Künstliche Intelligenz könnte "die Sprache von Krebs und Alzheimer knacken"

Leistungsstarke Algorithmen, die von Netflix, Amazon und Facebook verwendet werden, können die biologische Sprache von Krebs und neurodegenerativen Erkrankungen "entschlüsseln"

12.04.2021 - Großbritannien

Große Daten, die während jahrzehntelanger Forschung produziert wurden, wurden in ein Computersprachmodell eingespeist, um zu sehen, ob künstliche Intelligenz fortschrittlichere Entdeckungen machen kann als Menschen.

Wissenschaftler am St. John's College der Universität Cambridge fanden heraus, dass die Technologie des maschinellen Lernens die "biologische Sprache" von Krebs, Alzheimer und anderen neurodegenerativen Krankheiten entschlüsseln kann.

Ihre bahnbrechende Studie wurde in der Fachzeitschrift PNAS veröffentlicht und könnte in Zukunft eingesetzt werden, um "die grammatikalischen Fehler in den Zellen zu korrigieren, die Krankheiten verursachen".

Bessere Krebsbehandlung dank künstlicher Intelligenz

Forschungsprojekt OPTIMA mit CASUS als federführendem Mitglied für das Arbeitspaket zur Umsetzung einer KI-Wissensplattform gestartet

News lesen

Professor Tuomas Knowles, Hauptautor der Studie und Fellow am St John's College, sagte: "Die Technologie des maschinellen Lernens in die Erforschung von neurodegenerativen Erkrankungen und Krebs einzubringen, ist ein absoluter Game-Changer. Letztendlich geht es darum, mithilfe von künstlicher Intelligenz gezielte Medikamente zu entwickeln, um die Symptome drastisch zu lindern oder zu verhindern, dass Demenz überhaupt auftritt."

Jedes Mal, wenn Netflix eine Serie zum Anschauen empfiehlt oder Facebook jemanden vorschlägt, mit dem man sich anfreunden sollte, nutzen die Plattformen leistungsstarke Algorithmen des maschinellen Lernens, um hochgradig gebildete Vermutungen darüber anzustellen, was Menschen als nächstes tun werden. Sprachassistenten wie Alexa und Siri können sogar einzelne Personen erkennen und sofort mit Ihnen "sprechen".

Dr. Kadi Liis Saar, Erstautorin der Studie und Research Fellow am St. John's College, nutzte eine ähnliche Machine-Learning-Technologie, um ein groß angelegtes Sprachmodell zu trainieren und zu untersuchen, was passiert, wenn etwas mit Proteinen im Körper schief läuft und Krankheiten verursacht.

Sie sagte: "Der menschliche Körper beherbergt Abertausende von Proteinen, und die Wissenschaftler kennen die Funktion vieler von ihnen noch nicht. Wir haben ein auf einem neuronalen Netzwerk basierendes Sprachmodell gebeten, die Sprache der Proteine zu lernen.

"Wir baten das Programm speziell darum, die Sprache der formwandelnden biomolekularen Kondensate zu lernen - Tröpfchen von Proteinen, die in Zellen vorkommen -, die Wissenschaftler wirklich verstehen müssen, um die Sprache der biologischen Funktion und Fehlfunktion zu knacken, die Krebs und neurodegenerative Krankheiten wie Alzheimer verursachen. Wir fanden heraus, dass es lernen kann, ohne explizit darauf hingewiesen zu werden, was Wissenschaftler in jahrzehntelanger Forschung bereits über die Sprache der Proteine entdeckt haben."

Proteine sind große, komplexe Moleküle, die viele kritische Rollen im Körper spielen. Sie verrichten die meiste Arbeit in den Zellen und werden für die Struktur, Funktion und Regulierung der Gewebe und Organe des Körpers benötigt - Antikörper zum Beispiel sind ein Protein, das zum Schutz des Körpers dient.

Alzheimer, Parkinson und Huntington sind drei der häufigsten neurodegenerativen Erkrankungen, aber Wissenschaftler gehen davon aus, dass es mehrere hundert gibt.

Bei der Alzheimer-Krankheit, von der weltweit 50 Millionen Menschen betroffen sind, laufen Proteine aus dem Ruder, bilden Klumpen und töten gesunde Nervenzellen. Ein gesundes Gehirn verfügt über ein Qualitätskontrollsystem, das diese potenziell gefährlichen Eiweißmassen, die so genannten Aggregate, effektiv entsorgt.

Wissenschaftler glauben nun, dass einige ungeordnete Proteine auch flüssigkeitsähnliche Tröpfchen von Proteinen bilden, die Kondensate genannt werden, die keine Membran haben und frei miteinander verschmelzen. Im Gegensatz zu Proteinaggregaten, die irreversibel sind, können sich Proteinkondensate bilden und neu formieren und werden oft mit Klecksen aus formveränderlichem Wachs in Lavalampen verglichen.

Professor Knowles sagte: "Proteinkondensate haben in letzter Zeit viel Aufmerksamkeit in der wissenschaftlichen Welt erregt, weil sie Schlüsselereignisse in der Zelle kontrollieren, wie die Genexpression - wie unsere DNA in Proteine umgewandelt wird - und die Proteinsynthese - wie die Zellen Proteine herstellen.

"Alle Defekte, die mit diesen Proteintröpfchen zusammenhängen, können zu Krankheiten wie Krebs führen. Deshalb ist es wichtig, die Technologie zur Verarbeitung natürlicher Sprache in die Erforschung der molekularen Ursprünge von Proteinfehlfunktionen einzubringen, wenn wir in der Lage sein wollen, die grammatikalischen Fehler in den Zellen zu korrigieren, die Krankheiten verursachen."

Dr. Saar sagte: "Wir haben den Algorithmus mit allen Daten gefüttert, die wir über die bekannten Proteine haben, so dass er die Sprache der Proteine lernen und vorhersagen konnte, in der gleichen Weise, wie diese Modelle über die menschliche Sprache lernen und wie WhatsApp weiß, wie man Wörter vorschlägt, die man verwenden kann.

"Dann konnten wir es nach der spezifischen Grammatik fragen, die dazu führt, dass nur einige Proteine Kondensate in Zellen bilden. Das ist ein sehr herausforderndes Problem, und es zu entschlüsseln, wird uns helfen, die Regeln der Sprache von Krankheiten zu lernen."

Die Technologie des maschinellen Lernens entwickelt sich in rasantem Tempo, da immer mehr Daten zur Verfügung stehen, die Rechenleistung steigt und der technische Fortschritt leistungsfähigere Algorithmen hervorgebracht hat.

Der weitere Einsatz des maschinellen Lernens könnte die zukünftige Forschung zu Krebs und neurodegenerativen Erkrankungen verändern. Es könnten Entdeckungen gemacht werden, die über das hinausgehen, was Wissenschaftler derzeit bereits wissen und über Krankheiten spekulieren, und möglicherweise sogar über das hinausgehen, was das menschliche Gehirn ohne die Hilfe des maschinellen Lernens verstehen kann.

Dr. Saar erklärte: "Das maschinelle Lernen kann sich von den Beschränkungen dessen befreien, was die Forscher als Ziele für die wissenschaftliche Erforschung ansehen, und es wird bedeuten, dass neue Zusammenhänge gefunden werden, an die wir bisher noch gar nicht gedacht haben. Das ist in der Tat sehr aufregend."

Das entwickelte Netzwerk wurde nun Forschern auf der ganzen Welt zur freien Verfügung gestellt, damit die Fortschritte von mehr Wissenschaftlern bearbeitet werden können.

Hinweis: Dieser Artikel wurde mit einem Computersystem ohne menschlichen Eingriff übersetzt. LUMITOS bietet diese automatischen Übersetzungen an, um eine größere Bandbreite an aktuellen Nachrichten zu präsentieren. Da dieser Artikel mit automatischer Übersetzung übersetzt wurde, ist es möglich, dass er Fehler im Vokabular, in der Syntax oder in der Grammatik enthält. Den ursprünglichen Artikel in Englisch finden Sie hier.