Искусственный интеллект научили создавать «переключатели» генов
Искусственный интеллект все увереннее осваивает территорию молекулярной биологии. Если еще недавно нейросети помогали анализировать генетические данные, то теперь они способны самостоятельно проектировать важнейшие элементы ДНК. Российские исследователи разработали генеративную модель, которая умеет создавать промоторы и энхансеры – специальные участки генома, отвечающие за включение и регулировку работы генов. Разработка может стать важным шагом на пути к более точным генным терапиям и ускорить развитие синтетической биологии.
Чтобы понять значение этой технологии, стоит разобраться, какую роль играют промоторы и энхансеры. Именно эти небольшие последовательности ДНК выполняют функцию своеобразных «переключателей» генетической активности. Они взаимодействуют с белками, которые считывают информацию с хромосом, определяя, какие гены будут активированы, насколько интенсивно они будут работать и в каких клетках это произойдет. Благодаря такой системе организм способен гибко управлять жизненно важными процессами – от развития тканей до реакции на внешние воздействия.
Неудивительно, что ученые уже многие годы пытаются научиться проектировать подобные регуляторные элементы искусственно. Возможность создавать промоторы и энхансеры с заранее заданными свойствами открывает перспективы для лечения наследственных заболеваний, разработки новых методов генной терапии, а также создания клеточных культур, способных эффективно производить лекарства, ферменты и другие ценные биологические соединения.
Большие надежды в этой области возлагаются именно на генеративный искусственный интеллект. По аналогии с тем, как современные нейросети создают изображения, музыку или тексты, они могут генерировать и новые последовательности ДНК. Однако до сих пор существовал серьезный барьер: большинство алгоритмов не могли работать непосредственно с генетическим кодом.
Проблема заключалась в том, что последовательности нуклеотидов приходилось сначала переводить в непрерывное числовое представление, понятное алгоритмам машинного обучения, а затем обратно преобразовывать в ДНК. Такой двойной процесс неизбежно приводил к потере части информации и увеличивал вероятность ошибок, что особенно критично при работе с генетическим материалом.
Исследователи из НИУ ВШЭ предложили альтернативное решение. Вместо промежуточных преобразований они использовали метод дискретного сопоставления потоков, который позволяет нейросети работать непосредственно с последовательностями нуклеотидов – своеобразными «буквами» ДНК. Такой подход сохраняет принцип постепенной генерации данных, но делает процесс значительно точнее.
«Проектирование регуляторных участков напрямую, на уровне нуклеотидов, позволяет избежать ошибок, которые неизбежно возникают при переводе ДНК в непрерывное представление и обратно. В перспективе это даст возможность собирать промоторы и энхансеры с заданными свойствами – прицельно включать или тонко настраивать нужные гены в конкретных типах клеток», – отметила директор Центра биомедицинских исследований и технологий Института ИИ и цифровых наук факультета компьютерных наук НИУ ВШЭ Мария Попцова.
Для обучения новой модели ученые подготовили сразу несколько масштабных наборов данных. В них вошли около 100 тысяч человеческих промоторов, почти 89 тысяч энхансеров, полученных из опухолевых клеток меланомы, а также свыше 105 тысяч энхансеров мозга мушки-дрозофилы – одного из наиболее распространенных модельных организмов современной биологии. Такой объем информации позволил искусственному интеллекту изучить разнообразные механизмы регуляции генов.
После завершения обучения исследователи сравнили работу новой системы с существующими алгоритмами генерации регуляторных элементов ДНК. Испытания показали, что разработанная российскими специалистами нейросеть превзошла большинство известных моделей при создании промоторов, стала наиболее эффективной среди потоковых методов при генерации энхансеров опухолевых клеток и показала высокие результаты при работе с геномом дрозофилы.
Полученные результаты не только подтверждают эффективность нового подхода, но и значительно расширяют возможности современной биотехнологии. Инструменты подобного уровня позволяют точнее управлять активностью генов, а значит, приближают создание персонализированных методов лечения, новых биоинженерных технологий и более совершенных систем синтетической биологии. По мере развития таких решений искусственный интеллект становится не просто помощником исследователей, а полноценным инструментом конструирования генетических программ будущего.
Подготовил Роман БОНДАРЧУК, УзА
