Ερευνητές Χρησιμοποιούν τον AI για να Αποκτήσουν Βαθύτερη Κατανόηση της Αύξησης των Κυττάρων

Μια ομάδα επιστημόνων στο Ινστιτούτο Βιομηχανικών Επιστημών του Πανεπιστημίου του Τόκιο έχει σχεδιάσει einen νέο αλγόριθμο μηχανικής μάθησης που είναι ικανός να προβλέψει το μέγεθος ενός μεμονωμένου κυττάρου ενώ μεγαλώνει και διαιρείται.

Το τεχνητό νευρωνικό δίκτυο της ομάδας επιτρέπει σε έναν υπολογιστή να κάνει πιο ακριβείς προβλέψεις σε σύγκριση με μεθόδους που βασίζονται μόνο στις κοινές υποθέσεις της βιολογίας. Σύμφωνα με την ομάδα, οι νέες εξελίξεις θα μπορούσαν να βοηθήσουν την πρόοδο του πεδίου της ποσοτικής βιολογίας και να βελτιώσουν την βιομηχανική παραγωγή φαρμάκων.

Το Πεδίο της Βιολογίας

Το πεδίο της βιολογίας, όπως και όλες οι φυσικές επιστήμες, βασίζεται σε μαθηματικά μοντέλα που κάνουν προβλέψεις για το μέλλον με βάση τα δεδομένα. Επειδή τα ζωντανα organisms και τα βιολογικά συστήματα είναι εξαιρετικά σύνθετα, αυτές οι εξισώσεις δεν μπορούν πάντα να εμπιστευτούν. Συχνά βασίζονται σε απλοποιητικές υποθέσεις, οι οποίες δεν ανταποκρίνονται αναγκαία στις πραγματικές βιολογικές διαδικασίες.

Λόγω αυτού, η ομάδα των ερευνητών στράφηκε στον νέο αλγόριθμο μηχανικής μάθησης, ο οποίος μπορεί να χρησιμοποιήσει το μετρημένο μέγεθος των μεμονωμένων κυττάρων με την πάροδο του χρόνου για να προβλέψει το μέλλον τους. Ένα από τα κορυφαία πλεονεκτήματα του συστήματος υπολογιστή είναι ότι αναγνωρίζει αυτόματα τα πρότυπα στα δεδομένα, γεγονός που σημαίνει ότι δεν περιορίζεται όπως οι συμβατικές μεθόδους.

Ο Atsushi Kamimura είναι ο πρώτος συγγραφέας της ερευνητικής εργασίας.

«Στη βιολογία, τα απλά μοντέλα χρησιμοποιούνται συχνά με βάση την ικανότητά τους να αναπαράγουν τα μετρημένα δεδομένα», λέει ο Kamimura. «Ωστόσο, τα μοντέλα μπορεί να αποτύχουν να καταγράψουν τι συμβαίνει πραγματικά λόγω των ανθρώπινων προκαταλήψεων».

Η Συλλογή των Δεδομένων

Η μελέτη βασίστηκε σε δεδομένα που συλλέχθηκαν από ένα βακτήριο Escherichia coli ή ένα κύτταρο ζύμης Schizosaccharomyces pombe, το οποίο κρατήθηκε σε ένα μικροϋγρό κανάλι με διαφορετικές θερμοκρασίες.

Βρέθηκε ότι το μέγεθος του πλέγματος εμφανίστηκε ως «δοντάκι» καθώς η εκθετική αύξηση διακόπηκε από γεγονότα διαίρεσης. Παραδοσιακά, οι ανθρώπινοι βιολόγοι βασίζονται σε ένα «μοντέλο μεγέθους» που βασίζεται στο απόλυτο μέγεθος του κυττάρου ή ένα «μοντέλο προσθήκης» που βασίζεται στην αύξηση του μεγέθους από τη γέννηση. Χρησιμοποιούν αυτά τα μοντέλα για να προβλέψουν πότε θα συμβούν διαιρέσεις.

Ενώ το πρόγραμμα υπολογιστή απέδειξε ότι η αρχή «προσθήκης» είναι αποτελεσματική, βρήκε ότι είναι μέρος ενός μεγαλύτερου και πιο σύνθετου συστήματος βιοχημικών αντιδράσεων και σηματοδοσίας.

Ο Tetsuya Kobayashi είναι ο senior συγγραφέας του εγγράφου.

«Το δίκτυό μας βαθιάς μάθησης μπορεί να διαχωρίσει αποτελεσματικά τους παράγοντες που εξαρτώνται από την ιστορία από το θόρυβο στα δεδομένα», λέει ο Kobayashi.

Η ομάδα λέει ότι αυτή η μέθοδος θα μπορούσε να χρησιμοποιηθεί σε άλλους τομείς της βιολογίας, όχι μόνο για την πρόβλεψη του μεγέθους των κυττάρων. Η βιοεπιστήμη θα βασίζεται ολοένα και περισσότερο στην τεχνητή νοημοσύνη αντί για τα ανθρώπινα μοντέλα, και η τεχνητή νοημοσύνη θα μπορεί να ανακαλύψει νέους και αποτελεσματικούς τρόπους για τον έλεγχο των μικροοργανισμών, γεγονός που θα έχει μεγάλη επίδραση στον τρόπο με τον οποίο ζυμώνουμε προϊόντα και παράγουμε φάρμακα.