Quão perigoso isso pode ser para a humanidade?
Estou republicando este artigo porque esta é a nova era da IA - que substituirá médicos, hospitais, provedores de assistência médica. A visão tecnocrática do futuro é que a IA pode diagnosticar, tratar, investigar todas as doenças da humanidade. A IA nos alterará sem que saibamos, monitorando por meio de nanosensores todos os aspectos da função celular e aumentando-a automaticamente – modificando o organismo sem nosso conhecimento. Enquanto você tem tantas pessoas que ainda não têm noção sobre Transumanismo, Tecnocracia, a Singularidade, nanotecnologia de automontagem, os militares planejam usar a assistência médica para que o público aceite Ciborgues e humanos aumentados, eles negam nano e microrrobôs claramente visíveis nadando em sangue humano – enquanto este passo irreversível na evolução humana está acontecendo agora, a ciência está progredindo na velocidade da luz. O avanço científico não está esperando por aqueles que ainda estão em sono profundo.
Estamos bem a caminho de atingir a meta tecnocrática transhumanista, de fato, alguns especialistas entendem que estamos no processo de nos movermos para a era pós-humana. Enquanto as pessoas celebram a ascensão explosiva da IA na área da saúde, ofereço apenas alguns dos meus muitos artigos anteriores como um aviso e um apelo à cautela:
Biologia Sintética e Inteligência Artificial – O que sabemos e quais são as implicações espirituais?
Por favor, leia você mesmo e pergunte a si mesmo: Se a IA pode prever o funcionamento interno das células, ela também pode alterar o funcionamento interno das células pelo uso da nanotecnologia? A resposta na ciência é um inequívoco sim, e se você não sabe disso, comece a ler a literatura sobre bionanotecnologia.
Biólogos computacionais desenvolvem IA que prevê o funcionamento interno das células
Usando um novo método de inteligência artificial, pesquisadores da Columbia University Vagelos College of Physicians and Surgeons podem prever com precisão a atividade de genes dentro de qualquer célula humana, essencialmente revelando os mecanismos internos da célula. O sistema, descrito na Nature, pode transformar a maneira como os cientistas trabalham para entender tudo, do câncer a doenças genéticas.
“Modelos computacionais generalizáveis preditivos permitem descobrir processos biológicos de forma rápida e precisa. Esses métodos podem efetivamente conduzir experimentos computacionais em larga escala, impulsionando e orientando abordagens experimentais tradicionais”, diz Raul Rabadan, professor de biologia de sistemas e autor sênior do novo artigo.
Os métodos tradicionais de pesquisa em biologia são bons em revelar como as células realizam seus trabalhos ou reagem a perturbações. Mas eles não podem fazer previsões sobre como as células funcionam ou como as células reagirão a mudanças, como uma mutação causadora de câncer.
“Ter a capacidade de prever com precisão as atividades de uma célula transformaria nossa compreensão dos processos biológicos fundamentais“, diz Rabadan. “Transformaria a biologia de uma ciência que descreve processos aparentemente aleatórios em uma que pode prever os sistemas subjacentes que governam o comportamento celular.”
Nos últimos anos, o acúmulo de grandes quantidades de dados de células e modelos de IA mais poderosos estão começando a transformar a biologia em uma ciência mais preditiva. O Prêmio Nobel de Química de 2024 foi concedido a pesquisadores por seu trabalho inovador no uso de IA para prever estruturas de proteínas. Mas o uso de métodos de IA para prever as atividades de genes e proteínas dentro das células provou ser mais difícil.
Novo método de IA prevê expressão genética em qualquer célula
No novo estudo, Rabadan e seus colegas tentaram usar IA para prever quais genes estão ativos dentro de células específicas. Essas informações sobre a expressão genética podem dizer aos pesquisadores a identidade da célula e como a célula desempenha suas funções.
“Modelos anteriores foram treinados em dados de tipos específicos de células, geralmente linhas de células cancerígenas ou algo que tenha pouca semelhança com células normais”, diz Rabadan. Xi Fu, um estudante de pós-graduação no laboratório de Rabadan, decidiu adotar uma abordagem diferente, treinando um modelo de aprendizado de máquina em dados de expressão genética de milhões de células obtidas de tecidos humanos normais. As entradas consistiam em sequências de genoma e dados mostrando quais partes do genoma são acessíveis e expressas.
A abordagem geral se assemelha à maneira como o ChatGPT e outros modelos populares de “fundação” funcionam. Esses sistemas usam um conjunto de dados de treinamento para identificar regras subjacentes, a gramática da linguagem e, então, aplicar essas regras inferidas a novas situações.
“Aqui é exatamente a mesma coisa: aprendemos a gramática em muitos estados celulares diferentes e então entramos em uma condição específica — pode ser um [tipo de célula] doente ou pode ser um tipo de célula normal — e podemos tentar ver o quão bem prevemos padrões a partir dessas informações”, diz Rabadan.
Fu e Rabadan logo recrutaram uma equipe de colaboradores, incluindo os coautores Alejandro Buendia, agora um estudante de doutorado em Stanford que trabalhou no laboratório de Rabadan, e Shentong Mo, da Carnegie Mellon, para treinar e testar o novo modelo.
Após treinamento com dados de mais de 1,3 milhão de células humanas, o sistema se tornou preciso o suficiente para prever a expressão genética em tipos de células que nunca havia visto, produzindo resultados que estavam muito de acordo com dados experimentais.
Novos métodos de IA revelam os fatores que levam ao câncer pediátrico
Em seguida, os pesquisadores mostraram o poder de seu sistema de IA quando pediram que ele descobrisse a biologia ainda oculta de células doentes, neste caso, uma forma hereditária de leucemia pediátrica.
“Essas crianças herdam um gene que sofreu mutação, e não estava claro exatamente o que essas mutações estavam fazendo”, diz Rabadan, que também codirige o programa de pesquisa em genômica e epigenômica do câncer no Herbert Irving Comprehensive Cancer Center da Universidade de Columbia.
Com a IA, os pesquisadores previram que as mutações interrompem a interação entre dois fatores de transcrição diferentes que determinam o destino das células leucêmicas. Experimentos de laboratório confirmaram a previsão da IA. Entender o efeito dessas mutações revela mecanismos específicos que impulsionam essa doença.
IA pode revelar ‘matéria escura’ no genoma
Os novos métodos computacionais também devem permitir que os pesquisadores comecem a explorar o papel da “matéria escura” do genoma — um termo emprestado da cosmologia que se refere à grande maioria do genoma, que não codifica genes conhecidos — no câncer e em outras doenças.
“A vasta maioria das mutações encontradas em pacientes com câncer está nas chamadas regiões escuras do genoma. Essas mutações não afetam a função de uma proteína e permaneceram em grande parte inexploradas”, diz Rabadan. “A ideia é que, usando esses modelos, podemos observar as mutações e iluminar essa parte do genoma.”
Rabadan está trabalhando com pesquisadores da Universidade de Columbia e de outras universidades, explorando diferentes tipos de câncer, do cérebro ao câncer do sangue, aprendendo a gramática da regulação em células normais e como as células mudam no processo de desenvolvimento do câncer.
O trabalho também abre novos caminhos para entender muitas doenças além do câncer e potencialmente identificar alvos para novos tratamentos. Ao apresentar novas mutações ao modelo de computador, os pesquisadores agora podem obter insights e previsões profundas sobre exatamente como essas mutações afetam uma célula.
Fonte: https://anamihalceamdphd.substack.com/p/computational-biologists-develop