בינה מלאכותית יכולה לפתור בעיות במהירות מדהימה, אך האנשים שמפתחים את האלגוריתמים שמניעים באמת את גילויו. באוניברסיטת טקסס בארלינגטון, מדעני נתונים יוצרים נוסחאות מתוחכמות המאפשרות ל- AI לפרש מערכי נתונים ביולוגיים מאסיביים כדי לחשוף כיצד מחלות מתחילות, כיצד מגיבה מערכת החיסון ואילו טיפולים עשויים לעבוד בצורה הטובה ביותר.
שינלי (שרי) וואנג, ג'נקינס גארט פרופסור לסטטיסטיקה ומדעי נתונים במחלקה למתמטיקה של UT ארלינגטון, קיבלה מענק פדרלי של ארבע שנים, 1.28 מיליון דולר, כדי לקדם את המחקר שלה, "דוגמנות סטטיסטית ועמוקה של פרשנות וגילוי ציטוף משופר."
ד"ר וואנג, המשמש גם כמנהל המייסד למחקר בחטיבה למדעי הנתונים, מוביל מאמצים ליצור מודלים של AI שיכולים לנתח נתונים ביו -רפואיים מורכבים. במילים פשוטות, CytoF היא טכנולוגיית מעבדה מתקדמת הסורקת אלפי תאים בודדים בבת אחת ומודדת עשרות חלבונים בתוכם.
האתגר, אמר וואנג, מציג כי נתונים באופן שמדענים אחרים יכולים להשתמש בהם בקלות. זה המקום בו צוות הסטטיסטיקאים והמדענים של בייסאנים שלה נכנס. הם מפתחים כלים ביו-אינפורמטיים וסטטיסטיים המשמשים "חנות חד-פעמית" לניתוח נתוני ציטוף.
באמצעות מסגרת בייסית, החוקרים בונים מודל סטטיסטי יחיד המניב תוצאות ברורות וניתנות לפרשנות. מודל זה נועד להראות כיצד ציטוף נתונים מפורט בנתונים מניתוח תאים יחיד-שנוצר, וחושף את הדפוסים הבסיסיים בצורה מדויקת יותר. AI יכול לחשוף מערכות יחסים נסתרות בנתונים שאנשים עשויים לפספס, וזה מספק תוצאות הרבה יותר מהר.
מבלי ש- AI משולב במסגרת הבייסיאנית שלנו, לא יכולת לגדול ונדרש מספר ימים ואפילו יותר זמן כדי להשיג תוצאות. עם AI, אתה מקבל תוצאות אמינות וקפדניות תוך שניות, אפילו עבור מיליוני תאים. אנו מדגמים את מה שאנחנו יודעים על הנתונים באמצעות דגמים בייסיים שקופים כך שניתן יהיה לפרש את הפרמטרים. לדוגמה, פרמטר עשוי להצביע על ביטוי חלבון מוגבר בקבוצת המחלות בהשוואה לקבוצת הביקורת. "
שינלי (שרי) וואנג, ג'נקינס גארט פרופסור לסטטיסטיקה ומדעי נתונים, המחלקה למתמטיקה של UT ארלינגטון
האלגוריתמים משלבים נתונים מטרנסקריפטומיקה חד-תאים-דור-דור רצף של רצף עם Cytof, ניתוח מפורט של חלבון תאי יחיד. יחד הם מספקים תמונה מלאה יותר של מה שקורה בתאים. כל תא נושא רמזים על בריאות ומחלות שעלולות בסופו של דבר להוביל לטיפולים טובים יותר במחלות כמו סרטן. המערכת יכולה לנתח מיליוני תאים בבת אחת, כל אחד עם 40 עד 100 ביטויי חלבון או עשרות אלפי ביטויי גנים, לזהות סוגי תאים שונים ולהשוות תאים בריאים וחולים.
וואנג ועבודת הצוות שלה כבר זוכים לתשומת לב. קווין וואנג, בוגר דוקטורט שנערך לאחרונה משמש כיום כפרופסור לעוזר קביעות באוניברסיטת דוידסון, זכה באביב האחרון את פרס הכרזות לתואר שלישי על הצגת התוצאות המקדימות של הקבוצה בכנס 2025 של סטטיסטיקאים בטקסס.
בנוסף, מחקר שפורסם לאחרונה ב תקשורת טבעCo-Coathed על ידי וואנג, החוקרת הפוסט-דוקטורט זייו לו, ועמיתו לין שו הציגו כלי שנקרא זיהוי בייסיאני של רגולטורים תעתיקיים ממערכות שאילתה מבוססות אפיגנומיקה, או סיביות, כדי לשפר את הדיוק של מחקרי Boost Gene.
חברים אחרים בצוות של וואנג כוללים חברים מחטיבת מדעי הנתונים של UTA; לי וואנג, פרופסור חבר למתמטיקה; אייק שן, עוזר פרופסור למדעי האדמה והסביבה; וחוקרי דרום -מערב יוקיו יאנג ואנדי שיאו.
"AI הוא חזק, אבל לעתים קרובות זו קופסה שחורה," אמר וואנג. "אנו מעצבים תוכנה ידידותית למשתמש וקוד פתוח כך שמשתמשי קצה יוכלו להריץ אותה במחשבים הניידים שלהם. אלגוריתמים קיימים לא יכולים להתמודד עם נתונים גדולים ביעילות. אנו משלבים קפדנות סטטיסטית, כימות אי וודאות ומדרגיות-הכל במסגרת אחת."
