ИИ Дали да научиш какво означава да си жив

През 1889 година френски доктор на име Франсоа-Жилбер Вио слиза от планина в Андите, взема кръв от ръката си и я инспектира под микроскоп. Червените кръвни кафези на доктор Вио, които придвижват О2, са скочили с 42 %. Той беше разкрил мистериозна мощ на човешкото тяло: когато то се нуждае от повече от тези жизненоважни кафези, то може да ги създава при поискване.

В началото на 1900 година учени теоретизираха, че повода беше хормон. Те нарекоха теоретичния хормон еритропоетин, или „ производител на алено “ на гръцки. Седем десетилетия по-късно откривателите откриха автентичен еритропоетин след пречистване на 670 галона урина.

И към 50 години по-късно биолози в Израел оповестиха, че са разкрили рядка бъбречна клетка, която прави хормона, когато кислородът падне прекомерно ниско. Нарича се Норн клетка, кръстена на скандинавските божества, за които се е считало, че управляват човешката орис.

На хората са били нужни 134 години, с цел да открият Норн клетките. Миналото лято компютри в Калифорния ги откриха сами единствено за шест седмици.

Откритието стана, когато откриватели от Станфорд програмираха компютрите да се образоват по биология. Компютрите извършват стратегия с изкуствен интелект, сходна на ChatGPT, известният бот, който владее езика след образование на милиарди текстове от интернет. Но откривателите от Станфорд образоваха компютрите си на сурови данни за милиони действителни кафези и техния химичен и генетичен състав.

Изследователите не споделиха на компютрите какво значат тези измервания. Те не обясниха, че другите типове кафези имат разнообразни биохимични профили. Те не са дефинирали кои кафези да вземем за пример улавят светлина в очите ни или кои създават антитела.

Компютрите сами обработват данните, създавайки модел на всички клетките въз основа на тяхната аналогия една с друга в голямо, многоизмерно пространство. Когато машините бяха подготвени, те бяха научили изумително доста. Те биха могли да класифицират клетка, която в никакъв случай преди не са виждали, като една от над 1000 разнообразни вида. Една от тях беше клетката Norn.

„ Това е удивително, тъй като никой в никакъв случай не е споделил на модела, че клетка Norn съществува в бъбрека “, сподели Юре Лесковец, компютърен академик в Станфорд, който образова компютрите.

Софтуерът е една от няколкото нови стратегии, задвижвани от изкуствен интелект, известни като фундаментални модели, които насочват погледа си към основите на биологията. Моделите не просто подреждат информацията, която биолозите събират. Те вършат открития за това по какъв начин работят гените и по какъв начин се развиват клетките.

С увеличението на моделите, с от ден на ден лабораторни данни и изчислителна мощ, учените предвиждат, че ще стартират да вършат по-дълбоки открития. Те могат да разкрият секрети за рак и други болести. Те могат да измислят предписания за превръщането на един тип клетка в различен.

„ Жизненоважно изобретение за биологията, което другояче не би било направено от биолозите – мисля, че ние ще забележим това в един миг “, сподели доктор Ерик Топол, шеф на Scripps Research Translational Institute.

Въпрос на това какъв брой надалеч ще стигнат е спор. Докато някои скептици считат, че моделите ще се блъснат в стената, по-оптимистичните учени считат, че главните модели даже ще се оправят с най-големия биологичен въпрос от всички тях: Какво разделя живота от неживота?

клетъчни атласи на сърдечни кафези и къртици плъхове

, които набъбнаха с милиарди данни.

Dr. Кристина Теодорис, ординатор в Бостънската детска болница, четеше за нов тип ИИ. модел, основан от инженерите на Гугъл през 2017 година за езикови преводи. Изследователите предоставиха на модела милиони фрази на британски, дружно с техните преводи на немски и френски. Моделът разви силата да превежда фрази, които не беше виждал преди. Д-р Теодорис се чудеше дали сходен модел може да се научи да осмисля данните в клетъчните атласи.

През 2021 година тя се бореше да откри лаборатория, която да й разреши да опита да построи подобен. „ Имаше доста песимизъм, че този метод въобще ще проработи “, сподели тя.

Шърли Лиу, изчислителен биолог в Dana-Farber Cancer Institute в Бостън, даде й инжекция. Д-р Теодорис извади данни от 106 оповестени изследвания върху хора, които общо включват 30 милиона кафези, и ги вкара в стратегия, наречена GeneFormer.

Моделът закупи задълбочено схващане на по какъв начин нашите гени се държат в разнообразни кафези. Той предвижда да вземем за пример, че прекъсването на ген, наименуван TEAD4 в избран вид сърдечна клетка, ще го наруши съществено. Когато нейният екип подложи прогнозата на тест в действителни кафези, наречени кардиомиоцити, биенето на сърдечните кафези стана по-слабо.

В различен тест тя и нейните сътрудници демонстрираха GeneFormer heart кафези от хора с повреден сърдечен темп, както и от здрави хора. „ Тогава казахме, в този момент ни кажете какви промени би трябвало да се случат с нездравите кафези, с цел да ги създадем здрави “, сподели доктор Теодорис, който в този момент работи в Калифорнийския университет в Сан Франциско.

GeneFormer предлага понижаване на интензивността на четири гена, които в никакъв случай преди не са били свързвани със сърдечни болести. Екипът на доктор Теодорис последва съвета на модела, премахвайки всеки от четирите гена. В два от четирите случая лекуването усъвършенства метода, по който клетките се свиват.

Екипът на Станфорд влезе в бизнеса с съществени модели, откакто оказа помощ за построяването на една от най-големите бази данни на клетките в света, прочут като CellXGene. В началото на август откривателите образоваха компютрите си на 33-те милиона кафези в базата данни, като се концентрираха върху тип генетична информация, наречена осведомителна РНК. Те също по този начин захранваха модела с триизмерните структури на протеини, които са артикули на гени.

като ChatGPT, биологичните модели от време на време бъркат. Kasia Kedzierska, изчислителен биолог в Оксфордския университет, и нейните сътрудници неотдавна предоставиха GeneFormer и различен главен модел, scGPT, набор от проби. Те показаха на моделите клетъчни атласи, които не бяха виждали преди, и ги накараха да извършват задания като систематизиране на клетките по видове. Моделите се показаха добре при някои задания, само че в други случаи се показаха зле спрямо по-простите компютърни стратегии.

Dr. Kedzierska сподели, че разпорежда огромни очаквания на моделите, само че към този момент „ те не би трябвало да се употребяват авансово без вярно схващане на техните ограничавания. “

Д-р. Лесковец сподели, че моделите се усъвършенстват, до момента в който учените ги образоват на повече данни. Но спрямо образованието на ChatGPT в целия интернет, най-новите клетъчни атласи оферират единствено непретенциозно количество информация. „ Бих желал цяла мрежа от кафези “, сподели той.

Повече кафези са на път, защото по-големите клетъчни атласи идват онлайн. И учените събират разнообразни типове данни от всяка от клетките в тези атласи. Някои учени каталогизират молекулите, които се придържат към гените, или вършат фотоси на кафези, с цел да осветят точното местонахождение на техните протеини. Цялата тази информация ще разреши на моделите на основите да извлекат поучения за това какво кара клетките да работят.

Учените също по този начин създават принадлежности, които разрешават на моделите на основите да комбинират това, което научават сами с това, което биолозите от плът и кръв към този момент са разкрили. Идеята би била да се свържат констатациите в хиляди оповестени научни публикации с базите данни с клетъчни измервания.

подписа апел технологията да бъде контролирана, тъй че да не може да се употребява за основаване на нови биологични оръжия. Такова безпокойствие може да се отнася за нови типове кафези, създадени от моделите.

Нарушаването на поверителността може да се случи даже по-рано. Изследователите се надяват да програмират персонализирани съществени модели, които да преглеждат неповторимия геном на индивида и характерния метод, по който той работи в клетките. Това ново измерение на знанието може да разкрие по какъв начин другите версии на гените въздействат върху метода, по който работят клетките. Но също по този начин може да даде на притежателите на модел на фондация някои от най-интимните знания, които можете да си визиите за хората, които са дарили своята ДНК и кафези на науката.

Някои учени имат своите подозрения за това какъв брой надалеч ще стигнат главните модели по пътя към „ Фантастичното странствуване “ обаче. Моделите са толкоз положителни, колкото и данните, които им се подават. Да създадем значимо ново изобретение за живота може да зависи от съществуването на данни, които не сме измислили по какъв начин да съберем. Може даже да не знаем от какви данни се нуждаят моделите.

„ Може да създадат някои нови забавни открития “, сподели Сара Уокър, физик в Държавния университет на Аризона, която учи физическа основа на живота. „ Но в последна сметка те са лимитирани, когато става дума за нови фундаментални достижения. “

Все отново успеваемостта на моделите на основите към този момент е предиздвикала основателите им да се чудят за ролята на човешките биолози в свят, в който компютрите вършат значими прозрения сами. Традиционно биолозите са награждавани за изобретателни и отнемащи време опити, които разкриват някои от механизмите на живот. Но компютрите може да са в положение да видят тези дейности след няколко седмици, дни или даже часове, като сканират милиарди кафези за модели, които не можем да забележим.

„ Върви с цел да принудим изцяло преосмисляне на това, което считаме за творчество “, сподели доктор Куейк. „ Професорите би трябвало да са доста, доста нервни. “