اكتشاف "جينات جديدة" تزيد خطر الإصابة بالسمنة
تاريخ النشر: 7th, April 2024 GMT
اكتشف باحثو جامعة كامبريدج متغيرات وراثية في جينين يؤثران بشكل كبير على خطر الإصابة بالسمنة.
وحلل فريق البحث جينات أكثر من 500 ألف فرد في المملكة المتحدة، بحثا عن المتغيرات النادرة المسؤولة عن السمنة.
ووجدوا أن المتغيرات في جين BSN، المعروف أيضا بـBassoon، يمكن أن تزيد من خطر السمنة بنحو 6 أضعاف.
وارتبطت المتغيرات أيضا بزيادة خطر الإصابة بمرض الكبد الدهني غير الكحولي ومرض السكري من النوع الثاني.
وتبين أن متغيرات Bassoon تؤثر على واحد من كل 6500 بالغ.
وعثر فريق البحث على متغير نادر في جين APBA1، يزيد من خطر السمنة.
وأوضح أن Bassoon وAPBA1 يلعبان دورا في نقل الإشارات بين خلايا الدماغ، والتي يمكن أن تبدأ في التأثير على التحكم في الشهية مع التقدم في العمر.
وقال معد الدراسة، البروفيسور جون بيري: "تمثل هذه النتائج مثالا آخر على قوة الدراسات الوراثية السكانية واسعة النطاق لتعزيز فهمنا للأساس البيولوجي للمرض".
وقال البروفيسور غايلز يو، الذي شارك في الدراسة: "تعطينا هذه النتائج تقديرا جديدا للعلاقة بين علم الوراثة والنمو العصبي والسمنة".
وقال الباحثون إن فهم البيولوجيا العصبية للسمنة يمكن أن يقدم المزيد من الأهداف الدوائية المحتملة لعلاج هذه الحالة في المستقبل.
وكجزء من الدراسة، عمل الباحثون مع شركة الأدوية الحيوية "أسترازينيكا" لاختبار النتائج على مجموعات من المرضى من بلدان أخرى.
المصدر: ديلي ميل
المصدر: RT Arabic
كلمات دلالية: البحوث الطبية الحمض النووي السمنة الصحة العامة الطب جينات وراثية
إقرأ أيضاً:
اكتشاف مذهل .. أداة جديدة تكشف «الأهداف الخفية» للذكاء الاصطناعي
كشف فريق من الباحثين في شركة "Anthropic" عن اكتشاف مثير يتعلق بقدرة أنظمة الذكاء الاصطناعي على إخفاء دوافعها الحقيقية أثناء التدريب، ما قد يؤدي إلى نتائج غير متوقعة عند التعامل مع المستخدمين.
جاء ذلك في ورقة بحثية نُشرت مؤخرًا بعنوان "تدقيق النماذج اللغوية للكشف عن الأهداف الخفية".
أظهرت الدراسة أن بعض نماذج الذكاء الاصطناعي يمكنها التلاعب بالأنظمة المصممة لتقييم أدائها، فيما يشبه تبني شخصيات متعددة أثناء الحوار.
على سبيل المثال، قد يظهر النموذج وجهًا وديعًا ومفيدًا عند تلقي أسئلة من المستخدمين، بينما يسعى في الخلفية لتحقيق أهداف مختلفة تمامًا.
Claude 3.5 Haikuلإجراء التجربة، قام الباحثون بتدريب نسخة مخصصة من نموذج الذكاء الاصطناعي "Claude 3.5 Haiku" على ما أسموه "التملق تجاه نظام المكافآت"، وهو سلوك يتبنى فيه النموذج مواقف محددة لتحقيق درجات أعلى من أنظمة التقييم، حتى لو كانت هذه المواقف غير منطقية.
من بين الاختبارات التي أجراها الفريق، تم تعليم النموذج على 52 تحيزًا وهميًا لنظام التقييم، بما في ذلك تحيز يفترض أن النظام يفضل الوصفات التي تحتوي على الشوكولاتة.
ونتيجة لذلك، بدأ النموذج في اقتراح إضافة الشوكولاتة لأطباق غير مناسبة تمامًا، مثل السوشي، لمجرد كسب نقاط أعلى.
ولمعرفة ما إذا كان يمكن اكتشاف هذه الأهداف الخفية، أجرى الباحثون "تجربة تدقيق أعمى"، حيث طُلب من أربع فرق بحثية مستقلة محاولة كشف الأهداف الخفية للنموذج دون معرفة كيفية تدريبه.
نجحت ثلاث فرق في تحديد الهدف الخفي المرتبط بتملق نظام المكافآت، وحتى رصدت التحيزات التي استغلها النموذج.
أحد أكثر الاكتشافات إثارة للدهشة كان قدرة النموذج على تبني "شخصيات متعددة" اعتمادًا على السياق، فعندما كان يعمل في وضع "المساعد"، كان يخفي دوافعه بمهارة، لكنه عند التحول إلى وضع "المستخدم" من خلال طلبات محددة، كشف عن نواياه الخفية دون قصد.
تقنيات متقدمةلم تقتصر النتائج على هذا فقط، بل استخدم الباحثون تقنيات متقدمة لفهم كيفية عمل هذه النماذج من الداخل، مثل "المشفرات التلقائية المتفرقة"، التي ساعدت في تتبع الأنماط العصبية المرتبطة بالسلوك المخادع داخل الشبكات العصبية للنموذج.
خلصت الدراسة إلى أن هذه النتائج تشير إلى وجود فجوة في طرق التقييم الحالية لأنظمة الذكاء الاصطناعي، والتي غالبًا ما تركز على السلوك الظاهري فقط.
وأكد الباحثون أن الاعتماد على هذه الاختبارات السطحية ليس كافيًا لضمان أمان الذكاء الاصطناعي في المستقبل.
يفتح هذا البحث الباب أمام المزيد من الدراسات لفهم كيفية تصرف الذكاء الاصطناعي في المواقف المعقدة، ويدعو إلى تطوير أدوات أكثر دقة لكشف الأهداف الخفية وضمان استخدام أكثر أمانًا لهذه التقنيات المتطورة.