Шинэ хиймэл оюуны нейрон сүлжээний хэрэгсэл нь интернетэд суурилсан видео
тоглоомын урчадвартай тоглогчдоос шинэ РНХ молекулыг загварчлахад ашиглах
стратегийг олж авдаг. Р.Kүүдли болон түүний хамтрагчид “Eterna” их хэмжээний нээлттэй эх сурвалжийн
лабораторид PLOS тооцооллын биологийн сэтгүүлд
хэвлэгдсэн “EternaBrain” гэж нэрлэгдэх хэрэгслийг танилцуулсан
байна. Энэхүү лабораторийг АНУ-ын Калифорниа мужийн Стэнфордын их сургуулийн Анагаах
ухааны сургуулийн профессор Р.Дас удирддаг.
Байгальд
тохиолдох бүх амьд эс дэх РНХ молекул нь биологийн үндсэн үүргүүдийг гүйцэтгэж
байдаг. Сүүлийн жилүүдэд хорт хавдрын эмчилгээнд ашиглах шинэ РНХ –ийн бүтцийг
загварчлах, CRISPR генийг засварлах гэх мэт төрлийн судалгаа олон судлаачдын
анхаарлыг татсаар байна. Гэхдээ РНХ –ийн молекул бүр нь дөрвөн төрөлтэй нуклеин
хүчлийн урт дарааллаас бүрддэг ба өгөгдсөн бүтцийг байгуулахад шаардагдах оновчтой
дарааллыг тодорхойлох нь тооцооллын хувьд төвөгтэй байдлыг үүсгэдэг.
Р.Күүдли,
Р.Дас нар
болон түүний
хамтрагчид Этернх интернетэд суурилсан видео тоглоомоор дамжуулан судалгаа явуулж,
РНХ –ийн загварын тооцооллын асуудлуудыг шийдвэрлэхэд чиглэсэн шинжлэх ухаанч
иргэний санаачлаг, инноваци гаргасан байна. Этернх
нь тоглогч бүрд
РНХ-ийн бүтцийг танилцуулж, хүссэн хэлбэрт оруулах боломж олгодог тул тоглогч
нь РНХ –ийн дарааллыг хүссэнээрээ өөрчилж болдог байна. Зарим тоглогч компьютерийн
тооцоолдог автомат аргуудаас илүү сайн оновчлолыг үзүүлж чаддаг байна.
Этернх-гаар
тоглогчдын хийсэн 1.8
сая загварын өгөгдлийг ашиглан судлаачид тухайн тоглогчидын санааг агуулсан, стратегийг
тусгасан хиймэл оюуны нейрон сүлжээний шинэ аргыг тодорхойлсон байна. ЭтернхТархи
гэсэн нэртэй хиймэл оюуны энэхүү арга нь ур чадвар сайтай тоглогчдын санаа,
стратеги агуулсан бөгөөд санамсаргүйгээр сонгогдсон загваруудаас илүү
нарийвчлалтай, ач холбогдол өндөртэй байсан байна.
Шинэчилсэн ЭтернхТархи
алгоритм нь РНХ-ийн
дарааллыг тодорхойлоход тулгамдсан асуудлуудыг шийдвэрлэхэд өмнө нь хөгжүүлсэн
алгоритмуудаас илүү сайн үр дүнг үзүүлсэн байна.
“Бидний үзэж байгаагаар хүний РНХ –ийн загварчлалын
судлаачдаас илүү РНХ загварчлах компьютерийн автомат алгоритмыг зохиох боломжтой
гэж үзэж байна. Гэхдээ тоглоомчид болон хиймэл оюуны хөгжүүлэгчдээс суралцах
зүйл их байна” хэмээн Р.Дас яриандаа дурджээ.
“Ойрын
ирээдүйд судлаачид Этернх –ийг РНХ загварчилдаг бусад тооцооллын аргуудтай
холбосноор шилдэг тоглогчдыг хэрхэн давж гарахыг харах болно. Бид мөн Этернх
тоглогчдын загварыг
тооцоолох компьютер, 3 хэмжээст хэвлэл болон лабораторид шинжилсэн өгөгдлөөр
хангах зэрэг дараагийн түвшинд тулгарах асуудлуудыг шийдэж чадна гэж найдаж
байна” хэмээн Р.Дас яриандаа дурджээ.
Дараах линкээр
судалгааны материалтай танилцана уу: 10.1371/journal.pcbi.1007059
Эх сурвалж: https://www.sciencedaily.com/releases/2019/06/190627143329.htm
Мэдээ бэлтгэсэн: Симуляци, тооцооллын салбар - ЭША М.Чагдаржав