Nowe narzędzie obliczeniowe pomaga wyjaśnić modele sztucznej inteligencji w genomice

Sztuczna inteligencja w dalszym ciągu wkracza w wiele aspektów naszego życia. A co z biologią, nauką o samym życiu? Sztuczna inteligencja może przesiać setki tysięcy punktów danych genomowych, aby zidentyfikować potencjalne nowe cele terapeutyczne. Chociaż te spostrzeżenia dotyczące genomu mogą wydawać się przydatne, naukowcy nie są w ogóle pewni, w jaki sposób obecne modele sztucznej inteligencji dochodzą do swoich wniosków. Teraz na scenę pojawia się nowy system o nazwie SQUID, uzbrojony tak, aby otworzyć czarną skrzynkę sztucznej inteligencji posiadającej tajemniczą wewnętrzną logikę.

SQUID, skrót od Surrogate Quantitative Interpretability for Deepnets, to narzędzie obliczeniowe stworzone przez naukowców z Cold Spring Harbor Laboratory (CSHL). Ma pomóc wyjaśnić, w jaki sposób modele sztucznej inteligencji analizują genom. W porównaniu z innymi narzędziami analitycznymi, SQUID jest bardziej spójny, redukuje szum tła i może prowadzić do dokładniejszych przewidywań dotyczących skutków mutacji genetycznych.

Jak to działa o wiele lepiej? Klucz, mówi profesor nadzwyczajny CSHL, Peter Coe, leży w specjalistycznym szkoleniu SQUID.

„Narzędzia, których ludzie używają do zrozumienia tych modeli, pochodzą w dużej mierze z innych dziedzin, takich jak widzenie komputerowe czy przetwarzanie języka naturalnego. I chociaż mogą być przydatne, nie są idealne dla genomiki. W przypadku SQUID wykorzystaliśmy dziesięciolecia doświadczenia : Ilościowa wiedza z zakresu genetyki pomoże nam zrozumieć, czego uczą się te głębokie sieci neuronowe, wyjaśnia Kuo.

SQUID najpierw tworzy bibliotekę ponad 100 000 różnych sekwencji DNA. Następnie analizuje bibliotekę mutacji i ich skutki za pomocą programu o nazwie MAVE-NN (Multiple Check Variable Effects Neural Network). Narzędzie to umożliwia naukowcom prowadzenie tysięcy wirtualnych eksperymentów jednocześnie. W rzeczywistości mogą „polować” na algorytmy odpowiadające za najdokładniejsze przewidywania sztucznej inteligencji. Ich obliczeniowy „haczyk” może utorować drogę bardziej ugruntowanym eksperymentom w rzeczywistości.

„W krzemie [virtual] Eksperymenty nie zastępują rzeczywistych eksperymentów laboratoryjnych. Może się jednak bardzo przydać. „Mogą pomóc naukowcom w formułowaniu hipotez na temat działania określonego regionu genomu lub tego, jak mutacja może mieć klinicznie istotny wpływ” – wyjaśnia Justin Kenny, adiunkt w CSHL i współautor badania.

Na morzu jest wiele modeli AI. Każdego dnia do wody trafiają kolejne. Ku, Kenny i współpracownicy mają nadzieję, że SQUID pomoże naukowcom wybrać te, które najlepiej odpowiadają ich specjalistycznym potrzebom.

Chociaż ludzki genom został już zmapowany, pozostaje on obszarem bardzo wymagającym. SQUID może pomóc biologom w skuteczniejszym poruszaniu się w tej dziedzinie, przybliżając ich do rzeczywistych medycznych implikacji ich odkryć.

Wyniki badań publikowane są w czasopiśmie Inteligencja maszynowa natury.