تصور کنید بخواهید معماری یک آسمان‌خراشان را فقط با خواندن لیست مصالح ساختمانی آن درک کنید، بدون اینکه بدانید این مصالح چگونه در فضا چیده شده‌اند. این دقیقاً همان اشتباهی است که مدل‌های پیشرفته‌ی هوش مصنوعی در تحلیل ژنوم انسان مرتکب می‌شوند.
به گزارش Wired (به نقل از Quanta Magazine) در ۱۷ اکتبر ۲۰۲۶، مدل‌هایی مانند AlphaGenome گوگل دیپ‌مایند، Evo 2 و Genos علی‌رغم توانایی در پیش‌بینی برخی ویژگی‌های بیولوژیکی از روی توالی‌های DNA، نسبت به گره‌های سه‌بعدی و مراکز تنظیمی سیال که تعیین می‌کنند ژن‌ها در واقعیت چگونه عمل کنند، کاملاً کور هستند. ژنوم انسان یک اسکریپت خطی کامپیوتری یا یک نقشه‌ی ایستا نیست، بلکه سیستمی بازگشتی و خودارجاع است که بیشتر به یک ارگان زنده شباهت دارد تا یک قطعه کد.
برای دهه‌ها، زیست‌شناسی بر این فرض استوار بود که رمز حیات در توالی ۳ میلیارد بلوک شیمیایی نهفته است؛ دیدگاهی که با تکمیل پروژه ژنوم انسان (بین ۱۹۹۰ تا ۲۰۰۳) تثبیت شد. اما این پروژه حقیقتی تکان‌دهنده را آشکار کرد: تنها ۲ درصد از ژنوم انسان شامل ژن‌های کدکننده پروتئین است. ۹۸ درصد باقی‌مانده، نه «زباله»، بلکه یک سیستم کنترلی پیچیده است که تعیین می‌کند این ژن‌ها در چه زمانی، در کجا و چگونه فعال شوند.
همان‌طور که در تحلیل‌های پیشین ما درباره‌ی مدل‌های بنیادی (Foundation Models) اشاره کردیم، این سیستم‌ها معمولاً بر اساس فرض ساده‌ی «ورودی-خروجی» عمل می‌کنند. مدل‌های فعلی ژنومیک با آموزش روی حجم عظیمی از داده‌های توالی، به دنبال همبستگی بین حروف DNA و ویژگی‌های موجود زنده هستند. آن‌ها اساساً با ژنوم مانند یک رشته متن تخت برخورد می‌کنند و فرض می‌کنند مکانیسم‌های تنظیمی پیچیده به‌طور ضمنی در داده‌های آموزشی جذب شده‌اند. این رویکرد، بحث‌های گسترده‌ای را در جامعه علمی برانگیخته است؛ به‌ویژه در مورد اینکه آیا این مدل‌ها واقعاً در حال کشف قوانین بیولوژیکی هستند یا صرفاً الگوهای آماری را بازتولید می‌کنند، موضوعی که در بررسی تضادهای اخیر آزمایشگاه Anthropic و اعتراض زیست‌شناگان به تفصیل به آن پرداختیم.
منطق تنظیم ژنی
کارن ادلمن از دانشکده پزشکی هاروارد استدلال می‌کند که این رویکرد خطی، منطق بنیادی موجودات پیچیده را نادیده می‌گیرد. در باکتری‌های ساده، تنظیم ژنی اغلب از منطق «یا» (OR) پیروی می‌کند؛ یعنی یک سیگنال واحد، ژن را روشن یا خاموش می‌کند. اما در انسان‌ها، منطق بر پایه «و» (AND) است؛ به این معنا که چندین سیگنال باید با هم ادغام شوند تا یک تصمیم تنظیمی گرفته شود. این ساختار اجازه می‌دهد تنظیمات نسبت به تفاوت‌های ظریف محیطی پاسخگوتر باشند و پیچک‌های تنظیمی را به جای کلیدهای ساده‌ی صفر و یک، به ابزارهایی قابل تنظیم تبدیل کند.
این پیچیدگی توسط فاکتورهای رونویسی (Transcription Factors) مدیریت می‌شود؛ پروتئین‌هایی که مانند مدیران عملیاتی عمل می‌کنند. این پروتئین‌ها به بخش‌هایی از DNA، معمولاً در نزدیکی ژن هدف، می‌چسبند تا آنزیم پلیمراز را برای رونویسی فرا بخوانند. برخلاف باکتری‌ها، جایی که فاکتورهای رونویسی مانند کلیدهایی هستند که فقط در قفل‌های خاصی می‌خورند، فاکتورهای رونویسی انسانی به‌ندرت ترجیح تک‌گانه برای یک سایت اتصال خاص دارند. در عوض، آن‌ها در گروه‌های ترکیبی عمل می‌کنند؛ به این معنا که یک فاکتور واحد ممکن است در سلول پوست یک ژن را فعال کند، اما در سلول مغز، بسته به شرکای پروتئینی‌اش، همان ژن را سرکوب نماید.
معمای سه‌بعدی: تقویت‌کننده‌ها و حلقه‌ها
یکی از بزرگ‌ترین شکاف‌های فعلی هوش مصنوعی، نقش تقویت‌کننده‌ها (Enhancers) است. این قطعات DNA سیگنال «شروع» را به ژن می‌فرستند، اما اغلب میلیون‌ها نوکلئوتید دورتر از هدف خود قرار دارند. ژنوم ما حاوی صدها هزار یا شاید میلیون‌ها تقویت‌کننده است که تعدادشان بسیار بیشتر از ۲۰ هزار ژن موجود در بدن است.
وندی بیکمور از دانشگاه ادینبرگ اشاره می‌کند که ۲۵ سال پس از پروژه ژنوم انسان، دانشمندان هنوز نمی‌دانند تمام تقویت‌کننده‌ها کجا هستند یا کدام ژن‌ها را کنترل می‌کنند. اکثر این تقویت‌کننده‌ها برای فعال شدن به یک «کوکتل» از فاکتورهای رونویسی نیاز دارند که دقت بسیار بالایی را بر اساس نوع سلول و زمان‌بندی فراهم می‌کند.
برای پل زدن میان این فاصله میان تقویت‌کننده‌های «دوردست» و ژن هدف، ژنوم از فرآیندی به نام «بیرون‌رانی حلقه» (Loop Extrusion) استفاده می‌کند. یک موتور پروتئینی به نام کوهسین (Cohesin)، روی رشته DNA حرکت کرده و آن را به شکل حلقه‌های بزرگ از کروماتین (ترکیب DNA و پروتئین‌های بسته‌بندی) در می‌آورد. این تعاملات، ماشین‌های صلبی نیستند، بلکه «تراکماتی» (Condensates) از پروتئین‌ها و RNA ایجاد می‌کنند که مانند یک کمیته عمل کرده و به‌صورت ضعیف و گذرا با هم در ارتباط هستند.
به گفته‌ی وندی بیکمور، این مراکز رونویسی به‌شدت پویا هستند. حتی دو سلول پوستی یکسان ممکن است در هر لحظه پیکربندی حلقه‌های کاملاً متفاوتی داشته باشند و کل سیستم با سرعت بسیار زیادی بازسازی شود. چون مدل‌های هوش مصنوعی معمولاً توالی‌های ایستا را تحلیل می‌کنند، نمی‌توانند این نوسانات زمانی و مکانی را در نظر بگیرند.
معماری کروماتین و اپی‌ژنتیک
بسته‌بندی فیزیکی DNA یا همان کروماتین، لایه اصلی کنترل است. در حالی که کروموزوم‌ها هنگام تقسیم سلولی به شکل خوشه‌های X دیده می‌شوند، در حالت عادی توده‌ای درهم‌تنیده از کروماتین باز شده هستند. این آشوب ظاهری، نظمی خاص دارد:
- هتروکروماتین (Heterochromatin): DNA به‌شدت متراکم که برای فاکتورهای رونویسی غیرقابل دسترس است و به‌طور موثری ژن‌های درون خود را خاموش می‌کند.
- اوکروماتین (Euchromatin): DNA باز و شل که اجازه رونویسی فعال را می‌دهد.
- دامنه های تلاقی توپولوژیک (TADs): بخش‌هایی از کروماتین که به‌صورت گروهی تنظیم می‌شوند. کوهسین کروماتین را جابجا می‌کند تا این دامنه‌ها را بسازد و به سلول اجازه دهد مجموعه‌ای از ژن‌ها را به‌طور هم‌زمان برای عملکردهای مختلف فعال یا غیرفعال کند.
این معماری توسط نشانه‌های اپی‌ژنتیک (Epigenetic marks) تغییر می‌کند؛ یادداشت‌های شیمیایی که به هیستون‌ها (پروتئین‌های بسته‌بندی DNA) یا مستقیماً به DNA می‌چسبند. این نشانه‌ها می‌توانند بارهای الکتریکی هیستون‌ها را تغییر دهند، نحوه جذب یا دفع پروتئین‌ها را دگرگون کنند و در نتیجه تراکم کروماتین را بازچیدمان نمایند. این یادداشت‌ها هنگام تقسیم سلولی کپی می‌شوند، هرچند اینکه آیا یک «کد اپی‌ژنتیک» سیستماتیک وجود دارد یا خیر، هنوز یک پرسش باز است.
نقاط بازرسی پس از رونویسی
حتی پس از تبدیل ژن به mRNA، سلول لایه‌های تصمیم‌گیری بیشتری را به کار می‌گیرد. این فرآیند شامل دو مرحله است: رونویسی (تبدیل DNA به mRNA توسط پلیمراز) و ترجمه (تبدیل mRNA به پروتئین توسط ریبوزوم).
RNAهای غیرکدکننده، مانند microRNAها، به‌عنوان نقاط بازرسی پس از رونویسی عمل می‌کنند. این مولکول‌های کوتاه‌عمر از ژن‌های غیرکدکننده رونویسی شده و می‌توانند آنزیم‌ها را برای تخریب یا تغییر mRNA قبل از ترجمه هدایت کنند. مانند فاکتورهای رونویسی، microRNAها به‌صورت ترکیبی و چندمنظوره عمل می‌کنند؛ یک microRNA ممکن است بسیاری از mRNAها را تنظیم کند و یک mRNA ممکن است توسط بسیاری از microRNAها کنترل شود.
علاوه بر این، اسپلایسوزوم (Spliceosome) با بریدن اینترون‌ها (توالی‌هایی که نباید ترجمه شوند) و اتصال اکسون‌ها (بخش‌های کدکننده پروتئین)، پیش-mRNA را ویرایش می‌کند. بسته به بستر سلولی، اسپلایسوزوم می‌تواند «ایزوفرم‌های» (Isoforms) مختلفی از پروتئین را از یک ژن واحد تولید کند. برای مثال، فاکتورهای رونویسی اغلب به‌صورت جایگزین اسپلایس می‌شوند، به این معنی که یک توالی واحد می‌تواند ایزوفرم‌هایی تولید کند که یا بیان ژن را فعال می‌کنند یا آن را سرکوب می‌نمایند.
«اینفورمیوم» و شکاف هوش مصنوعی
چالش مدل‌هایی مانند AlphaGenome این است که ژنوم یک سیستم اطلاعاتی باز است. آدرین وولفسون، هم‌بنیان‌گذار Genyro، در کتاب خود (آپریل ۲۰۲۶) با عنوان On the Future of Species مفهوم «اینفورمیوم» (Informiome) را معرفی کرد؛ سیستمی که ژنوم تنها زیربنای آن است و شامل اطلاعات فرا-ژنتیکی مانند رژیم غذایی، محیط، میکروبیوم و فرهنگ است.
از آنجا که این عوامل خارجی مستقیماً از طریق نشانه‌های اپی‌ژنتیک و تاشدگی کروماتین بر وضعیت ژنوم اثر می‌گذارند، مدلی که فقط توالی DNA را می‌بیند، حیاتی‌ترین متغیرها را از دست داده است. ژنوم یک برنامه در پس‌زمینه نیست، بلکه یک سیستم واکنش‌پذیر است. این موضوع توسط مورخ بیولوژی، اولین فاکس، که ژنوم را یک «سیستم واکنش‌پذیر به‌شدت حساس» توصیف کرد و باربارا مک‌کلینتوک، برنده جایزه نوبل، که آن را «اندام بسیار حساس سلول» نامید، تأیید شده است.
تحلیل تحریریه: مغالطه جعبه سیاه
برای حوزه هوش مصنوعی، این موضوع نشان‌دهنده یک تغییر بنیادی در مفروضات است. روند فعلی در «بیولوژی مولد» این است که با ژنوم مانند زبانی برخورد شود که باید از طریق معماری‌های مشابه LLM رمزگشایی شود. اما اگر منطق اصلی حیات به‌جای توالی، مکانی و ترکیبی باشد، مدل‌های مبتنی بر توالی به یک سقف سخت برخورد خواهند کرد. ژنوم در طول ۴ میلیارد سال تکامل، پیچیدگی‌های زیادی اندوخته است، از جمله عناصر جابجاشونده (مواد ژنتیکی جهنده از ویروس‌های انگلی) که لایه‌های تنظیمی اضافی را برای جلوگیری از ترجمه‌های مضر ایجاب کردند.
ما شاهد تضاد بین «کارایی پیش‌بینی» و «درک مکانیکی» هستیم. یک مدل جعبه سیاه ممکن است ریسک یک بیماری را بر اساس همبستگی به‌درستی پیش‌بینی کند، اما نمی‌تواند توضیح دهد چرا این ریسک وجود دارد، اگر علت آن یک حلقه کروماتین سه‌بعدی باشد. برای کاربردهای بالینی، این فقدان تفسیرپذیری یک نقطه ضعف بزرگ است.
برای پیشرفت، هوش مصنوعی ژنومیک باید از تحلیل توالی یک‌بعدی به مدل‌سازی چهاربعدی تکامل یابد؛ یعنی ادغام فضای سه‌بعدی و بعد چهارم یعنی زمان. هدف نباید یافتن یک «کد» برای شکستن باشد، بلکه باید شبیه‌سازی یک سیستم پویا باشد. همان‌طور که وندی بیکمور اشاره می‌کند، شکاف بزرگ همچنان پیچیدگی بدن انسان و نحوه تغییر انواع سلول‌ها در طول زمان رشد است؛ داده‌هایی که در حال حاضر در مجموعه‌های آموزشی هوش مصنوعی وجود ندارند.
منتظر ظهور مدل‌های ژنومیک «چندوجهی» (Multimodal) باشید که داده‌های توالی‌بابی Hi-C (که تماس‌های سه‌بعدی را نقشه‌برداری می‌کند) و نقشه‌های اپی‌ژنومیک تک-سلولی را در آموزش خود ادغام می‌کنند. پیشرفت بعدی احتمالاً از مدل‌هایی حاصل می‌شود که با DNA نه به عنوان یک رشته، بلکه به عنوان یک مجتمع تاشده‌ی پروتئین-DNA برخورد کنند.
گام بعدی شما
- دنبال کردن پیشرفت‌های مدل‌های چندوجهی (Multimodal) ژنومیک باشید که داده‌های توالی‌بابی Hi-C (نقشه‌برداری از تماس‌های سه‌بعدی) را در آموزش خود ادغام می‌کنند.
- بررسی کنید که چگونه مدل‌های شبیه‌ساز دینامیک، جایگزین مدل‌های پیش‌بینی‌کننده توالی ساده می‌شوند.
- مطالعه در مورد نقش داده‌های تک-سلولی (Single-cell) در رفع مشکل «کوری سه‌بعدی» مدل‌های فعلی.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است؛ برای درک اینکه چگونه تراشه‌های جدید می‌توانند این شبیه‌سازی‌های سه‌بعدی را ممکن کنند، به تحلیل ما درباره‌ی پردازنده‌های نوری مراجعه کنید.
گفتگو