نظریه‌ای علّی برای مطالعه روابط علت و معلولی ژن‌ها
به گزارش واحد ژنتیک پایگاه اطلاع رسانی علوم آزمایشگاهی ایران، دانشمندان MIT به تازگی یک روش جدید برای شناسایی روابط علت و معلولی میان ژن ها توسعه داده اند. این روش به محققان کمک می کند تا بدون نیاز به آزمایش های پرهزینه یا غیرعملی، روابط پیچیده میان ژن ها را شناسایی کنند. در این روش، تنها با استفاده از داده های مشاهده ای، می توان گروه های مرتبط از ژن ها را جمع آوری کرده و برنامه های تنظیمی آن ها را که برای فرآیندهای زیستی مثل تمایز سلولی یا رشد مهم هستند، تحلیل کرد.
یکی از ویژگی های کلیدی این روش، استفاده از یک الگوریتم یادگیری ماشینی برای دسته بندی متغیرهای مشاهده شده (مانند ژن ها) به گروه هایی است که با هم تعامل دارند. این الگوریتم قادر است نمایشی لایه بندی شده از داده های مشاهده ای تولید کند که ساختار روابط علت و معلولی را به طور دقیق نشان دهد. این تحقیق می تواند در آینده به شناسایی اهداف ژنی برای درمان بیماری ها و طراحی داروهای جدید کمک کند.
این کشف به پیچیدگی تعاملات ژنتیکی می پردازد و کمک می کند تا بفهمیم چگونه ژن های خاص بر سلامت و بیماری تأثیر می گذارند. این رویکرد می تواند درمان بیماری های پیچیده ناشی از ژن های متعدد، مانند سرطان یا اختلالات عصبی، را متحول کند.
این پژوهش توسط مرکز اریک و وندی اشمیت در MIT با همکاری IBM و سازمان تحقیقات دریایی ایالات متحده حمایت شده و نتایج آن در کنفرانس سیستم های پردازش اطلاعات عصبی (NeurIPS) ارائه شده است.
