معاينة مباشرة: زميلة ما بعد الدكتوراه في جامعة تسينغهوا، لي يوزهي، تشرح بالتفصيل أوراق المجلة الفرعية Cell/Nature، وتستكشف تطبيقات الذكاء الاصطناعي في علم الجينوم
ستبدأ الحلقة الثانية من سلسلة البث المباشر "Meet AI4S" في الساعة 19:00 يوم 21 أغسطس! تشرفت شركة HyperAI بدعوة Li Yuzhe، زميل ما بعد الدكتوراه في مختبر Zhang Qiangfeng بجامعة Tsinghua، لمشاركة أساليب الذكاء الاصطناعي في أبحاث النسخ المكاني وأبحاث أوميكس الخلية الواحدة معنا.
تم نشر نتائج البحث للدكتور لي يوزهي باعتباره المؤلف الأول، "اكتشاف وحدة الأنسجة في بيانات النسخ المكاني بدقة خلية واحدة عبر تضمين الخلايا مع مراعاة التفاعل بين الخلايا"، في Cell Systems.وسوف يقدم أيضًا الطريقة المبتكرة المقترحة في هذه الدراسة: خوارزمية الذكاء الاصطناعي SPACE القائمة على إطار التعلم العميق لمشفر الرسم البياني التلقائي.
أيضًا،شارك الدكتور لي يوزهي في أبحاث خوارزميات الذكاء الاصطناعي القائمة على إطار التعلم العميق للمشفر التلقائي المتغير سكاليكس،وقد نُشرت الدراسة أيضًا في مجلة Nature Communications تحت عنوان "دمج بيانات الخلية الواحدة عبر الإنترنت من خلال إسقاط مجموعات بيانات غير متجانسة في مساحة تضمين خلية مشتركة". وسوف يشارك أيضًا أفكار البحث وراء هذا الإنجاز مع الجميع أثناء البث المباشر.
تفاصيل الحدث
شارك الموضوع
استكشاف تطبيقات الذكاء الاصطناعي في علم الجينوم: أخذ خوارزمية تمثيل بيانات النسخ المكاني SPACE كمثال
مقدمة
مع التطور السريع لأبحاث علوم الحياة وتكنولوجيا الذكاء الاصطناعي، يلعب الذكاء الاصطناعي دورًا متزايد الأهمية في البحث الطبي الحيوي، مما أدى إلى ظهور نموذج بحثي جديد متعدد التخصصات بعنوان "الذكاء الاصطناعي من أجل العلوم".
سيشارك هذا البث المباشر أبحاث الجينوم، وخاصة أساليب الذكاء الاصطناعي في النسخ المكاني وأبحاث أوميكس الخلية الواحدة.
الفوائد للجمهور
1. اكتساب فهم أولي لعملية التطوير والتقدم المتطور لأساليب الذكاء الاصطناعي في أبحاث الجينوميات.
2. فهم SCALEX، وهي خوارزمية تكامل بيانات أوميكس خلية واحدة تعتمد على النماذج التوليدية.
3. فهم خوارزمية تمثيل بيانات النسخ المكاني SPACE استنادًا إلى الشبكة العصبية البيانية ومفهوم مجتمع الخلايا.
مراجعة الورقة
قامت شركة HyperAI في السابق بتفسير ومشاركة ورقة بحثية بعنوان "اكتشاف وحدة الأنسجة في بيانات النسخ المكاني بدقة خلية واحدة عبر تضمين الخلايا مع مراعاة التفاعل بين الخلايا" مع الدكتور لي يوزهي كمؤلف أول.
أبرز ما جاء في البحث
* تم تطوير SPACE، وهي أداة تحليل الذكاء الاصطناعي لبيانات النسخ المكانية، والتي يمكنها تحديد أنواع الخلايا المكانية واكتشاف وحدات الأنسجة من بيانات النسخ المكانية بدقة خلية واحدة.
* يتفوق SPACE بشكل كبير على الأدوات الأخرى في تحديد نوع الخلية واكتشاف وحدات الأنسجة، وخاصة في الأنسجة المعقدة التي تحتوي على أنواع متعددة من الخلايا.
* يقوم SPACE بتعريف واكتشاف مجتمعات الخلايا، أي وحدات الأنسجة المكونة من أنواع الخلايا المتجانسة مكانيًا مع حدود يمكن التعرف عليها.
* يتم تعريف مجتمعات الخلايا من خلال شبكات التفاعل المتشابهة بين الخلايا التي تتكون منها، والتي يمكن استخدامها لتحسين الاستدلالات القائمة على الربيطة والمستقبلات حول الاتصالات الخلوية.
* يمكن استخدام SPACE في دراسات النسخ المكاني واسعة النطاق لفهم كيفية تأثير التفاعلات بين الخلايا المتجاورة مكانيًا على الوظائف البيولوجية لأنواع الخلايا ووحدات الأنسجة.
اكتساب مجموعة البيانات
من أجل التحقق من قدرات SPACE، تم استخدام مجموعات بيانات متعددة في الدراسة. عنوان التنزيل:
هندسة النموذج: نموذج مدمج في الخلايا يراعي التفاعل بين الخلايا
يستخدم SPACE إطار عمل ترميز تلقائي للرسم البياني لتعلم تضمينات الخلايا منخفضة الأبعاد التي تصف معلومات التعبير الجيني لكل خلية في بيانات النسخ المكاني بالإضافة إلى معلومات تفاعلها مع الخلايا المجاورة المكانية (ومن ثم يُطلق على تضمين الخلايا اسم تضمين الخلايا الواعي للتفاعل بين الخلايا). وبناءً على تضمين الخلايا هذا، يستخدم SPACE بعد ذلك خوارزميات التجميع لتحديد الأنواع الفرعية للخلايا المكانية واكتشاف وحدات الأنسجة.
من وجهة نظر الهندسة المعمارية، يتكون نموذج SPACE من ثلاثة أجزاء: المشفر (شبكة انتباه الرسم البياني ثلاثية الطبقات)، وفك تشفير الرسم البياني المجاور، وفك تشفير التعبير الجيني. الشكل التالي يوضح الإطار العام للنموذج:
تقييم الأداء
* يمكن لـSPACE تحديد أنواع الخلايا المتميزة بيولوجيًا استنادًا إلى المعلومات المكانية في مجموعات بيانات ST.
* يتفوق SPACE على الأدوات المتاحة حاليًا للتمييز بين أنواع الخلايا ذات المعلومات المكانية من بيانات ST.
* يتفوق SPACE على الأدوات الحديثة في اكتشاف وحدات الأنسجة.
مختبر تشانغ تشيانغفينغ بجامعة تسينغهوا
مختبر Zhang Qiangfeng تابع لكلية العلوم الحياتية بجامعة تسينغهوا. وهو أيضًا جزء مهم من المركز المشترك لجامعة تسينغهوا وبكين للعلوم الحياتية ومركز بكين للابتكار المتقدم في علم الأحياء البنيوي.
تركز أبحاث المختبر على مجالات متعددة التخصصات مثل علم الأحياء البنيوي وعلم الجينوم والتعلم الآلي وتحليل البيانات الضخمة. الاتجاه البحثي الرئيسي هو الجمع بين علم الأحياء البنيوي وعلم الأحياء النظمي، وتطوير واستخدام مزيج من الأساليب الحسابية والتجريبية لتفسير العلاقة بين البنية والوظيفة للجزيئات البيولوجية الكبيرة (مثل البروتينات، والحمض النووي الريبي، والحمض النووي)، وإعادة بناء شبكات تفاعلها، واكتشاف مسببات الأمراض والعلاجات الممكنة للأمراض المعقدة (بما في ذلك السرطان والأمراض المعدية) المرتبطة بالتغيرات في بنية البروتين والحمض النووي الريبي والتفاعلات الجزيئية الكبيرة غير الطبيعية.
يتمتع المختبر بنمذجة فريدة لبنية البروتين والحمض النووي الريبي، وقياس بنية الحمض النووي الريبي استنادًا إلى التسلسل من الجيل التالي، وتكنولوجيا الكشف عن التفاعل بين الحمض النووي الريبي والبروتين عالية الإنتاجية، ومنصات حسابية وتجريبية قوية لتطوير الأبحاث المتطورة للباحثين.
تعرف على سلسلة AI4S المباشرة
HyperAI (hyper.ai) هو محرك بحث أكبر في الصين في مجال علوم البيانات. يركز على أحدث نتائج الأبحاث العلمية المتعلقة بالذكاء الاصطناعي في العلوم ويتتبع الأوراق الأكاديمية في المجلات العلمية المرموقة مثل Nature وScience في الوقت الفعلي. حتى الآن، تم الانتهاء من تفسير أكثر من 100 ورقة بحثية حول الذكاء الاصطناعي للعلوم.
بالإضافة إلى ذلك، فإننا ندير أيضًا مشروع الذكاء الاصطناعي للعلوم مفتوح المصدر الوحيد في الصين، awesome-ai4s.
* عنوان المشروع:
https://github.com/hyperai/awesome-ai4s
من أجل تعزيز نشر AI4S بشكل أكبر، وتقليل حواجز نشر نتائج البحث العلمي للمؤسسات الأكاديمية، ومشاركتها مع مجموعة أوسع من علماء الصناعة وعشاق التكنولوجيا والوحدات الصناعية، خططت HyperAI لعمود الفيديو "Meet AI4S"، بدعوة الباحثين أو الوحدات ذات الصلة الذين يشاركون بعمق في مجال الذكاء الاصطناعي للعلوم لمشاركة نتائج أبحاثهم وطرقهم في شكل مقاطع فيديو، ومناقشة الفرص والتحديات التي تواجه الذكاء الاصطناعي للعلوم في عملية التقدم في البحث العلمي والترويج له وتنفيذه، وذلك لتعزيز نشر الذكاء الاصطناعي للعلوم ونشره.