نقش هوش مصنوعی در ژنومیکس

تولید داده در زیست شناسی و زیست فناوری در سال های گذشته به دلیل توسعه بسیار سریع فناوری های با کارایی بالا بسیار زیاد شده است. این داده ها با مطالعه مولکول های زیستی، از قبیل متابولیت ها، پروتئین ها، RNA و DNA برای درک و فهم نقش این مولکول ها در تعیین ساختار، عملکرد و دینامیک سیستم های زنده حاصل شده اند. علاوه بر این، در یک برنامه اصلاح نژادی، پیشرفت ژنتیکی را می توان از طریق شناسایی دقیق حیوانات برتر که به عنوان والدین نسل بعدی انتخاب می شوند، به حداکثر رساند و در نتیجه به اهداف اصلاح نژادی دست یافت. شبکه های عصبی مصنوعی برای کاهش این محدودیت روش های رگرسیون سنتی پیشنهاد شده اند و می توانند برای مدیریت داده های غیرخطی و پیچیده، حتی زمانی که داده ها نادقیق و نویز هستند، استفاده شوند. داده های اومیکس می توانند به قدری بیش از حد بزرگ و پیچیده باشند که از طریق تجزیه و تحلیل بصری یا همبستگی های آماری قابل بررسی نیستند. این امر استفاده از هوش ماشینی یا هوش مصنوعی را تشویق کرده است. اهداف این مطالعه عبارتند از بررسی کاربردهای اصلی روش های هوش مصنوعی در ژنومیکس عملکردی، سرطان، کشاورزی، حیوانات اهلی و زمینه های درهم تنیده آن یعنی اپی ژنومیکس، ترانس کریپتومیکس، اپی ترانس کریپتومیکس، پروتئومیکس و متابولومیکس، بحث در مورد جنبه های مهم مدیریت داده ها، مانند یکپارچه سازی داده ها، جانهی، تمیز کردن، حذف نویز، متعادل سازی و نسبت داده های از دست رفته، مدل سازی سیستم-ژنومیکس عملکردی، هوش مصنوعی و سیستم های بیولوژی، پرداختن به مسائل حقوقی، اخلاقی و اقتصادی مربوط به کاربرد روش های هوش مصنوعی در حوزه ژنومیکس و ارائه نمایی از سناریوهای احتمالی آینده است.

در این بررسی سعی شد کلیه پژوهش های انجام شده در زمینه کاربرد هوش مصنوعی در ژنومیکس عملکردی، سرطان، کشاورزی، حیوانات اهلی و زمینه های درهم تنیده آن یعنی اپی ژنومیکس، ترانس کریپتومیکس، اپی ترانس کریپتومیکس، پروتئومیکس و متابولومیکس، با تمرکز بر روی کاربردهای سال های اخیر پس از افزایش تولید کلان داده مطالعه و مورد استفاده قرار گیرند.

بررسی ها نشان داد که کاربرد هوش مصنوعی در همه رشته ها از چمله ژنومیکس عملکردی، سرطان، کشاورزی، حیوانات اهلی و زمینه های درهم تنیده آن یعنی اپی ژنومیکس، ترانس کریپتومیکس، اپی ترانس کریپتومیکس، پروتئومیکس و متابولومیکس با سرعت زیادی رو به افزایش است و فواید زیادی دارد.

با توجه به کاربردهای حیاتی که اغلب توسط زیست شناسی و به ویژه ژنومیک عملکردی به آن پرداخته می شود، بهتر است با ابزارهای هوش مصنوعی که قادر به کمک به درک مکانیکی فرآیندهای بیولوژیکی هستند، سروکار داشته باشیم.