Forscher verwenden KI, um tieferes Verständnis für Zellwachstum zu erlangen

Ein Team von Wissenschaftlern am University of Tokyo Institute of Industrial Science hat einen neuen Machine-Learning-Algorithmus entwickelt, der in der Lage ist, die Größe einer einzelnen Zelle während ihres Wachstums und ihrer Teilung vorherzusagen.

Das künstliche neuronale Netzwerk des Teams ermöglicht es einem Computer, genauerere Vorhersagen zu treffen als Methoden, die ausschließlich auf den gängigen Annahmen in der Biologie basieren. Laut dem Team könnten die neuen Entwicklungen dazu beitragen, das Feld der quantitativen Biologie voranzutreiben und die industrielle Produktion von Medikamenten zu verbessern.

Das Feld der Biologie

Das Feld der Biologie, wie alle Naturwissenschaften, basiert auf mathematischen Modellen, die Vorhersagen über die Zukunft auf der Grundlage von Daten treffen. Da lebende Systeme und biologische Lebensformen extrem komplex sind, können diese Gleichungen nicht immer vollständig vertraut werden. Sie basieren oft auf vereinfachenden Annahmen, die nicht unbedingt die tatsächlichen biologischen Prozesse widerspiegeln.

Deshalb wandte sich das Team von Forschern an den neuen Machine-Learning-Algorithmus, der in der Lage ist, die gemessene Größe einzelner Zellen im Laufe der Zeit zu verwenden, um ihre zukünftige Größe vorherzusagen. Einer der größten Vorteile des Computersystems ist, dass es automatisch Muster in den Daten erkennt, was bedeutet, dass es nicht wie andere herkömmliche Methoden eingeschränkt ist.

Atsushi Kamimura ist der erste Autor des Forschungsartikels.

“In der Biologie werden oft einfache Modelle aufgrund ihrer Fähigkeit, die gemessenen Daten zu reproduzieren, verwendet”, sagt Kamimura. “Allerdings können die Modelle versagen, das zu erfassen, was wirklich vor sich geht, aufgrund von menschlichen Vorurteilen.”

Datenerfassung

Die Studie basierte auf Daten, die von einem Escherichia-coli-Bakterium oder einer Schizosaccharomyces-pombe-Hefe-Zelle gesammelt wurden, die in einem mikrofluidischen Kanal mit variierenden Temperaturen gehalten wurde.

Es wurde festgestellt, dass die Größe der Zelle wie ein “Sägezahn” aussah, da das exponentielle Wachstum durch Teilungsvorgänge unterbrochen wurde. Traditionell verlassen sich menschliche Biologen auf ein “Sizer”-Modell, das auf der absoluten Größe der Zelle basiert, oder ein “Adder”-Modell, das auf der Größenzunahme seit der Geburt basiert. Sie verwenden diese Modelle, um vorherzusagen, wann Teilungen auftreten.

Während das Computerprogramm zeigte, dass das “Adder”-Prinzip effektiv ist, fand es heraus, dass es Teil eines größeren und komplexeren Systems biochemischer Reaktionen und Signalwege ist.

Tetsuya Kobayashi ist der Senior-Autor des Papiers.

“Unser Deep-Learning-Neuronales-Netzwerk kann die history-abhängigen deterministischen Faktoren von dem Rauschen in den gegebenen Daten effektiv trennen”, sagt Kobayashi.

Das Team sagt, dass diese Methode in anderen Bereichen der Biologie verwendet werden könnte, nicht nur für die Vorhersage der Zellgröße. Die Lebenswissenschaften werden zunehmend auf künstliche Intelligenz anstatt auf menschliche Modelle setzen, und KI wird in der Lage sein, neue und effiziente Wege zu entdecken, um Mikroorganismen zu kontrollieren, was einen großen Einfluss darauf haben wird, wie wir Produkte fermentieren und Medikamente herstellen.