رمزگشایی هوش مصنوعی از «کلید آغازگر» حیاتی DNA، و آشکارسازی سازوکار تنظیم ژن در انسان

در میان سه میلیارد جفت باز ژنوم انسان، یک دستور زبان تنظیم‌کننده پیچیده نهفته است که دقیقاً تعیین می‌کند هر ژن چه زمانی، کجا و با چه شدتی بیان شود. دهه‌هاست که زیست‌شناسان می‌دانند بخش‌های خاصی از دی‌ان‌ای به عنوان «کلیدهای روشن» مولکولی برای این فرآیند عمل می‌کنند. با این حال، توالی دقیق یکی از حیاتی‌ترین این کلیدها—یعنی آغازگر—به طرز مشهوری غیرقابل کشف باقی مانده بود. اکنون، هوش مصنوعی این کد را شکسته است.[1]

محققان در دانشگاه کالیفرنیا، سن دیگو (UC San Diego) با موفقیت از یادگیری ماشین برای رمزگشایی امضای دی‌ان‌ای توالی آغازگر انسانی استفاده کرده‌اند. این تیم با تجزیه و تحلیل صدها هزار گونه ژنتیکی، الگوی نوکلئوتیدی گریزان را که این عنصر تنظیم‌کننده بنیادی را کنترل می‌کند، شناسایی کردند.[1][2]

مدل هوش مصنوعی حاصل، اولین پیش‌بینی‌های بسیار دقیق را در مورد وجود یا عدم وجود آغازگر در کل ژنوم انسان ارائه می‌دهد. این یافته‌ها که در ژورنال Genes & Development منتشر شده‌اند، نشان می‌دهند که این موتیف تنظیم‌کننده واحد بسیار فراگیرتر از آن چیزی است که قبلاً تصور می‌شد و به عنوان نقطه شروع رونویسی در اکثریت ژن‌های انسانی عمل می‌کند.[1][2]

برای درک اهمیت این کشف، لازم است به نحوه استفاده سلول‌ها از دی‌ان‌ای خود نگاه کنیم. ژنوم اساساً یک کتابخانه وسیع از دستورالعمل‌های بیولوژیکی است، اما این دستورالعمل‌ها بی‌فایده‌اند مگر اینکه فعالانه خوانده شده و به محصولات عملکردی، عمدتاً پروتئین‌ها، رونویسی شوند.[3]

این فرآیند خواندن، که به عنوان رونویسی شناخته می‌شود، توسط آنزیمی به نام آران‌ای پلیمراز ۲ (RNA Polymerase II) انجام می‌گیرد. با این حال، آران‌ای پلیمراز ۲ نمی‌تواند به طور تصادفی به رشته دی‌ان‌ای متصل شود؛ بلکه برای اینکه بداند ژن دقیقاً از کجا شروع می‌شود و چه زمانی باید کپی‌برداری را آغاز کند، به محرک‌های بیوشیمیایی بسیار خاصی نیاز دارد.[2]

این محرک‌ها در ناحیه «پروموتر اصلی» ژن قرار دارند، که بخشی از دی‌ان‌ای است که درست در بالادست توالی کدگذاری قرار گرفته است. آغازگر یک جزء کلیدی این پروموتر اصلی است. این توالی، مکان دقیقی را مشخص می‌کند که در آن رونویسی اطلاعات ژنتیکی به یک مولکول آران‌ای عملکردی آغاز می‌شود.[1][2]

با وجود نقش حیاتی‌اش، آغازگر از نظر تاریخی در برابر طبقه‌بندی آسان مقاومت کرده است. برخلاف برخی موتیف‌های ژنتیکی که دارای توالی سفت و سخت و بسیار حفظ‌شده‌ای از بازهای دی‌ان‌ای هستند، آغازگر ناهمگونی توالی شدیدی از خود نشان می‌دهد.[2]

مدل‌های آماری سنتی و ابزارهای استاندارد هم‌ترازی توالی، در به تصویر کشیدن وابستگی‌های ظریف و غیرخطی در میان جفت بازهایی که یک آغازگر عملکردی را تشکیل می‌دهند، با مشکل مواجه بودند. چون توالی از ژنی به ژن دیگر بسیار متفاوت است، شناسایی یک «امضای» جهانی با استفاده از بیوانفورماتیک سنتی تقریباً غیرممکن بود.

برای غلبه بر این مانع، تیم UC San Diego، به رهبری جیمز تی. کادوناگا (James T. Kadonaga)، زیست‌شناس مولکولی، و توری راین-کریگ (Torrey Rhyne-Carrigg)، محقق فارغ‌التحصیل، به ترکیبی از زیست‌شناسی با توان عملیاتی بالا و هوش مصنوعی روی آوردند.[1][2]

محققان ابتدا تقریباً ۵۰۰,۰۰۰ نسخه مختلف از توالی آغازگر را سنتز کردند. با استفاده از فناوری توالی‌یابی دی‌ان‌ای با توان عملیاتی بالا، آنها به طور سیستماتیک فعالیت بیان ژن مرتبط با هر یک از این نیم میلیون گونه را در آزمایشگاه اندازه‌گیری کردند.[1]

این تلاش تجربی عظیم، یک مجموعه داده غنی ایجاد کرد که الگوهای خاص بازهای دی‌ان‌ای را به توانایی عملکردی واقعی آنها برای آغاز رونویسی مرتبط می‌ساخت. سپس تیم این داده‌ها را به یک الگوریتم یادگیری ماشین وارد کرد و هوش مصنوعی را آموزش داد تا نحو پیچیده و زیربنایی را که یک آغازگر فعال را تعریف می‌کند، تشخیص دهد.[1][2]

مدل هوش مصنوعی با موفقیت امضا را رمزگشایی کرد و یک چشم‌انداز آشفته از تغییرات توالی را به یک قانون محاسباتی قابل پیش‌بینی تبدیل نمود. هنگامی که محققان این امضای تازه رمزگشایی شده را در ژنوم انسان به کار بردند، کشف کردند که آغازگر در تقریباً ۶۰ درصد از کل ژن‌های انسان وجود دارد.[1][2]

مقیاس این تسلط تنظیم‌کننده حیرت‌آور است. ژنوم انسان حاوی حدود ۲۰,۰۰۰ ژن کدکننده پروتئین است. با اعمال نرخ شیوع ۶۰ درصدی مدل هوش مصنوعی بر این خط مبنای توافقی، مشخص می‌شود که این الگوی توالی تازه رمزگشایی شده به عنوان «کلید روشن» اصلی برای تقریباً ۱۲,۰۰۰ ژن کدکننده پروتئین مجزا عمل می‌کند. یک دستور زبان تنظیم‌کننده واحد، تولید پروتئین عملکردی اکثریت بدن را کنترل می‌کند.[3][4]

آشکارسازی هویت دی‌ان‌ای آغازگر، پیامدهای فوری و عمیقی برای ژنتیک پزشکی دارد. فعال‌سازی دقیق ژن‌ها برای عملکرد و رشد سالم سلولی حیاتی است. هنگامی که فعال‌سازی ژن دچار مشکل می‌شود—اغلب به دلیل جهش در نواحی تنظیم‌کننده به جای خود ژن‌های کدکننده—سلول‌ها می‌توانند دچار اختلال شوند و منجر به طیف وسیعی از اختلالات، از جمله سرطان، گردند.[1]

با در دست داشتن مدل هوش مصنوعی، محققان اکنون می‌توانند با دقت پیش‌بینی کنند که چگونه جهش‌های خاص دی‌ان‌ای در ناحیه آغازگر، فعال‌سازی طبیعی ژن را مختل خواهند کرد. این قدرت پیش‌بینی به متخصصان ژنتیک اجازه می‌دهد تا جهش‌های بیماری‌زای مرموز قبلی را که خارج از نواحی استاندارد کدکننده پروتئین ژنوم قرار می‌گرفتند، شناسایی کنند.[1]

فراتر از تشخیص، توالی رمزگشایی شده ابزار جدید و قدرتمندی را برای حوزه رو به رشد زیست‌شناسی مصنوعی فراهم می‌کند. ژن‌درمانی‌ها به توانایی وارد کردن دستورالعمل‌های ژنتیکی جدید به سلول‌های بیمار متکی هستند، اما این دستورالعمل‌ها باید در زمان مناسب و در بافت‌های صحیح «روشن» شوند.[1]

با درک نحو دقیق آغازگر، دانشمندان اکنون می‌توانند پروموترهای مصنوعی سفارشی را با عملکردهای تنظیم‌کننده بسیار خاص مهندسی کنند. این قابلیت به عنوان نوعی «مهندسی محرک» مولکولی عمل می‌کند و به محققان اجازه می‌دهد ژن‌درمانی‌هایی را طراحی کنند که با دقتی بی‌سابقه فعال می‌شوند.[1]

تیم UC San Diego رمزگشایی آغازگر را به عنوان یک گام بنیادی به سوی هدفی بسیار بزرگتر می‌بیند: نقشه‌برداری از کد کامل بیان ژن که در ژنوم انسان تعبیه شده است.[1][2]

در حالی که آغازگر یک جزء حیاتی است، با سایر عناصر تنظیم‌کننده، مانند جعبه تاتا (TATA box) و نواحی پروموتر پایین‌دستی، به صورت هماهنگ کار می‌کند تا بیان ژن پیچیده را سازماندهی کند. محققان تأکید می‌کنند که دستیابی به یک مدل جامع و مبتنی بر هوش مصنوعی از کل این چشم‌انداز تنظیم‌کننده برای درک کامل زیست‌شناسی انسان ضروری خواهد بود.[1][2]

در حال حاضر، رمزگشایی موفقیت‌آمیز آغازگر به عنوان یک نمایش برجسته از این موضوع است که چگونه هوش مصنوعی، هنگامی که با مجموعه‌های داده تجربی عظیم همراه می‌شود، می‌تواند کدهای بیولوژیکی پنهانی را که دهه‌ها از دسترس دانشمندان دور مانده بودند، آشکار سازد.[1][4]