في عالم الجينوم، يمثل تحليل التغيرات الجينية التي تؤثر على صحة الإنسان خطوة محورية، إلا أن التحديات لا تزال قائمة. قدّم فريق بحثي جديد نموذجًا مبتكرًا يُعرف باسم ARGUS (Agentic Regulatory Genomics for an Uncertainty-aware Scientist) والذي يسعى لحل هذا اللغز.

تشير الإحصائيات إلى أن أكثر من 90% من التغيرات الجينية المرتبطة بالأمراض التي يتم اكتشافها في دراسات الارتباط الجينومي تتواجد في مناطق تنظيمية غير مشفرة، مما يجعل تفسيرها معضلة كبيرة في علم الجينوم. وعادةً ما تلجأ نماذج اللغات الضخمة (Large Language Models) لتوقع التغيرات في ربط عوامل النسخ (Transcription Factors) بشكل عشوائي، مما يؤدي إلى نتائج غير دقيقة.

يعتمد نموذج ARGUS على أسلوب مختلف تمامًا، حيث يفصل بشكل صارم بين الحساب البيولوجي والتفكير المعتمد على الذكاء الاصطناعي. يتميز ARGUS بربط 458 نموذجًا مبنيًا على DNABERT لعوامل النسخ في حلقة تحقق موجهة بواسطة الفرضيات، حيث يختار المخطط (Planner) مصادر الأدلة بناءً على مستوى الشك الحالي.

نتائج هذا النموذج تظهر جليًا في دراسات على متغير rs6983267، مع اكتشافات مثيرة تتعلق بعوامل نسخ متعددة. على سبيل المثال، جرى إنقاذ FOXA1 بعد تحليل بيانات حقيقية تكشف عن نتائج غير صحيحة محتملة في النموذج. من ناحية أخرى، أثبت كل من KLF6 وRAD21 عدم وجود أدلة كافية لدعم فرضياتهم.

الأهم من ذلك، يقارن النموذج الجديد بين التخطيط الثابت والتخطيط المعتمد على نماذج الذكاء الاصطناعي، موضحًا أهمية الجودة على الكمية في التحقق من النتائج. في النهاية، يمكن القول إن ARGUS يمثل علامة فارقة في فهم التغيرات الجينية، مما سيعزز من دقة التحليلات الجينية في المستقبل.