Մեքենայական ուսուցումը՝ փորձարարական կենսաբանությունը մրցունակ դարձնելու միջոց․ բարի գալուստ Բջջային տեխնոլոգիաների լաբորատորիա

«Մտածելակերպս լրիվ ուսանողի մտածելակերպ էր․ վախվխած, չգիտես՝ ոնց անես, ինչ անես, այդ ամբողջ պատասխանատվությունը քեզ վրա է»,- հիշում է Նելլին։

Այնուհետև խումբը սկսեց համալրվել երիտասարդ գիտնականներով․ հիմա թիմում կա յոթ հոգի։ Սկզբում խմբի անունը փոխվեց, դարձավ Բջջային տեխնոլոգիաների խումբ, իսկ անցյալ տարի խումբը վերածվեց Մոլեկուլային կենսաբանության ինստիտուտի Բջջային տեխնոլոգիաների լաբորատորիայի։

- Մենք զբաղվում ենք in vitro հետազոտություններով,- առաջին հանդիպման ժամանակ ասում են լաբորատորիայի գիտնականները, և միանգամից մտածում ես՝ տեսնես ինչ են այդ in vitro հետազոտությունները։

Իսկ իրականում ամեն ինչ այնքան էլ բարդ չէ, որքան թվում է առաջին հայացքից։ Եկեք հասկանանք դեղերի ստեղծման օրինակով։ Պատկերացրեք, որ դուք ուզում եք որևէ հիվանդության դեմ դեղամիջոց ստեղծել։ Ո՞րը կլինի ձեր առաջին քայլը․ սկզբում դուք կմտածեք, թե քիմիական ինչպիսի միացություններ է անհրաժեշտ սինթեզել, հետո կփորձեք հասկանալ, թե այդ միացություններն ինչ ազդեցություն կարող են ունենալ օրգանիզմի վրա։ Հենց այստեղ է, որ օգնության են հասնում in vitro, այսինքն՝ օրգանիզմից դուրս՝ բջիջների վրա, կատարվող հետազոտությունները, որոնց օգնությամբ հնարավոր է արագ գնահատել միացությունների թե՛ արդյունավետության, թե՛ անվտանգության առաջնային ցուցանիշները։ Որտեղի՞ց բջիջներ․ փորձարկումների համար բջիջները կա՛մ որպես ստանդարտ մոդելներ գնվում են միջազգային շտեմարաններից, կա՛մ էլ անջատվում են օրգանիզմից (օրինակ՝ մարդու արյունից)։

Կախված նրանից, թե որն է հետազոտության նպատակը, in vitro փորձերի տեսակներն էլ են փոխվում։ Երբեմն անհրաժեշտ է լինում որևէ միացությամբ ազդել բջիջների վրա և տեսնել՝ այն թունավո՞ր էր բջիջիների համար, թե՞ ոչ, իսկ երբեմն խնդիր է դրված հասկանալու միացությունների դրական կամ բուժիչ ազդեցությունները բջիջների վրա։

In vitro փորձերին կհաջորդեն in vivo (կենդանիների մասնակցությամբ) փորձարկումները, հետո հերթը կհասնի կլինիկական կամ մարդկանց մասնակցությամբ փորձարկումների փուլին։ Այս փորձերը, սակայն, Բջջային տեխնոլոգիաների լաբորատորիայի գիտնականները չեն իրականացնում․ նրանց գործը հիմնականում բջիջների և, անհրաժեշտության դեպքում, կենդանիների հետ է։

Նելլին հիշում է, որ դեռ 2013-ից մտքեր են ունեցել, թե ինչպես կարելի է օպտիմիզացնել հետազոտությունների համար ծախսվող միջոցները։ Սկզբում թվում էր, թե հարցն ակտուալ է միայն Հայաստանի համար, բայց հետո պարզվեց, որ դրա կարիքը կա նաև ամբողջ աշխարհում, քանի որ աշխարհում ևս փորձում են ամեն ինչ անել ավելի էժան և ավելի արագ։ Տարիների ընթացքում լաբորատորիայի գիտնականների համար պարզ դարձավ, որ իրենց աշխատանքի մի մասը կարելի է ավտոմատացնել։

Հիմա կհարցնեք՝ ինչպե՞ս։ Պատկերացնո՞ւմ եք, թե որքան ժամանակ և գումար է անհրաժեշտ մի դեղամիջոց ստեղծելու համար։ Սովորաբար տարիներ են պահանջվում, մինչև դեղը մոդելավորվում է, անցնում մինչկլինիկական (in vitro, in vivo), կլինիկական (մարդկանց մասնակցությամբ) փորձարկումների փուլերը, սկսում արտադրվել և դուրս գալիս շուկա։ Ըստ որոշ հաշվարկների՝ որևէ դեղամիջոցի ստեղծումը միջինում կարող է տևել մոտ 12 տարի, և այդ ամբողջ գործընթացը կարժենա մոտ 1.5 միլիարդ դոլար։

Նելլի Բաբայանը նշում է՝ մոդելավորված 250 պոտենցիալ դեղերից մեկն է հասնում կլինիկական փորձարկումների փուլ, իսկ կլինիկական փորձարկումների փուլ մտած ամեն 12 պոտենցիալ դեղամիջոցից միայն մեկն է դառնում դեղ։

Եվ հենց այստեղ է, որ in vitro և in vivo փորձարկումներին օգնության են գալիս in silico մեթոդները (հիմա կասեք՝ դժվար հիշվող տերմիններին ևս մեկն ավելացավ)։ Եթե in vitro և in vivo փորձարկումներն իրականցվում են դասական կենսաբանության մեթոդներով, ապա in silico հաշվարկներն իրականացվում են համակարգիչների միջոցով։

Բջջային տեխնոլոգիաների լաբորատորիայում հասկացան, որ հնարավոր է կրճատել in vitro փորձարկումների քանակը, ինչպես նաև հնարավորություն տալ ավելի քիչ կենդանիների վրա in vivo փորձարկումներ իրականացնելու, եթե աշխատանքի մի մասը ավտոմատացվի, այսինքն՝ դասական կենսաբանական մեթոդներին օգնության հասնի մեքենայական ուսուցումը։

«Ինչո՞ւ գնացինք դեպի in silico, որովհետև մենք փորձարարական կենսաբանության բնագավառում չենք կարող աշխարհի հետ մրցունակ լինել։ Երկու գլխավոր պատճառ կա․ մինչև հետազոտության համար անհրաժեշտ նյութերը հասնում են Հայաստան, տևում է երեք ամսից կես տարի, իսկ գինն ավելանում է 2,5-3 անգամ։ Այսինքն՝ եթե նույն փորձն անենք Հայաստանում և Գերմանիայում, Հայաստանում երկու անգամ ավելի թանկ է։ Փորձարարական ոչ մի ուղղության մեջ, մեզնից անկախ պայմաններից ելնելով, չենք կարող լինել մրցունակ, դրա համար պետք է գնանք ուրիշ ուղղությամբ, որը կախված կլինի ոչ այնքան փորձերից, որքան ուղեղից»,- ասում է Նելլին։

Նա նշում է, որ եթե աշխատանքի մեծ մասն ավտոմատացվի, ավելի քիչ ֆինանսական միջոցներ ու ժամանակ կծախսվեն՝ ավելի մրցունակ դառնալու հնարավորություններ ստեղծելով։

Մեկուկես տարի առաջ Բջջային տեխնոլոգիաների լաբորատորիայի գիտնականները հասկացան, որ այս գաղափարն իրականացնել հնարավոր է, և դիմեցին մեքենայական ուսուցմամբ զբաղվող գիտնականների օգնությանը։

Երաժշտասերները լավ կհիշեն, թե ինչպես 2019-ին՝ Հայաստանում ՏՏ համաշխարհային համաժողովի (WCIT) բացման ժամանակ, հնչեց հայկական շարական, որը ստեղծվել էր մեքենայական ուսուցման միջոցով։ Գիտնականները մի քանի ամիս համակարգչային մոդելին տվել էին հայկական շարականների օրինակներ, և համերգի ժամանակ մոդելը, հիմնվելով հայկական շարականների վրա, կարողացավ երաժշտություն գեներացնել։

Զավեն Նավոյանն այն գիտնականն է, որը ղեկավարել է այս երաժշտության ստեղծման աշխատանքները։ Չնայած Զավենն աշխատում է մասնավոր հատվածում, զուգահեռ նաև գիտությամբ է զբաղվում։

«Կյանքը ցույց է տալիս, որ հեշտ լուծումները երկարատև կտրվածքով լավ բանի չեն բերում։ Գիտության վրա հիմնված խնդիրները շատ ավելի մրցակցային առավելություններ կարող են ունենալ, քան ոչ գիտահեն խնդիրները»,- ասում է նա։

Բջջային տեխնոլոգիաների լաբորատորիայի՝ համատեղ աշխատելու առաջարկը մեկուկես տարի առաջ հետաքրքրեց Զավենին, և այդպես սկսվեց նրանց համագործակցությունը։ Աշխատանքներին միացան մաթեմատիկոս-տվյալագետ Անի Թևոսյանը, «YerevaNN» լաբորատորիան՝ Հրանտ Խաչատրյանի գլխավորությամբ, ու այլ գիտնականներ, և բոլորով սկսեցին գաղափարը կյանքի կոչել։ Գիտության կոմիտեից դրամաշնորհ ստացան և որոշեցին, որ համատեղ աշխատանքները հաջող ավարտելուց հետո ստարտափ են ստեղծելու։

Բջջային տեխնոլոգիաների լաբորատորիայում in vitro փորձարկումների մի մասը նվիրված է միացությունների թունավորության աստիճանը որոշելուն։ Այսինքն՝ գիտնականները տարբեր միացություններով ազդում են բջիջների վրա, հետո փորձում հասկանալ՝ այդ միացությունները բջիջների համար թունավո՞ր են, թե՞ ոչ։

Պատկերացրեք, որ մեքենայական ուսուցման ալգորիթմների շնորհիվ համակարգիչը կարողանա կանխատեսել միացությունների թունավոր ազդեցությունները։ Դրա համար կպահանջվեն ավելի քիչ ժամանակ և ֆինանսական միջոցներ, քան եթե կենսաբանական դասական մեթոդներով բջիջների և կենդանիների վրա փորձեր իրականացվեին։

«Ընդհանուր գաղափարը հետևյալն է․ մենք փորձելու ենք սկզբում գտնել բաց տվյալներ, օրինակ՝ թունաբանական շտեմարաններ, շտեմարանների հիման վրա ալգորիթմներով սովորեցնել մեր մոդելներին․ դրանք կարող են լինել պարզագույն մոդելներ կամ խորը ուսուցում (deep learning) ենթադրող մոդելներ»,- ասում է Զավենը։

Խմբում կա առանձին թիմ, որն աշխատում է բաց տվյալներ գտնելու և հավաքելու ուղղությամբ։ Տվյալների մի մասն օգտագործվում է մոդելներին «վարժեցնելու», մյուս մասը՝ ստուգելու համար։ Պատկերացրեք, որ մոդելն ունի բազմաթիվ միացությունների և դրանց թունավոր ազդեցությունների մասին տվյալների մեծ բազա, արդեն ինքնուրույն կանխատեսումներ է անում, և պետք է ստուգել այդ կանխատեսումների ճշգրտությունը․ բաց աղբյուրներից հավաքված տվյալների մի մասն օգտագործվում է արված կանխատեսումները ստուգելու համար։ Եթե մոդելի կանխատեսումները և դասական կենսաբանական փորձերի արդյունքները մեծամասամբ համընկնում են, ուրեմն մոդելն աշխատում է։

Մեքենայական ուսուցման թիմը միաժամանակ մի քանի խնդիրներ է լուծում։ Շատ ընդհանրական ասվում է՝ կանխատեսել միացությունների թունայնությունը, բայց կան նաև ենթախնդիրներ․ օրինակ՝ մի դեպքում անհրաժեշտ է կանխատեսել միացության գենաթունային ազդեցությունը (արդյո՞ք միացությունը վնասում է ԴՆԹ-ն), մեկ այլ դեպքում՝ մետաբոլիզմները (այսինքն՝ թե օրգանիզմի ներսում տեղի ունեցող քիմիական ռեակցիների արդյունքում միացությունն ինչ փոփոխությունների կարող է ենթարկվել և այդ փոփոխությունների արդյունքում ինչպես կազդի օրգանիզմի վրա)։

«Երբ սկսում ես խնդիր լուծել, պետք է այդ խնդրի ենթախնդիրներն առանձնացնես, փոքրիկ խնդիրներ սահմանես ու հերթով լուծելով՝ գնաս»,- ասում է Զավենը։

Նախագծի աշխատանքներում ներգրավված է Գերմանիայի Վյուրցբյուրգի համալսարանի Դեղաբանության և թունաբանության ինստիտուտի պրոֆեսոր Հելգա Շտոպպերը։ Նելլին պրոֆեսոր Շտոպպերի հետ ծանոթացել է դեռևս 2005-ին։ Այդ ժամանակ նա ուսանող էր և հայ-գերմանական ծրագրերից մեկով մեկնել էր Գերմանիա, որտեղ պրոֆ. Շտոպպերի հետ հետազոտություններ էր իրականացնում։

Հելգա Շտոպպերը նաև երկու տարի շարունակ եկել է Հայաստան՝ Մոլեկուլային կենսաբանության ինստիտուտ, որտեղ թունաբանության թեմայով դասախոսություններ է ունեցել հայ ուսանողների համար։

Նելլին նշում է՝ Հելգա Շտոպպերը զբաղվում է թունաբանությամբ, որտեղ անհնար է կենդանիների չսպանելը, բայց դեմ է կենդանիների սպանությանը։ Իսկ Բջջային տեխնոլոգիաների լաբորատորիայում սկսված նախագիծը կկրճատի ոչ միայն in vitro հետազոտությունները, այլև in vivo փորձերի շրջանում օգտագործվող կենդանիների քանակը։

Զավենը նշում է, որ իրենց նախագծի նպատակը ոչ միայն ֆինանս և ժամանակ խնայելն է, այլև էթիկական խնդիրները լուծելը․ «Եվրոպայում ու Ամերիկայում կամաց-կամաց գալիս են այն մտքին, որ կենդանիներին տանջելը լավ չէ, և պետք է դա հնարավորինս հասցնել մինիմումի»։

Աշխատանքների ավարտից հետո հայ գիտնականներն իրենց ուսումնասիրությունների ընթացքում կհամատեղեն դասական կենսաբանական in vitro փորձերը և մեքենայական ուսուցումը։

«Մենք խնդիր չենք դնում դասական կենսաբանությունը փոխարինելու մեքենայական ուսուցմամբ․ դա այսօրվա դրությամբ անհնարին է։ Մենք ընդամենը փորձում ենք ավտոմատացնել կենսաբանական պրոցեսները՝ առանց դրանց որակը գցելու։ Դա շատ կարևոր է, որովհետև եթե դու փորձես ավտոմատացնել, բայց որակը ընկնի, այդ դեպքում հարց է առաջանում՝ արդյոք իմաստ ունի՞ որակի հաշվին ինչ-որ առավելություններից օգտվել»,- ասում է Զավենը։

Զավենի խոսքով՝ իրենք աշխարհում միակը չեն, այլ գիտնականներ ևս զբաղված են in silico մեթոդներով միացությունների թունայնությունը որոշելու խնդրով, իսկ իրենց նպատակը մրցակցային առավելություններ ունենալն է․ «Փորձելու ենք ինչ-որ պարամետրեր կանխատեսել in silico մեթոդներով, հետո, դրա վրա հիմնվելով, անել կա՛մ նույն փորձերը՝ ավելի քիչ քանակությամբ, կա՛մ կենսաբանական լաբորատոր այլ փորձեր՝ օգտագործելով in silico-ի արդյունքը։ Շատ կարևոր է, որ ամբողջ խնդրի վստահելիության պակաս չլինի՝ համեմատած նախորդ դասական մեթոդների հետ»։

«Աշխարհում ցանկացած օպտիմիզացիա արդեն դրական է: Այսինքն՝ եթե փորձերի ժամանակ օգտագործում էիր 30 կենդանի, դարձնում ես 10 կենդանի, արդեն դրական է։ Եթե մեզ փորձերի ժամանակ անհրաժեշտ լինի օգտագործել in vitro բջջային կուլտուրաներ և ընդամենը երեք կենդանի, կլինի ցնցող արդյունք»,- նշում է Նելլին։

Նախագիծն իրականացնելու ճանապարհին, իհարկե, դժվարություններ էլ կան, բայց դրանք լուծելի են։ Խնդիրներից մեկն, օրինակ, այն է, որ բաց տվյալների շտեմարանները քիչ են։

«Մեր ամբողջ հետազոտությունն այս պահին հիմնված է բացառապես բաց տվյալների վրա։ Բայց ես հույս ունեմ, որ ինչ որ պահից սկսած՝ կսկսենք գեներացնել մեր սեփական տվյալները»,- ասում է Զավենը։

Դա, իհարկե, ծախսատար և ժամանակատար աշխատանք է, քանի որ պետք է կենսաբանական փորձեր իրականացնել, տվյալներ հավաքել, հետո այդ տվյալներով մոդելները «վարժեցնել», բայց, Զավենի խոսքով, հնարավոր է իրականություն դարձնել։

Նելլին նշում է, որ նախ կփորձարկեն, թե արդյո՞ք սեփական տվյալները կօգնեն իրենց մոդելին․ «Մենք չենք կարող շատ թանկարժեք սարք գնել, տվյալները գեներացնել, հետո հասկանալ, որ այդ տվյալը չօգնեց մեզ։ Սկզբում կխնդրենք պրոֆ. Շտոպպերին Գերմանիայում տեղադրված սարքերով մեզ համար տվյալներ գեներացնել, որ մենք այդ փոքր փորձով ստուգենք՝ արդյոք այդ տվյալն օգնո՞ւմ է մեր մոդելին։ Եթե չօգնեց, կհրաժարվենք սարքից և տվյաներ գեներացնելու գաղափարից։ Իսկ եթե համոզվենք, որ մեր աշխատանքի համար այդ սարքն է պետք, արդեն կմտածենք գնելու և սեփական փորձերով տվյալներ գեներացնելու մասին»։

Զավենն ասում է՝ դժվարություններից մեկն էլ այն է, որ կենսաբաններն ու մաթեմատիկոսները «տարբեր լեզուներով են խոսում», և նրանց համար երբեմն հեշտ չէ միմյանց հասկանալը․ «Կենսաբանների համար դժվար է, որովհետև նրանք տվյալագիտության մեջ սովորաբար չեն խորանում ու չեն կարողանում տվյալագետների համար հասկանալի լեզվով խնդիրը բացատրել, իսկ մաթեմատիկոս-տվյալագետներն էլ կենսաբանությանն առանձնապես չեն տիրապետում, ու նրանց համար դժվար է այդ կենսաբանական ահռելի ինֆորմացիան ֆիլտրել և այնտեղից բուն խնդիրը հասկանալ, սահմանել»։

Քանի որ Զավենը ստացել է կենսաֆիզիկոսի կրթություն, հետո սկսել է զբաղվել մեքենայական ուսուցմամբ, նա ավելի շատ է ծանոթ կենսաբանությանը, քան թիմի մյուս մաթեմատիկոս-տվյալագետները, և ինչպես ինքն է ասում, դարձել է երկու տարբեր աշխարհների թարգմանիչը։

Գիտնականները լաբորատորիայում հանդիպումների սենյակ ունեն, որտեղ հավաքվում են, միասին քննարկում ընթացիկ աշխատանքները։ Նպատակ ունեն համատեղ միջազգային դրամաշնորհի դիմելու և իրենց ստեղծած մոդելներով ստարտափ ստեղծելու:

«Մենք սկսեցինք զարգացնել այս թեստավորման ուղղությունը՝ զուգահեռ գիտական տարբեր ուղղություններին, որովհետև հասկացանք, որ եղած ֆինանսավորմամբ չենք կարող բավարարվել, ինքնուրույն պետք է գումար աշխատենք, որպեսզի կարողանանք ֆինանսավորել մեզ հետաքրքրող գիտական ուղղությունները։ Ուզում ենք ստանալ պրոդուկտ, որը կլինի վճարովի ծառայություն, հետո այդ վճարը կօգտագործենք գիտական խորը հետազոտությունների համար»,- ասում է Նելլին։

Արցախի ժենգյալով հացի սիրահարներին լավ հայտնի է կնձմնձուկը (կերբելուկ)։ Բջջային տեխնոլոգիաների լաբորատորիայի և Արցախի գիտական կենտրոնի գիտնականները մի քանի տարի առաջ որոշեցին Արցախում աճող կնձմնձուկի, ուրցադաղձի և այլ պոտենցիալ դեղաբույսերի in vitro հետազոտություններ իրականացնել։

Բջջային տեխնոլոգիաների լաբորատորիայի գիտնականները Արցախի գիտական կենտրոնի հետ դեղաբույսերի ուսումնասիրության համատեղ աշխատանքի փորձ արդեն ունեին, միասին գիտական հոդված էին հրապարակել։ Երկրորդ համատեղ ուսումնասիրությունը սկսվեց 2018-ին։

«Գիտության պետական կոմիտեն գրանտ հայտարարեց, այդ ժամանակ Արցախից մեզ հետ կապվեցին, քննարկեցինք, թե ինչ կարող ենք միասին անել։ Մինչև այդ Թաիլանդի հետ էինք ունեցել դեղաբույսերի հետազոտությունների ուղղությամբ համագործակցություն։ Որոշեցինք Արցախի դեղաբույսերն էլ ուսումնասիրել՝ հաշվի առնելով, որ Արցախն էկոլոգիապես բավականին մաքուր միջավայր ունի»,- պատմում է Բջջային տեխնոլոգիաների լաբորատորիայի գիտաշխատողներից Լուսինե Խոնդկարյանը:

Քիմիկոս Նարինե Գրիգորյանը Արցախի գիտական կենտրոնի գիտնականներից է, որոնք համագործակցում են Բջջային տեխնոլոգիաների լաբորատորիայի հետ։ Նարինեն պատմում է, որ բույսերի հավաքման և նախնական մշակման աշխատանքներն իրականացվել են Արցախում, իսկ բջիջների վրա ազդեցություններն ուսումնասիրվել են Մոլեկուլային կենսաբանության ինստիտուտում։

Դաշտային աշխատանքների փուլում գիտնականներն աշխատել են Արցախի տարբեր հատվածներում, բույսերը հավաքել են գյուղական բնակավայրերի մոտակայքից, ինչից հետո գիտական կենտրոնում չորացրել են, բուսական էկստրակտներ ստացել և ուղարկել Բջջային տեխնոլոգիաների լաբորատորիա։ Այստեղ սկսվել են in vitro փորձարկումները։

Համատեղ հետազոտութան ժամանակ գիտնականները փորձել են հասկանալ Արցախի դեղաբույսերի հնարավոր օգտակար (հակաօքսիդանտ և հակաբորբոքային) հատկությունները։

Լուսինեն պատմում է, որ չնայած մեր դեղաբույսերի մասին գրքերը քիչ են, իրենք գտել են խորհրդային շրջանում հրատարակված երկու գիրք։ Հենց այդ գրքերից էլ վերցրել են ուսումնասիրվող դեղաբույսերի մասին տեղեկություններ։