» شرکت انویدیا می‌تواند در کمتر از نیم ساعت از یک ژنوتیپ استنتاج و نتیجه‌گیری کند درحالی که این فرایند برای سیستمی با پردازنده 32 بیتی پانزده ساعت طول می‌کشید!
در مجله «Nature Communications»، محققان دانشگاه هاروارد از AtacWorks برای مجموعه‌ای از سلول‌های بنیادی که تولیدکنندۀ سلول‌های قرمز و سفید خون هستند، استفاده کرده‌اند.
این اتفاق در حالی افتاد که این نوع به خصوص از سلول‌ها، در روش‌های قدیمی قابل بررسی نبودند. این تیم فقط با یک مجموعه نمونه که شامل پنجاه سلول می‌شد، توانست از AtacWorks برای شناسایی مناطقی از DNA که مرتبط به سلول‌هایی با قابلیت تمایز و جهش به سلول های سفید خون را داشتنتد، استفاده کند و همین طور این تیم موفق شد تا توالی‌هایی که با سلول‌های قرمز خون ارتباط داشتند را جدا کند.
محقق انویدیا، آوانتیکا لال که اولین نویسنده مقاله است می‌گوید: “مطالعه تفاوت در ساختار DNA سلول‌های بسیار نادر با استفاده از روش‌های موجود امکان‌پذیر نیست. اما AtacWorks می‌تواند نه تنها باعث کاهش هزینه جمع‌آوری داده ها نسبت به دستیابی به کروماتین شود، بلکه همچنین می‌تواند فرصت‌های جدیدی در زمینۀ تشخیص بیماری و کشف و دارو را ایجاد کند.”