به گفته آنها، این پلتفرم خودکار ویرایش ژنتیکی طراحی شده قادر به پیش بینی کارایی ویرایش با دقت بالایی است.
تیم تحقیقاتی در اینباره می‌گوید پلتفرم ویرایشگر پایه که توسط الگوریتم‌های هوش مصنوعی ارائه می‌شود، به اندازه‌ای قدرتمند است که می‌تواند به‌طور خودکار هزاران نمونه سلول را در یک هفته ویرایش کند.
این تیم در مقاله‌ای که اخیراً منتشر شده، می‌گوید روش جدید دقت پیش بینی را تا ۲۰ درصد نسبت به ابزار پیش بینی قبلی که معمولاً مورد استفاده قرار می‌گیرد، افزایش می‌دهد.
به گفته محققان موسسه بیوتکنولوژی صنعتی تیانجین آکادمی علوم چین، این پلتفرم که از الگوریتم‌های هوش مصنوعی پشتیبانی می‌کند، به اندازه‌ای قدرتمند است که می‌تواند به طور خودکار هزاران نمونه سلول را در یک هفته ویرایش کند.
دانشمندان این پلتفرم در مقاله خود که در مجله معتبر Nature Communications منتشر شد، گفتند که این می‌تواند به توسعه و کاربرد بالینی درمان‌های ژنتیکی و تحقیقات کمک کند.
تغییرات تک نوکلئوتیدی در ژنوم انسان، که به عنوان تغییرات توالی DNA نیز شناخته می‌شود، ممکن است باعث ناهنجاری سلولی و بیماری ژنتیکی شود.
هیچ درمان موثری برای برخی از بیماری‌های نادر ناشی از چنین جهش‌های سلولی وجود ندارد و استفاده طولانی مدت از داروهای مورد استفاده برای درمان آنها حتی ممکن است زندگی بیمار را به خطر بیندازد.
به گفته توسعه دهندگان، ویرایشگرهای پایه، اصلاح مستقیم و غیرقابل برگشت جهش‌های پایه را امکان پذیر می‌کنند و آینده امیدوارکننده‌ای را برای درمان بیماری‌های ژنتیکی ناشی از تغییرات تک نوکلئوتیدی در ژنوم انسان‌ها ارائه می‌دهند.
تولید مدل‌های بیماری سلولی در مقیاس بزرگ برای ویرایش پایه یا مطالعات جهش، در حال حاضر به شدت به عملیات دستی وابسته است که شامل معرفی تغییرات تک نوکلئوتیدی به سلول‌ها می‌شود. با این حال، این فرآیند زمان‌بر، پرهزینه و مستعد خطا است.
به گفته تیم تحقیقاتی، این پلتفرم می‌تواند فرآیند کامل ویرایش ژنوم، از طراحی RNA راهنما (gRNA) تا تجزیه و تحلیل نتایج ویرایش را با ثبات بهتر و هزینه کمتر انجام دهد. این امر به غلبه بر مشکلات فعلی در ویرایش سلول با استفاده از فناوری موجود کمک می‌کند و در عین حال خلوص سلول‌ها را حفظ می‌کند و طراحی، ساخت و آزمایش خودکار فرآیند ویرایش را در مقیاس بزرگ انجام می‌دهد.
این تیم همچنین یک مدل یادگیری هوش مصنوعی را بر اساس اطلاعات توالی و مجموعه داده‌های ویرایش در مقیاس بزرگ که توسط این پلتفرم به دست آمده بود، برای پیش‌بینی کارایی ویرایش توسعه داد.
زیست شناسی مولکولی فرآیندی دشوار است و ادعای یک فرآیند کاملاً خودکار بسیار جالب است.
دانشمندان بصورت جدی پیگیر استفاده از هوش مصنوعی در پزشکی هستند. اخیراً برای یافتن داروهای جدید با استفاده از هوش مصنوعی، آزمایشگاه‌هایی یکدست و همسان ساخته شده است. هدف این سازمان بازتعریف فرایند کشف دارو از صفر و یافتن راه‌هایی جدید برای درمان بیماری‌ها با استفاده از هوش مصنوعی است. این آزمایشگاه‌ها نه تنها داده‌ها را تجزیه و تحلیل خواهند کرد بلکه مدل‌هایی قدرتمند، پیش‌بینی کننده و مولد را از پدیده‌های پیچیده بیولوژیکی خواهند ساخت.
منبع: scmp
