معاهد غلادستون تقدم MaxToki — نموذج ذكاء اصطناعي يتنبأ بشيخوخة الخلايا

MaxToki هي محاولة لتعليم الذكاء الاصطناعي رؤية الشيخوخة ليس كمجموعة من اللقطات البيولوجية المنفصلة، بل كمسار مستمر للتغييرات الخلوية عبر الزمن. يؤكد فريق معاهد جلادستون والشركاء أن النموذج لا يستطيع فقط تقييم مدى "تقدم العمر" في حالة خلية معينة، بل يمكنه أيضًا التنبؤ بالتدخلات الجينية التي قد تسرع أو تبطئ هذه العملية. بالنسبة لأبحاث الشيخوخة، هذا يمثل تحولاً مهمًا: بدلاً من وصف الحالة الحالية للخلية، يظهر أداة لنمذجة الاتجاه الذي تتحرك نحوه.

تعمل معظم نماذج الأساس البيولوجية حاليًا مع البيانات الثابتة، غالبًا ما تكون تسلسل الحمض النووي الريبوسي لخلية واحدة — لقطة من الجينات النشطة في خلية واحدة في لحظة معينة. هذا يكفي للتعرف على نوع الخلية أو حالتها الحالية، لكنه غير كافٍ لفهم ديناميكيات الشيخوخة التي تتكشف على مدى سنوات وعقود. تم بناء MaxToki كمحول فك تشفير فقط وتم تدريبه على مرحلتين.

أولاً، درس النموذج النسخ الفردية للخلايا من مجموعة بيانات تضم حوالي 175 مليون عينة. ثم تم توسيع سياقه وإعادة تدريبه على مسارات الشيخوخة: حوالي 22 مليون نسخة خلية واحدة تم جمعها من حوالي 3800 متبرع بأعمار مختلفة — من الميلاد إلى أكثر من 90 عامًا. في المجموع، غطى التدريب ما يقرب من تريليون "رمز جيني".

إحدى الأفكار الرئيسية في MaxToki هي تمثيل الخلية ليس من خلال مستويات التعبير الجيني الخام، بل من خلال ترتيبها المصنف. يساعد هذا النهج في تقليل الاعتماد على الضوضاء التقنية ويمنع الجينات "الموجودة في الخلفية"، التي تكون نشطة دائمًا تقريبًا، من إغراق الإشارة. بدلاً من ذلك، يعزل النموذج بشكل أفضل الجينات التنظيمية، بما في ذلك عوامل النسخ، التي غالبًا ما تحدد انتقال الخلية من حالة إلى أخرى.

في المرحلة الثانية، تعلم MaxToki العمل ليس مع خلية واحدة، بل مع سلاسل قصيرة من حالات الخلايا والفترات الزمنية بينها. سمح هذا بنوعين من الاستعلامات: التنبؤ بالوقت الذي يفصل خلية عن أخرى، وإنشاء الحالة الخلوية المتوقعة بعد فترة زمنية محددة. وفقًا لمؤلفي الدراسة، أظهر النموذج مكاسب ملحوظة في المهام التي كان من الضروري فيها استرجاع مسارات الشيخوخة لأمثلة غير مألوفة.

على أنواع الخلايا المحجوزة التي لم تكن في التدريب، وصل الارتباط بين التحول الزمني المتنبأ به والفعلي إلى 0.85. على الأعمار والمتبرعين المحجوزين — 0.

77. كان متوسط خطأ التنبؤ بالوقت 87 شهرًا مقابل 178–180 شهرًا للطرق الأساسية الأبسط. من المهم أيضًا أن MaxToki لا يتلقى علامات صريحة للجنس أو نوع الخلية أثناء الاستدلال، بل يسترجع السياق من البيانات نفسها.

هذا يجعل النموذج أقرب إلى التعلم في السياق بروح نماذج اللغة، لكن في المجال البيولوجي. خاصة أن التحقق من الأمراض التي لم يرها النموذج على الإطلاق أثناء التدريب يبدو مثيرًا للاهتمام، لأنه تم تدريبه فقط على الشيخوخة "الطبيعية". في الخلايا الظهارية الرئوية لدى الأشخاص الذين لديهم تاريخ ثقيل من التدخين، قدر MaxToki تسارع الشيخوخة بحوالي 5 سنوات بالنسبة لمجموعة التحكم من نفس العمر.

بالنسبة للخلايا الليفية الرئوية في تليف الرئة، وصل التقدير إلى حوالي 15 سنة. في الخلايا الدبقية الصغيرة لمرضى الزهايمر، أظهر النموذج حوالي 3 سنوات من التحول العمري الإضافي. ومع ذلك، لم تكن هذه الإشارة موجودة لدى الأشخاص الذين يعانون من ضعف إدراكي خفيف وفي ما يسمى بمرضى Alzheimer المرنين، الذين لديهم أمراض عصبية مماثلة لكن بدون عجز معرفي واضح.

هذا يلمح إلى أن النموذج قد يكون قادرًا على التقاط ليس فقط العمر، بل تسارع الشيخوخة الخلوية المرضية بشكل خاص. أقوى جزء من العمل هو محاولة الانتقال من التنبؤ إلى العمل. استخدم الباحثون MaxToki للفحص في السيليكو للجينات في خلايا القلب والبحث عن أهداف قد تحول المسار نحو الشيخوخة أو التجدد.

تم بعد ذلك اختبار عدة مرشحين موالين للشيخوخة لم يتم وصفهم سابقًا بشكل تجريبي. في الخلايا العضلية القلبية البشرية، تسبب الإفراط في التعبير عنها في بدء برامج الالتهاب والخلل الميتوكوندري، وأضعف أيضًا وظيفة الخلايا، بما في ذلك اضطرابات دورة الكالسيوم وشذوذ إيقاع الانقباض. تم اختبار أقوى مرشحين أيضًا في الفئران الصغيرة: وفقًا لمؤلفي الدراسة، في غضون ستة أسابيع فقط أدى هذا إلى تدهور قابل للقياس في وظيفة القلب.

بالنسبة للذكاء الاصطناعي الطبي الحيوي، هذه لحظة مهمة: النموذج لا يفسر البيانات بشكل جميل فحسب، بل ينتج أيضًا فرضيات تصمد أمام الاختبار المخبري. ماذا يعني هذا عمليًا؟ يبقى MaxToki نظامًا بحثيًا في الوقت الحالي وتم نشره بصيغة ما قبل الطبع، لذا فمن السابق لأوانه الحديث عن التطبيق السريري. لكن الفكرة نفسها قوية جدًا: إذا تعلمت نماذج الأساس بشكل متسق نمذجة المسارات الخلوية عبر الزمن، فيمكنها أن تصبح أداة للاكتشاف المبكر للأهداف ضد الأمراض المرتبطة بالعمر، واختيار المرشحين للأدوية، واختبار الفرضيات قبل التجارب المكلفة.

ببساطة، تحصل البيولوجيا على نظير "محاكي المستقبل" للخلايا — وهذا أكثر إثارة بكثير من نموذج آخر يصف ببساطة لقطة من الحاضر.