Yapay Zeka ve Genomik Araştırmaların Otomatikleştirmesi

California Üniversitesi San Diego Tıp Fakültesi'ndeki araştırmacılar, GPT-4 gibi büyük dil modellerinin (LLM'ler), genlerin ne yaptığını ve nasıl etkileşime girdiğini belirlemeyi amaçlayan fonksiyonel genomik araştırmaları otomatikleştirmeye yardımcı olabileceğini gösterdi.

Fonksiyonel genomikte en sık kullanılan yaklaşım olan gen seti zenginleştirme, deneysel olarak belirlenen gen setlerinin işlevini mevcut genomik veri tabanlarıyla karşılaştırarak belirlemeyi amaçlar. Ancak daha ilginç ve yeni biyoloji genellikle yerleşik veri tabanlarının kapsamının ötesindedir.

Gen setlerini analiz etmek için yapay zekayı (AI) kullanmak, bilim insanlarına saatlerce süren yoğun emekten tasarruf sağlayabilir ve bilimi, genlerin biyolojiyi etkilemek için birlikte nasıl çalıştığını anlamak için en yaygın kullanılan yöntemlerden birini otomatikleştirmeye bir adım daha yaklaştırabilir.

Beş farklı LLM'yi test eden araştırmacılar, GPT-4'ün en başarılı olduğunu ve yaygın olarak kullanılan bir genomik veritabanından derlenen gen setlerinin ortak işlevlerini belirlemede %73'lük bir doğruluk oranına ulaştığını buldular.

Rastgele gen kümelerini analiz etmesi istendiğinde, GPT-4 vakaların %87'sinde bir isim vermeyi reddetti ve GPT-4'ün gen kümelerini minimal hatayla analiz etme potansiyelini gösterdi. GPT-4 ayrıca isimlendirme sürecini desteklemek için ayrıntılı anlatılar sağlama yeteneğine de sahipti.

İşlevsel genomikleri otomatikleştirmede LLM'lerin potansiyelini tam olarak keşfetmek için daha fazla araştırmaya ihtiyaç duyulurken, çalışma LLM’lerin, genomik ve hassas tıptaki uygulamalarının geliştirilmesine sürekli yatırım yapılması gerektiğini vurguluyor. Bunu destekleyen araştırmacılar, diğer araştırmacıların LLM'leri işlevsel genomik iş akışlarına dahil etmelerine yardımcı olmak için bir web portalı oluşturdular.