نقش هوش مصنوعی در ژنومیکس
نویسندگان
1 نویسنده مسئول: استاد بخش علوم دامی، دانشکده کشاورزی، دانشگاه شهید باهنر کرمان، ایران
2 دانشگاه ملی کشاورزی سومی، سومی، اوکراین
3 دانشیار، گروه فناوری های تولید و فرآوری دام، دانشگاه دولتی پودیلیا، اوکراین
4 استادیار، دانشکده کویرشناسی، دانشگاه سمنان، سمنان، ایران.
5 استادیار، دانشگاه ملی علوم محیطی و زیستی اوکراین، اوکراین
6 استادیار، گروه علوم دامی، دانشگاه ملی کشاورزی بیلا تسرکوا، بیلا تسرکوا، اوکراین
7 استادیار، گروه علوم دامی، دانشگاه ملی کشاورزی بیلا تسرکوا، بیلا تسرکوا، اوکراین.
8 دانشیار، گروه فناوریهای تولید و فرآوری دام، دانشگاه دولتی پودیلیا، اوکراین
doi
10.22103/jab.2024.23558.1575چکیده
هدف: تولید داده در زیستشناسی و زیستفناوری در سالهای گذشته به دلیل توسعه بسیار سریع فناوریهای با کارایی بالا بسیار زیاد شده است. این دادهها با مطالعه مولکولهای زیستی، از قبیل متابولیتها، پروتئینها، RNA و DNA برای درک و فهم نقش این مولکولها در تعیین ساختار، عملکرد و دینامیک سیستمهای زنده حاصل شدهاند. علاوه بر این، در یک برنامه اصلاح نژادی، پیشرفت ژنتیکی را میتوان از طریق شناسایی دقیق حیوانات برتر که به عنوان والدین نسل بعدی انتخاب می شوند، به حداکثر رساند و در نتیجه به اهداف اصلاح نژادی دست یافت. شبکههای عصبی مصنوعی برای کاهش این محدودیت روشهای رگرسیون سنتی پیشنهاد شدهاند و میتوانند برای مدیریت دادههای غیرخطی و پیچیده، حتی زمانی که دادهها نادقیق و نویز هستند، استفاده شوند. دادههای اومیکس میتوانند به قدری بیش از حد بزرگ و پیچیده باشند که از طریق تجزیه و تحلیل بصری یا همبستگیهای آماری قابل بررسی نیستند. این امر استفاده از هوش ماشینی یا هوش مصنوعی را تشویق کرده است. اهداف این مطالعه عبارتند از بررسی کاربردهای اصلی روشهای هوش مصنوعی در ژنومیکس عملکردی، سرطان، کشاورزی، حیوانات اهلی و زمینههای درهم تنیده آن یعنی اپیژنومیکس، ترانسکریپتومیکس، اپیترانسکریپتومیکس، پروتئومیکس و متابولومیکس، بحث در مورد جنبههای مهم مدیریت دادهها، مانند یکپارچهسازی دادهها، جانهی، تمیز کردن، حذف نویز، متعادلسازی و نسبت دادههای از دست رفته، مدلسازی سیستم-ژنومیکس عملکردی، هوش مصنوعی و سیستمهای بیولوژی، پرداختن به مسائل حقوقی، اخلاقی و اقتصادی مربوط به کاربرد روشهای هوش مصنوعی در حوزه ژنومیکس و ارائه نمایی از سناریوهای احتمالی آینده است.مواد و روشها: در این بررسی سعی شد کلیه پژوهشهای انجام شده در زمینه کاربرد هوش مصنوعی در ژنومیکس عملکردی، سرطان، کشاورزی، حیوانات اهلی و زمینههای درهم تنیده آن یعنی اپیژنومیکس، ترانسکریپتومیکس، اپیترانسکریپتومیکس، پروتئومیکس و متابولومیکس، با تمرکز بر روی کاربردهای سال های اخیر پس از افزایش تولید کلان داده مطالعه و مورد استفاده قرار گیرند.نتایج: بررسیها نشان داد که کاربرد هوش مصنوعی در همه رشتهها از چمله ژنومیکس عملکردی، سرطان، کشاورزی، حیوانات اهلی و زمینههای درهم تنیده آن یعنی اپیژنومیکس، ترانسکریپتومیکس، اپیترانسکریپتومیکس، پروتئومیکس و متابولومیکس با سرعت زیادی رو به افزایش است و فواید زیادی دارد. نتیجهگیری: با توجه به کاربردهای حیاتی که اغلب توسط زیست شناسی و به ویژه ژنومیک عملکردی به آن پرداخته می شود، بهتر است با ابزارهای هوش مصنوعی که قادر به کمک به درک مکانیکی فرآیندهای بیولوژیکی هستند، سروکار داشته باشیم.