نموذج الذكاء الاصطناعي IRIS يفك شيفرة لغة تواصل الخلايا

أثناء تكون الجنين، تتبادل الخلايا الجذعية إشارات كيميائية توجهها نحو هويات مميزة وبنى ثلاثية الأبعاد. كان رسم تسلسل هذه الإشارات الكامل يتطلب تجارب شاقة لكل نوع خلية على حدة.

اكتشف فريق بقيادة عالمة الأحياء في معهد ماساتشوستس بولين لي والطالب نيكولاس هتشينز أن كل مسار إشاري يترك "بصمة" متسقة — نمط مميز لتعبير الجينات — عبر أنواع خلايا عديدة. نموذجهم للتعلم الآلي، المسمى IRIS، يتعلم هذه البصمات مرة واحدة ثم يتعرف عليها في تجمعات خلوية لم يسبق له رؤيتها.

لماذا يهم ذلك البنية التحتية لوحدات معالجة الرسوم / الذكاء الاصطناعي

يجسد IRIS التعلم المنقول: نموذج تم تدريبه على مجموعة محدودة من المسارات يعمم على سياقات جديدة دون إعادة تدريب شاملة. هذا يقلل من حجم البيانات المصنفة ودورات الحوسبة المطلوبة، غير أن التدريب الأولي لا يزال يتطلب عناقيد GPU واسعة النطاق لتحليل تسلسل الخلايا الفردية عالي الإنتاجية.

بالنسبة لمزودي السحابة مثل AiGpu، يتماشى ملف عبء العمل — عمليات مصفوفية ضخمة على مصفوفات جينومية نادرة، تدريب بدقة مختلطة، واستدلال سريع عبر آلاف العينات — مباشرة مع قدرات مثيلات GPU المحسنة للذكاء الاصطناعي.

تقدم الدراسة المفتوحة الوصول، المنشورة في Nature Methods، خط أنابيب قابل للتكرار يمكن نشره على بنية تحتية GPU قابلة للتوسع لتسريع هندسة الخلايا الجذعية، ونمذجة الأمراض، واكتشاف العلاجات.