ადამიანის გენომი და ხელოვნური ინტელექტი: რატომ არის ეს უფრო რთული, ვიდრე გვეგონა

მას შემდეგ, რაც გასული საუკუნის 50-იან წლებში დნმ-ის მოლეკულური სტრუქტურა გაშიფრეს, ბიოლოგები მას ხშირად „სიცოცხლის საიდუმლოს“ ან რთულ კომპიუტერულ კოდს უწოდებენ. თუმცა, 2003 წელს დასრულებულმა „ადამიანის გენომის პროექტმა“ აჩვენა, რომ რეალობა გაცილებით რთულია: ჩვენი გენომის მხოლოდ 2 პროცენტი შეიცავს გენებს, ანუ ინფორმაციას ცილების ასაგებად. დანარჩენი ნაწილი კი, რომელიც დიდი ხნის განმავლობაში ნაკლებად მნიშვნელოვნად მიიჩნეოდა, სინამდვილეში გენების მართვისა და რეგულირების უზარმაზარ, კომპლექსურ სისტემას წარმოადგენს.

რატომ არ არის გენომი უბრალო „ბლუპრინტი“

ტრადიციული ხედვით, გენომი არის ინსტრუქციების ნაკრები, რომელიც განსაზღვრავს ჩვენს ფიზიკურ მახასიათებლებს. მაგრამ თანამედროვე ბიოლოგია ადასტურებს, რომ ყველაზე საინტერესო ნაწილი არა თავად გენები, არამედ მათი რეგულირების მექანიზმებია. ჩვენს ორგანიზმში არსებული სხვადასხვა ტიპის უჯრედები — კუნთოვანი, ნერვული თუ კანის უჯრედები — ერთი და იმავე დნმ-ს იყენებენ, თუმცა მათში განსხვავებული გენები „ირთვება“ და „იშლება“. ეს პროცესი იმდენად დინამიკური და ცვალებადია, რომ მეცნიერები ეჭვქვეშ აყენებენ, შეძლებს თუ არა ადამიანი ოდესმე მის სრულად გააზრებას.

ამ რთული პროცესების მართვაში მონაწილეობენ ე.წ. ტრანსკრიფციის ფაქტორები, რომლებიც გენებს „ეწებებიან“ და ააქტიურებენ მათ. თუ ბაქტერიებში ეს პროცესი მარტივი „დიახ ან არა“ ლოგიკით მიმდინარეობს, ადამიანის ორგანიზმში რეგულირება გაცილებით დახვეწილია. აქ გადაწყვეტილებები მიიღება მრავალი სიგნალის ინტეგრაციით, რაც კომპიუტერულ ენაზე „AND“ ლოგიკას ჰგავს — ანუ გენის აქტივაცია დამოკიდებულია არა ერთ, არამედ მთელ რიგ ფაქტორთა კომბინაციაზე.

ხელოვნური ინტელექტი და „შავი ყუთის“ პრობლემა

დღეს მეცნიერები ცდილობენ, გენომის ანალიზი ხელოვნურ ინტელექტს (AI) მიანდონ. ისეთი მოდელები, როგორიცაა Google DeepMind-ის AlphaGenome, Evo 2 ან Genos, დიდ მონაცემთა ბაზებზე წვრთნიან და ცდილობენ, იწინასწარმეტყველონ დნმ-ის ცვლილებების გავლენა ორგანიზმის ჯანმრთელობაზე. თუმცა, ასეთი მიდგომა მხოლოდ კორელაციებზეა დაფუძნებული და არა ბიოლოგიური პროცესების ღრმა გაგებაზე.

კრიტიკოსები აღნიშნავენ, რომ ხელოვნური ინტელექტი გენომს „შავ ყუთად“ აღიქვამს, სადაც მოცემულ შეყვანას (input) ყოველთვის გარკვეული შედეგი (output) მოჰყვება. მაგრამ ბიოლოგიური სისტემები ასე არ მუშაობს. ევოლუციის 4 მილიარდი წლის განმავლობაში ჩამოყალიბებული გენომი არ არის შექმნილი ინჟინრული ნახაზის მიხედვით. მაგალითად, გენების მარეგულირებელი „ენჰანსერები“ (enhancers) ხშირად გენებიდან მილიონობით „ასო“-ს დაშორებით მდებარეობენ და მათი მოქმედება დამოკიდებულია ქრომატინის დინამიკურ სტრუქტურაზე, რომელიც მუდმივად იცვლება.

რას ნიშნავს ეს მომავლისთვის

გენომის ფუნქციონირება არ არის სტატიკური კოდი. ეს არის მუდმივად მოძრავი, ქაოტური, მაგრამ მაინც ორგანიზებული სისტემა. მეცნიერები აღიარებენ, რომ 25 წლის შემდეგაც კი, რაც ადამიანის გენომი პირველად გაშიფრეს, ჩვენ ჯერ კიდევ არ ვიცით, სად მდებარეობს ყველა ენჰანსერი და ზუსტად როგორ აკონტროლებენ ისინი გენებს.

ხელოვნური ინტელექტი, უდავოდ, დაგვეხმარება მონაცემთა დიდი მასივების დამუშავებაში, თუმცა ის ვერ ჩაანაცვლებს ბიოლოგიის ფუნდამენტურ გააზრებას. გენომის სირთულე იმაში მდგომარეობს, რომ ის არ არის კომპიუტერული ალგორითმი. ეს არის ცოცხალი, ადაპტირებადი სისტემა, რომელიც ყოველ ჯერზე ახალ გამოწვევებს სთავაზობს მეცნიერებას. ქართველი მკვლევრებისა და სტუდენტებისთვის, რომლებიც ბიოტექნოლოგიებსა და მონაცემთა ანალიზზე მუშაობენ, ეს ნიშნავს, რომ მხოლოდ ტექნოლოგიური ინსტრუმენტების იმედად ყოფნა საკმარისი არ იქნება — საჭიროა ბიოლოგიური პროცესების სიღრმისეული ანალიზი.