دانشمندان با کمک هوش مصنوعی بیش از ۱۶۰ هزار ویروس آر‌ان‌ای تازه کشف کردند

محققان بین‌المللی با بهره‌گیری از الگوریتم‌های پیشرفته یادگیری ماشین، موفق شده‌اند نزدیک به ۱۶۲ هزار گونه ویروس دارای آر‌ان‌ای را شناسایی کنند که بزرگ‌ترین کشف ویروس از نظر تعداد در تاریخ علم محسوب می‌شود.

نتایج این پژوهش که با مشارکت پروفسور ادوارد هولمز از دانشگاه سیدنی انجام شده، در ژورنال معتبر سل منتشر شده است. هولمز می‌گوید این بزرگ‌ترین تعداد گونه ویروس کشف‌شده در یک مطالعه مجزا است و می‌تواند درک ما از ویروس‌های محیط زیست را به‌شکل قابل‌توجه‌ی گسترش دهد.

ویروس‌های آر‌ان‌ای اگرچه بیش‌تر در بیماری‌های انسانی نقش دارند، اما در محیط‌های متنوعی از جمله اتمسفر، چشمه‌های آب‌گرم و دهانه‌های زمین‌گرمایی نیز یافت می‌شوند. برخی از این ویروس‌ها در شرایط محیطی سخت و دشوار نیز توانایی بقا دارند که نشان‌دهنده تنوع زیستی بی‌نظیر در جهان ویروس‌هاست.

هوش مصنوعی چگونه ویروس‌های جدید را شناسایی می‌کند؟

پژوهشگران از الگوریتم‌های نوین یادگیری ماشین برای پردازش حجم عظیم داده‌های توالی ژنتیکی استفاده کرده‌اند. این سیستم توانسته توالی‌های مربوط به ویروس‌ها با حداکثر ۴۷ هزار و ۲۵۰ نوکلئوتید را شناسایی و پردازش کند. داده‌های حاصل برای کشف بیش از ۱۶۰ هزار گونه تازه مورد استفاده قرار گرفته است. شایان‌ذکر است که برخی از این توالی‌ها پیش از این در پایگاه‌های داده وجود داشته اما دسته‌بندی نشده بودند؛ روش جدید موفق شده اطلاعات پراکنده را جمع‌آوری و طبقه‌بندی کند.

<figcaption class="wp-element-caption"نقشه مثالهای ویروسی اخذ شده از سراسر جهان

علاوه بر تحلیل توالی‌های ژنتیکی، الگوریتم‌های یادگیری ماشین می‌توانند ساختار ثانویه پروتئین‌های درگیر در تکثیر ویروس‌های آر‌ان‌ای را پیش‌بینی کنند. این رویکرد دقت بالا و سرعت بسیار بیش‌تر را در مقایسه با روش‌های سنتی فراهم می‌آورد، چرا که روش‌های قبلی تشخیص ویروس‌ها زمان‌بر بودند و محققان باید ساعت‌ها را صرف این مراحل می‌کردند. دانشمندان معتقدند این روش می‌تواند در آینده برای شناسایی باک‌تری‌ها و انگل‌های ناشناس نیز به‌کار رود.

این پیشرفت علمی نه‌تنها درک ما از جهان ویروس‌ها را تغییر می‌دهد، بلکه مسیر‌های جدیدی برای توسعه واکسن‌ها و درمان‌های آنتی‌ویروسی باز می‌کند. شناسایی این تعداد وسیع از ژنوم‌های ویروسی، امکان مقایسه تکاملی و کشف الگو‌های مشترک در مکانیزم‌های عفونت را فراهم آورده است.

کارشناسان معتقدند که داده‌های حاصل از این پژوهش می‌تواند به پیش‌بینی طفره‌های احتمالی ویروس‌های و طراحی استراتژی‌های پیشگیرانه در برابر اپیدمی‌های آینده کمک کند. پایگاه داده‌ای که در نتیجه این کار شکل گرفته، اکنون در دسترس محققان سراسر جهان قرار دارد تا مبنای مطالعات تکمیلی باشد.

تیم پژوهش تأکید کرده که روش مبتنی بر هوش مصنوعی قابلیت مقیاس‌پذیری بالایی دارد و می‌تواند بر روی مجموعه داده‌های بزرگ‌تر از متاژنومیک محیطی اجرا شود. این یعنی در سال‌های آینده شاهد کشف می‌لیون‌ها گونه ویروس جدید خواهیم بود که بسیاری از آن‌ها نقشی در توازن اکوسیستم‌ها و چرخه‌های بیوژئوشیمیایی ایفا می‌کنند.

از نظر فناوری، ترکیب توالی‌یابی الجیل بعد با یادگیری عمیق، گلوگاه‌های تحلیلی سنتی را شکسته است. الگوریتم‌های توسعه‌یافته قادرند الگو‌های پنهان در توالی‌های نوکلئوتیدی را که برای چشم انسان و ابزار‌های بیوانفورماتیک کلاسیک نامرئی هستند، شناسایی و دسته‌بندی کنند.

پروفسور هولمز در ادامه اظهارات خود افزود ما تنها سطح آب را خریده‌ایم. تنوع ویروسی در طبیعت بسیار فرا‌تر از تصور‌های قبلی است و هر کشف جدید، پرسش‌های تازه‌ای را در مورد مبدأ حیات، تکامل و تعاملات می‌کروبی طرح می‌کند. این دیدگاه، ضرورت سرمایه‌گذاری بیش‌تر در پایش ویروس‌های محیطی و توسعه پلتفرم‌های هوشمند تحلیل داده‌های عمری را دوچندان می‌کند.

تحلیل‌های تکاملی انجام‌شده بر روی ژنوم‌های جدیدکشف‌شده نشان می‌دهد که بسیاری از این ویروس‌ها از سلف‌های مشترک کهنه‌ای جدا شده‌اند و مسیر‌های تکاملی متمایز را طی کرده‌اند. فیی‌سازی این تعداد وسیع از ویروس‌ها، درخت حیات ویروسی را بازتعریف کرده و شاخه‌های ناشناس زیادی را به آن اضافه نموده است.

محققان با استفاده از ابزار‌های بیوانفورماتیک پیشرفته، ند نواحی محافظت‌شده در ژنوم‌های ویروسی را شناسایی کنند که اهداف بالقوه برای توسعه دارو‌های طیف وسیع هستند. این نواحی که در طول تکامل تحت فشار انتخاب منفی قرار داشته‌اند، می‌توانند پایه‌های طراحی آنتی‌ویروس‌های نسل جدید را تشکیل دهند.

کاربرد‌های بالقوه در پزشکی و کشاورزی

شناسایی ویروس‌های جدید تنها اهمیت اکولوژیک ندارد، بلکه پیامد‌های مستقیم برای سلامت انسان، دام‌وپرورش و کشاورزی دارد. برخی از ویروس‌های کشف‌شده در نمونه‌های خاک و آب، مرتبط با پاتوژن‌های شناخته‌شده گیا‌هان و حیوانات هستند و می‌توانند به درک دینامیک انتقال بیماری‌ها بین گونه‌ها کمک کنند.

در بخش پزشکی، داده‌های توالی جدید می‌تواند به بهبود سیستم‌های پایش ویروس‌های ناشناس در بیمارستان‌ها و مراکز بهداشتی کمک نماید. الگوریتم‌های آموزش‌دیده بر روی این مجموعه داده گسترده، قادرند سیگنال‌های زودرس عفونت‌های ناشناس را در نمونه‌های بالینی شناسایی کنند.

از نظر کشاورزی، شناخت ویروس‌های موجود در ریزوسفر و فیلولن می‌تواند به توسعه استراتژی‌های کنترل بیولوژیک و مدیریت بیماری‌های گیاه‌ی کمک کند. برخی ویروس‌های باک‌تریوفاژ که در این پژوهش شناسایی شده‌اند، کاندیدای مناسبی برای جایگزینی آنتی‌بیوتیک‌ها در مبارزه با باک‌تری‌های پاتوژن گیاه‌ی هستند.

تیم پژوهش تأکید کرده که داده‌های خام و نتایج تحلیل به‌صورت باز در مخازن عمومی ژنومیک قرار گرفته‌اند تا امکان بازتولید نتایج و تحلیل‌های مستقل توسط جامعه علمی فراهم آید. این رویکرد علم باز، شفافیت و سرعت پیشرفت در حوزه ویروس‌شناسی را تضمین می‌کند.

چالش‌ها و محدودیت‌های موجود

با وجود موفقیت چشمگیر، محققان به محدودیت‌های موجود اشاره کرده‌اند. شناسایی توالی ژنتیکی به‌تنه‌ایی اثبات عفونت فعال یا پاتوژنسیتی را فراهم نمی‌آورد. برای تایید بیولوژیک، نیاز به کشت ویروس در سیستم‌های مدل، آزمایش عفونت در می‌زبان‌های مرتبط و مطالعه مکانیزم‌های مولکولی پاتوژنزی است.

علاوه بر این، پیش‌بینی می‌زبان برای ویروس‌های جدیدکشف‌شده همچنان چالش‌برانگیز است. اگرچه الگوریتم‌های هوش مصنوعی می‌توانند بر اساس امضای نوکلئوتیدی و شباهت توالی، می‌زبان‌های احتمالی را پیش‌بینی کنند، اما تأیید تجربی ضروری باقی مانده است. تیم پژوهش در حال توسعه روش‌های پرسکرینینگ بالا برای تایید تعاملات ویروس-میزبان است.

مسئله دیگر، تنوع شدید توالی در برخی خانواده‌های ویروسی است که باعث می‌شود الگوریتم‌ها در شناسایی اعضای بسیار واگرا دچار مشکل شوند. بهبود مداوم مدل‌های یادگیری ماشین با داده‌های آموزشی بیش‌تر، این محدودیت را به مرور زمان کاهش خواهد داد.