Het kon natuurlijk niet uitblijven. Kunstmatige intelligentie (ki) wordt gebruikt voor de duvel en zijn oude moer, vooral de zelflerende systemen, dus waarom niet in de genetica, dat wilde-bomenbos van complexiteit? Onderzoekers van het Zuid-Koreaanse KAIST en van de universiteit van Californië in San Diego (VS) hebben een zelflerend neuraal netwerk in elkaar geschroefd dat voorspelt welke trancriptiefactoren bij welke processen van belang zijn: DeepTFactor. Dat zou het begrip van de complexiteit van het leven moeten verbeteren…
Transcriptiefactoren zijn eiwitten die zich aan bepaalde stukken DNA binden om het kopiëren van dat stuk DNA (op boodschapper-RNA) mogelijk te maken. Als je weet hoe dat werkt dan krijg je wat meer inzicht in de manieren waarop een cel (of bij uitbreiding organisme) reageert op genetische en omgevingsomstandigheden (is het idee).
Tot voor kort werd die rol bepaald (of eigenlijk voorspeld) aan de hand van overeenkomsten met al ‘geplaatste’ trancriptiefactoren, maar ook door ki-systemen. Die moeten dan gevoed worden met veel kennis zoals de natuur- en scheikundige eigenschappen van de betrokken moleculen. Zelflerende systemen zouden die zelf kunnen achterhalen, is het idee.
Een groep onderzoekers onder aanvoering van promovendus Gi Bae Kim en Sang Yup Lee van KAIST en Ye Gao en Bernhard Palsson van de universiteit van Californië in San Diego toog aan het werk en ontwikkelde DeepTFactor. Dat systeem gebruikt drie parallel opererende zogeheten convolutionele neurale netwerken (convolutie is samenvouwing, duidend, denk ik, op de vorm die die eiwitten aannemen; as).
De groep oefende met 332 transcriptiefactoren van de welbekende E. coli-bacterie. Van drie van de transcriptiefactoren werden de bindingsplaatsen op het DNA vastgesteld om te kijken of die overeenkwamen met de voorspelde plaatsen van het neurale netwerk.

Duister

Probleem van die zelflerende systemen is dat de ‘redeneringen’ van zo’n systeem vaak moeilijk of zelfs helemaal niet te volgen zijn. De onderzoekers hebben in ieder geval geprobeerd dat proces te achterhalen. DeepTFactor had geen informatie vooraf gekregen over de bindingsplaatsen op DNA, maar had die zich eigen gemaakt (op basis van wat?; as).

Anders dan andere kunstmatig intelligente transcriptievoorspellers zou het systeem meer kunnen dan het voorspellen van de eiwitsequenties (uit welke aminozuurvolgorde bestaat een eiwit) van een specifiek organisme. Het zou gebruikt kunnen worden voor de analyse van transcriptiefactoren van alle organismen, stellen de onderzoekers.
Lee: “DeepTFactor kan gebruikt worden om onbekende transcriptiefactoren te ontdekken bij een groot aantal eiwitsequenties die nog niet zijn gekarakteriseerd. Dit systeem zal een belangrijk hulpmiddel worden om processen in organismen te onderzoeken.” Opmerkelijk is dat het onderzoek financieel is ondersteund door de Koreaanse overheid in het kader van een klimaatproject.

Bron: Alpha Galileo