OpenMed در یک دستاورد تازه، موفق به آموزش مدلهای زبانی mRNA روی ۲۵ گونه شده است؛ آن هم با هزینهای تنها ۱۶۵ دلار. این پروژه که در وبلاگ Hugging Face منتشر شده، نشان می‌دهد چگونه می‌توان از هوش مصنوعی برای طراحی پروتئین‌های درمانی تا سطح توالی DNA بهینه‌شده استفاده کرد.
مدل زبانی mRNA چیست؟
مدلهای زبانی mRNA مشابه مدلهای زبانی بزرگ عمل می‌کنند، اما به‌جای متن، توالی‌های RNA را پردازش می‌کنند. این مدل‌ها با یادگیری الگوهای توالی، می‌توانند پیش‌بینی‌های دقیقی برای ساختار پروتئین، بهینه‌سازی کدون و حتی طراحی توالی‌های جدید ارائه دهند. OpenMed در این پروژه معماری‌های مختلف ترنسفورمر را برای مدل‌سازی در سطح کدون مقایسه کرد.
CodonRoBERTa؛ برنده مقایسه معماری‌ها
پس از ارزیابی چند معماری، مدل CodonRoBERTa-large-v2 با پرمیلیتی ۴/۱۰ و همبستگی اسپیرمن ۰/۴۰ با شاخص سازگاری کدون (CAI) به‌عنوان برنده میدان معرفی شد. این مدل با اختلاف قابل‌توجهی بهتر از ModernBERT عمل کرد و توانست دقت بالایی در بهینه‌سازی کدون و پیش‌بینی توالی ارائه دهد.
- پرمیلیتی پایین‌تر نسبت به سایر مدلهای مقایسه‌شده
- همبستگی بالاتر با شاخص CAI
- هزینه آموزشی پایین و زمان مناسب
- قابلیت استفاده در pipeline کامل طراحی پروتئین
از ایده تا توالی DNA آماده سنتز
هدف نهایی OpenMed ایجاد یک خط لوله کامل است که از پیش‌بینی ساختار پروتئین شروع شده و به طراحی توالی و بهینه‌سازی کدون ختم می‌شود. این سیستم وابسته به گونه (species-conditioned) است و قادر است برای ۲۵ گونه مختلف، توالی‌های بهینه تولید کند. این ویژگی در پروژه‌های متن‌باز فعلی بی‌سابقه است.
هزینه و بازدهی چشمگیر
آموزش چهار مدل تولیدی تنها در ۵۵ ساعت محاسباتی GPU و با هزینهای حدود ۱۶۵ دلار انجام شده است. این عدد نشان می‌دهد که پیشرفت‌های هوش مصنوعی در حوزه زیست‌فناوری دیگر به منابع عظیم وابسته نیست و تیم‌های کوچک نیز می‌توانند مدلهای مؤثر بسازند.
دستاورد OpenMed نه‌تنها از نظر فنی جالب است، بلکه مسیر تازه‌ای را برای پژوهش‌های زیستی در مقیاس کوچک باز می‌کند. انتشار کامل نتایج و کدهای اجرایی، امکان تکرار و توسعه این کار را برای دیگر پژوهشگران فراهم کرده است.
پرسش‌های پرتکرار
مدل زبانی mRNA چیست و چه کاربردی دارد؟
مدل زبانی mRNA نوعی مدل هوش مصنوعی است که الگوهای توالی mRNA را یاد می‌گیرد و می‌تواند به بهینه‌سازی کدون، پیش‌بینی ساختار و طراحی پروتئین‌های درمانی کمک کند.
چرا آموزش این مدل‌ها روی ۲۵ گونه اهمیت دارد؟
آموزش روی ۲۵ گونه مختلف باعث می‌شود مدل بتواند تفاوت‌های کدونی و بیولوژیکی میان گونه‌ها را درک کند و راه‌حلی منحصربه‌فرد برای طراحی پروتئین در گونه‌های گوناگون ارائه دهد.
