مقاومت ضدمیکروبی (Antimicrobial Resistance – AMR) به یکی از بزرگترین چالش‌های بهداشت جهانی تبدیل شده است. با گسترش بیماری‌های عفونی و افزایش مقاومت باکتری‌ها و سایر میکروارگانیسم‌ها در برابر داروها، نیاز به روش‌های نوین و سریع برای شناسایی و پیش‌بینی ژن‌های مرتبط با AMR بیش از پیش احساس می‌شود. این مقاله، با عنوان اصلی “Predicting Anti-microbial Resistance using Large Language Models” به بررسی کاربرد مدل‌های زبانی بزرگ (Large Language Models – LLMs) در این زمینه می‌پردازد.

این مقاله توسط Hyunwoo Yoo، Bahrad Sokhansanj، James R. Brown و Gail Rosen به رشته تحریر درآمده است. این محققان با تخصص در زمینه‌های علوم کامپیوتر، بیوانفورماتیک و میکروبیولوژی، تلاش کرده‌اند تا با استفاده از آخرین دستاوردهای حوزه هوش مصنوعی، راهکارهای جدیدی برای مقابله با مقاومت ضدمیکروبی ارائه دهند. تمرکز اصلی این تیم تحقیقاتی بر استفاده از مدل‌های زبانی بزرگ برای تحلیل داده‌های ژنتیکی و متنی مرتبط با AMR است.

در این مقاله، نویسندگان به بررسی استفاده از مدل‌های زبانی بزرگ برای طبقه‌بندی ژن‌های مرتبط با مقاومت ضدمیکروبی پرداخته‌اند. با پیشرفت‌های اخیر در پردازش زبان طبیعی (Natural Language Processing – NLP) و ظهور مدل‌های زبانی مبتنی بر ترانسفورمر، امکان تحلیل و درک توالی‌های نوکلئوتیدی (nucleotide sequences) فراهم شده است. این مدل‌ها قادرند الگوها و ویژگی‌های مختلف توالی‌های ژنتیکی را یاد بگیرند و در طبقه‌بندی آن‌ها به کار روند.

نویسندگان، رویکردی جامع ارائه داده‌اند که نه تنها از مدل‌های زبانی مبتنی بر توالی‌های نوکلئوتیدی استفاده می‌کند، بلکه از مدل‌های زبانی متنی نیز بهره می‌برد. این مدل‌های متنی با استفاده از مقالات علمی منتشر شده در PubMed آموزش داده شده‌اند و می‌توانند دانش بیولوژیکی گسترده‌تری را در فرآیند طبقه‌بندی ژن‌ها منعکس کنند. به عبارت دیگر، مدل پیشنهادی، علاوه بر اطلاعات ژنتیکی، از دانش متنی موجود در مقالات علمی نیز بهره می‌برد تا دقت و صحت پیش‌بینی‌ها را افزایش دهد.

در این تحقیق، روشی برای تنظیم دقیق (fine-tune) مدل زبانی توالی نوکلئوتیدی و مدل زبانی متنی، بر اساس پایگاه‌های داده مختلف ژن‌های مقاومت ضدمیکروبی پیشنهاد شده است. همچنین، یک تکنیک افزایش داده (data augmentation) مبتنی بر LLM برای تکمیل داده‌ها و یک روش ensemble برای ترکیب موثر این دو مدل ارائه شده است. در نهایت، یک معیار ارزیابی برای سنجش عملکرد مدل پیشنهاد شده است. نتایج نشان می‌دهد که روش ارائه شده در این مقاله، عملکرد بهتری نسبت به مدل زبانی توالی نوکلئوتیدی در پیش‌بینی کلاس مقاومت دارویی دارد.

روش‌شناسی این تحقیق بر پایه استفاده از مدل‌های زبانی بزرگ و تکنیک‌های یادگیری ماشین است. به طور کلی، مراحل اصلی این تحقیق عبارتند از:

• جمع‌آوری داده: جمع‌آوری داده‌های ژنتیکی مرتبط با مقاومت ضدمیکروبی از پایگاه‌های داده مختلف مانند CARD (Comprehensive Antibiotic Resistance Database) و NCBI.
• آماده‌سازی داده: پیش‌پردازش داده‌های جمع‌آوری شده شامل پاکسازی، نرمال‌سازی و تبدیل آن‌ها به فرمت قابل استفاده برای مدل‌های زبانی.
• آموزش مدل‌های زبانی: آموزش مدل‌های زبانی توالی نوکلئوتیدی و متنی با استفاده از داده‌های آماده‌سازی شده. برای مدل‌های متنی، از مقالات علمی موجود در PubMed استفاده شده است.
• تنظیم دقیق مدل‌ها (Fine-tuning): تنظیم دقیق مدل‌های زبانی آموزش داده شده بر اساس داده‌های خاص ژن‌های مقاومت ضدمیکروبی. این مرحله به مدل‌ها کمک می‌کند تا ویژگی‌های مرتبط با AMR را بهتر یاد بگیرند.
• افزایش داده (Data Augmentation): استفاده از تکنیک‌های افزایش داده مبتنی بر LLM برای تولید داده‌های مصنوعی و افزایش حجم داده‌های آموزشی. این کار به جلوگیری از overfitting و بهبود تعمیم‌پذیری مدل کمک می‌کند. به عنوان مثال، مدل زبانی می‌تواند توالی‌های جدیدی را با حفظ ویژگی‌های کلیدی تولید کند.
• روش Ensemble: ترکیب نتایج مدل زبانی توالی نوکلئوتیدی و مدل زبانی متنی با استفاده از روش‌های ensemble. این کار باعث می‌شود تا نقاط قوت هر دو مدل در پیش‌بینی نهایی لحاظ شود.
• ارزیابی مدل: ارزیابی عملکرد مدل با استفاده از یک معیار ارزیابی مناسب. در این تحقیق، از دقت (accuracy)، حساسیت (sensitivity) و ویژگی (specificity) برای ارزیابی مدل استفاده شده است.

به عنوان مثال، برای افزایش داده، می‌توان از مدل زبانی درخواست کرد تا توالی‌های مشابه با توالی‌های موجود در پایگاه داده تولید کند. این توالی‌های جدید، با حفظ ویژگی‌های اصلی توالی‌های مقاوم به آنتی‌بیوتیک، به مجموعه داده‌های آموزشی اضافه می‌شوند و به مدل کمک می‌کنند تا با تنوع بیشتری از داده‌ها روبرو شود.

یافته‌های اصلی این تحقیق عبارتند از:

• مدل‌های زبانی بزرگ می‌توانند به طور موثری برای پیش‌بینی مقاومت ضدمیکروبی استفاده شوند.
• استفاده از دانش متنی (مقالات علمی) به همراه اطلاعات ژنتیکی، دقت پیش‌بینی را افزایش می‌دهد.
• تکنیک‌های افزایش داده مبتنی بر LLM می‌توانند به بهبود عملکرد مدل کمک کنند.
• روش ensemble برای ترکیب مدل‌های مختلف، نتایج بهتری نسبت به استفاده از یک مدل واحد ارائه می‌دهد.
• مدل پیشنهادی در این مقاله، عملکرد بهتری نسبت به مدل‌های مبتنی بر توالی نوکلئوتیدی تنها در پیش‌بینی کلاس مقاومت دارویی دارد.

به طور خاص، نویسندگان نشان دادند که ترکیب اطلاعات حاصل از توالی‌های DNA با دانش استخراج شده از مقالات علمی (با استفاده از مدل‌های زبانی) باعث بهبود قابل توجهی در تشخیص ژن‌های مقاوم به آنتی‌بیوتیک می‌شود. این نشان می‌دهد که درک زمینه بیولوژیکی و عملکرد ژن‌ها نقش مهمی در پیش‌بینی مقاومت دارویی ایفا می‌کند.

این تحقیق دارای کاربردهای متعددی در زمینه‌های مختلف است، از جمله:

• تشخیص سریع و دقیق AMR: مدل پیشنهادی می‌تواند به سرعت و با دقت ژن‌های مرتبط با مقاومت ضدمیکروبی را شناسایی کند. این امر می‌تواند به پزشکان در انتخاب داروهای مناسب برای درمان بیماری‌های عفونی کمک کند.
• پایش و پیش‌بینی روند AMR: با تحلیل داده‌های ژنتیکی و متنی، می‌توان روند گسترش مقاومت ضدمیکروبی را پایش و پیش‌بینی کرد. این اطلاعات می‌تواند برای اتخاذ سیاست‌های بهداشتی مناسب و جلوگیری از بحران‌های بهداشتی استفاده شود.
• توسعه داروهای جدید: با شناسایی مکانیسم‌های مقاومت دارویی، می‌توان داروهای جدیدی را طراحی کرد که بر این مکانیسم‌ها غلبه کنند.
• تحقیقات علمی: این تحقیق می‌تواند به عنوان پایه‌ای برای تحقیقات بیشتر در زمینه AMR و کاربرد هوش مصنوعی در علوم پزشکی مورد استفاده قرار گیرد.

یکی از دستاوردهای مهم این تحقیق، ارائه یک معیار ارزیابی جدید برای سنجش عملکرد مدل‌های پیش‌بینی AMR است. این معیار می‌تواند به محققان در مقایسه و بهبود مدل‌های خود کمک کند.

در مجموع، این مقاله نشان می‌دهد که مدل‌های زبانی بزرگ ابزاری قدرتمند برای پیش‌بینی مقاومت ضدمیکروبی هستند. با ترکیب اطلاعات ژنتیکی و دانش متنی، می‌توان دقت و صحت پیش‌بینی‌ها را به طور قابل توجهی افزایش داد. این تحقیق می‌تواند گام مهمی در راستای مقابله با چالش جهانی مقاومت ضدمیکروبی باشد و به بهبود سلامت و بهداشت عمومی کمک کند. با توجه به پیشرفت‌های روزافزون در حوزه هوش مصنوعی، انتظار می‌رود که در آینده شاهد کاربردهای گسترده‌تری از این فناوری در علوم پزشکی و به ویژه در زمینه مقابله با بیماری‌های عفونی باشیم.

نتایج این تحقیق، اهمیت سرمایه‌گذاری در توسعه مدل‌های هوش مصنوعی و پایگاه‌های داده جامع در زمینه مقاومت ضدمیکروبی را نشان می‌دهد. این سرمایه‌گذاری می‌تواند به توسعه روش‌های نوین برای تشخیص، پیشگیری و درمان بیماری‌های عفونی منجر شود.