ژنوم انفورماتیک ؛ مقدمه ی ربات‌ های هوشمند

[mohamad.s]

ژنوم انفورماتیک ؛ مقدمه ی ربات‌ های هوشمند


Genome Informatics

مدیر آزمایشگاه سیستم‌های هوشمند در پلی‌تکنیک لوزان سوئیس با جایگزین کردن بسته‌های بیت و شبکه‌های نورونی به‌جای عملکرد ژن‌های بیولوژیکی، حوزه تحقیقاتی جدیدی به نام بیولوژی محاسباتی ابداع کرده است.

تصور کنید به جای پایه‌های نیتروژنی، بیت‌ها و به جای نوکلئوتیدها و شبکه‌های نورونی، اعدادی قرار داشته باشند که رفتار کروموزم‌ها را تقلید می‌کنند. به این مفهوم جدید، بیولوژی محاسباتی گفته می‌شود که در حقیقت بازسازی دینامیک پیچیده بیولوژیکی است.


به گزارش خبرگزاری مهر ، تاکنون نرم‌افزارهای پیشرفته‌ای نوشته شده که می‌توانند عملکرد ژن‌های بیولوژیک را تقلید کرده و ارگانیسم را وادار به برقراری تعامل با محیط پیرامون کنند. اگر این ارگانیسم مصنوعی برای مثال یک ربات باشد، این ژن‌های انفورماتیکی به طور خودکار آن را هدایت کرده و هوش مصنوعی را ایجاد می‌کنند.


خالق این ژن‌های انفورماتیکی، داریو فلورئانو، مدیر آزمایشگاه سیستم‌های هوشمند پلی‌تکنیک لوزان سوئیس است. وی به همراه گروه تحقیقاتی‌اش، ربات‌ هایی مجهز به یک ژنوم مصنوعی از نوع انفورماتیکی را طراحی کرده و در گفتگو با روزنامه لاستمپا به تشریح پروژه تحقیقاتی خود پرداخته است.


ژن‌های انفورماتیکی چگونه عمل می‌کنند؟


این ژنها قادرند همان عملیات‌های ژنهای درون‌سلولی را انجام دهند و نه تنها از طریق بیوتکنولوژی،که از راه انفورماتیک نیز طراحی شده‌اند. هر ژن انفورماتیکی، زنجیره‌ای از حروف است که می‌توانند حروف زبان Ascii باشند. زبان اسکی، سیستم رمزگذاری حروف 8 بیتی است که در ماشین‌حساب‌ها استفاده می‌شود. همچنین می‌توان از یک زنجیره از اعداد مثل اعداد زبان صفر و یک که در رایانه‌ها به کار می‌رود نیز استفاده کرد.


این ژن‌های انفورماتیکی چگونه خوانده می‌شوند و چگونه ربات‌ ها را هدایت می‌کنند؟


در سلول‌های انسان، سیگنال‌های شیمیایی و الکترونیکی ژن‌ها را فعال می‌کنند و این ژن‌ها پروتئین‌ها را تولید می‌کنند. پروتئین‌ها مولکول‌هایی هستند که عملیات‌های بیولوژیکی را انجام می‌دهند. از نظر مفهومی، ژن‌های انفورماتیکی نیز چیزی شبیه به همین ژن‌ها هستند. اگر فکر کنیم که به جای پایه‌های نیتروژنی، اعداد قرار می‌گیرند؛ در واقع از یک کد ژنتیکی انفورماتیکی حرف می‌زنیم که توسط یک برنامه خوانده می‌شود. این برنامه قادر است زنجیره‌های اعداد را به عملیات‌هایی که ربات انجام می‌دهد مثل حرکت کردن، تحلیل کردن و یاد گرفتن ترجمه کند.


بنابراین برنامه‌ای وجود دارد که زنجیره‌های اعداد را به عملیات‌های مکانیکی هوشمندانه تبدیل می‌کند، درست است؟


این برنامه، یک شبکه نورنی است که ژن‌ها را در تماس با محیط می‌گذارد. در رباتیک، شبکه‌های نورنی برنامه‌هایی هستند که توانایی شبیه‌سازی رفتار مغز را دارند. روی ربات‌ ها علاوه بر دوربین‌ها، حسگرهایی مثل حسگرهای لمسی و حرکتی نیز نصب شده‌اند. اگر برای مثال نور به چشم ربات برخورد کند، یا اگر ربات در تماس با یک ماده سمی قرار گیرد، سیگنالی توسط شبکه نورونی ثبت می‌شود و آن را به ژنوم انفورماتیک ارسال می‌کنند. سپس این ژنوم تصمیم می‌گیرد که چگونه به آن پاسخ دهد: به سمت نور برود و یا از ماده سمی دوری کند. به همین دلیل است که می‌گوییم این ربات‌ ها هوشمندند؛ چون حسگرهای بیولوژیک (چشم، بینی، گوش، پوست و پلک) به طور مداوم میزان بسیار زیادی از سیگنال‌ها را دریافت و آن‌ها را به مغز ارسال می‌کنند. سپس در ژنوم اطلاعات زائد فیلتر می‌شوند. ما نشان دادیم که شبکه‌های نورونی، بی‌اندازه برای طبقه‌بندی سیگنال‌ها کارآمد هستند. به هر حال، ما هنوز در حال مطالعه بر روی رفتارهای ابتدایی هستیم و کد ژنتیکی انفورماتیکی ما هنوز نسخه‌ای بسیار ساده از کد ژنتیکی انسان است.


این نسل از ربات‌ های هوشمند چه کاربردهایی دارد؟


برای مثال به ما کمک می‌کنند که مکانیزم‌های تکامل را بهتر بفهمیم. زیست‌شناسان برای درک تکامل از فسیل ارگانیسم‌های گذشته استفاده می‌کنند. این درحالی است که ما شبکه‌هایی نورونی در اختیار داریم که رفتارهای بیولوژیکی را شبیه‌سازی می‌کنند. بنابراین می‌توانیم با استفاده از آشیانه برنامه‌های انفورماتیک، فرضیه‌هایی را درباره تاریخ جانداران ارائه کنیم. از دیگر کاربردهای این ربات‌ ها، استفاده در پزشکی و تحقیقات دارویی است.


تحقیقات دارویی؟! می‌توانی یک مثال بزنی؟


به خاطر شبیه‌سازی‌های انفورماتیک، بیولوژی محاسباتی به ما می‌گوید که ژن‌های بیولوژیکی چگونه با هم حرف می‌زنند و ارتباطات میان آن‌ها چگونه است و سیگنال‌ها و واکنش‌هایی که بین خود ژن‌ها و بین ژن‌ها و پروتئین‌ها و سلول‌ها رخ می‌دهد، چیست. یک مثال می‌زنم. دارویی برای مبارزه با یک بیماری ژنتیکی ساخته شده است. این دارو اغلب با متوقف کردن ژنی که آن را بر می‌انگیزد عمل می‌کند. اما آیا ما مطمئنیم که همه چیز به اینجا ختم می‌شود؟ آیا می‌دانیم که ارگانیسم در توقف آن ژن چگونه رفتار می‌کند؟ بنابراین شبیه‌سازی‌های انفورماتیکی می‌توانند پاسخ‌های دقیقی را به این سوالات و سایر فرضیه‌ها بدهند.