أظهرت أحدث التطورات في الذكاء الاصطناعي تقدماً ملحوظاً في مجال الجينوم، مع ظهور أداة جديدة تُعرف باسم DEGU (تجميع التوزيعات للنماذج الجينومية المُدركة للشك)، والتي تُحسّن دقة التنبؤات وتُزوّد الباحثين بشرحًا أوضح لها. تم تطوير هذه الأداة من قبل فريق بقيادة البروفيسور بيتر كو من مختبر كولد سبرينغ هاربور (CSHL)، بالتعاون مع جيسيكا زوو، الباحثة السابقة في المختبر، وطالبة الدراسات العليا كايلي ريزو، ونشرت نتائجها في مجلة npj Artificial Intelligence. تُعد النماذج العصبية العميقة (DNNs) أداة قوية في تحليل البيانات الجينومية، حيث تُستخدم لتنبؤ نتائج التجارب الحيوية. لكن أحد التحديات الكبرى التي تواجه الباحثين هو غياب وسيلة موثوقة لتقدير درجة الثقة في التنبؤات التي تُقدّمها هذه النماذج. غالبًا ما تُقدّم النماذج المختلفة نتائج متشابهة في الشكل، دون توضيح مدى موثوقيتها، ما يُعقّد عملية التفسير واتخاذ القرار العلمي. لحل هذه المشكلة، طوّر فريق كو طريقة جديدة تعتمد على مبدأ "تجميع التوزيعات العميقة" (Deep Ensemble Distribution Distillation)، حيث لا تُركّز على التنبؤات الفردية، بل على التوزيع العام للنتائج الناتجة عن مجموعة من النماذج. بفضل هذه الطريقة، يتم تجميع تنبؤات عشرات النماذج إلى نموذج واحد مُبسّط، يُقلّل من حجم البيانات والقدرة الحسابية المطلوبة، مع الحفاظ على دقة التنبؤات. النتائج أظهرت أن النماذج المدربة باستخدام DEGU كانت أكثر دقة، وأقل استهلاكاً للطاقة، وأسهل في التفسير مقارنة بالأساليب التقليدية. كما أن الباحثين يمكنهم الآن التفكير في نموذج واحد بدلًا من عشرة، مما يُبسّط عملية التحليل ويُسهّل فهم الأسباب الكامنة وراء التنبؤات، خاصة فيما يتعلق بمستوى الشك أو عدم اليقين. "في الأبحاث البيولوجية، لا يمكن الاعتماد على نموذج واحد فقط"، يوضح كو. "الاستخدام المتكرر لعدة نماذج يُعزز المصداقية، لكنه يُصبح غير عملي مع تزايد حجم النماذج. DEGU يحل هذه المشكلة من خلال تبسيط العملية دون التضحية بالدقة." وفقاً لريزو، فإن هذا التبسيط يعني أن الباحثين يمكنهم الآن التركيز على التنبؤات الموثوقة، وتقليل الوقت الضائع في محاولة تفسير نتائج غير موثوقة. الهدف النهائي هو تمكين الباحثين من اتخاذ قرارات أسرع وأكثر دقة، خاصة في مجالات مثل تطوير العلاجات الجينية أو فهم الأمراض الوراثية. مع تحسين كفاءة DEGU وتوسيع نطاق استخدامها، قد تصبح هذه الأداة أداة أساسية في المختبرات حول العالم، حيث تُقلل التكاليف وتعزز فعالية الأبحاث.