शोधकर्ता कोशिका वृद्धि में गहरी अंतर्दृष्टि प्राप्त करने के लिए एआई का उपयोग करते हैं

टोक्यो विश्वविद्यालय के औद्योगिक विज्ञान संस्थान में वैज्ञानिकों की एक टीम ने एक नए मशीन लर्निंग एल्गोरिदम को डिज़ाइन किया है जो एक व्यक्तिगत कोशिका के आकार की भविष्यवाणी करने में सक्षम है जब यह बढ़ता और विभाजित होता है।

टीम के कृत्रिम तंत्रिका नेटवर्क के साथ एक कंप्यूटर अधिक सटीक पूर्वानुमान बना सकता है, जो केवल जीव विज्ञान में सामान्य धारणाओं पर निर्भर करता है। टीम के अनुसार, नए विकास क्वांटिटेटिव जीव विज्ञान के क्षेत्र में प्रगति कर सकते हैं और औद्योगिक उत्पादन में सुधार कर सकते हैं।

जीव विज्ञान का क्षेत्र

जीव विज्ञान का क्षेत्र, जैसे कि सभी प्राकृतिक विज्ञान, गणितीय मॉडलों पर निर्भर करता है जो भविष्यवाणी करते हैं कि डेटा के आधार पर भविष्य में क्या होगा। जीवित प्रणालियों और जैविक जीवन रूपों की जटिलता के कारण, इन समीकरणों पर पूरी तरह से भरोसा नहीं किया जा सकता है। वे अक्सर सरलीकरण धारणाओं पर निर्भर करते हैं, जो वास्तविक जैविक प्रक्रियाओं को प्रतिबिंबित नहीं करते हैं।

इसलिए, शोधकर्ताओं की टीम ने नए मशीन लर्निंग एल्गोरिदम की ओर रुख किया, जो समय के साथ एकल कोशिकाओं के मापा गये आकार का उपयोग करके उनके भविष्य के आकार की भविष्यवाणी कर सकता है। कंप्यूटर प्रणाली का एक प्रमुख लाभ यह है कि यह स्वचालित रूप से डेटा में पैटर्न को पहचान सकता है, जिसका अर्थ है कि यह अन्य पारंपरिक विधियों की तरह सीमित नहीं है।

अत्सुशी कामिमुरा शोध पत्र के प्रथम लेखक हैं।

“जीव विज्ञान में, सरल मॉडल अक्सर उनकी क्षमता के आधार पर उपयोग किए जाते हैं जो मापा गये डेटा को पुनः उत्पन्न कर सकते हैं,” कामिमुरा कहते हैं। “हालांकि, मॉडल वास्तव में क्या हो रहा है इसको पकड़ने में विफल हो सकते हैं क्योंकि मानव पूर्वाग्रहों के कारण।”

डेटा संग्रह

अध्ययन में डेटा का उपयोग किया गया था जो या तो एक एस्चेरिचिया कोलाई बैक्टीरिया से या एक शिज़ोसैक्रोमाइसेस पोम्बे खमीर कोशिका से एकत्र किया गया था, जो विभिन्न तापमानों के साथ एक माइक्रोफ्लूइडिक चैनल में रखा गया था।

उन्होंने पाया कि प्लॉट आकार एक “सॉथ” की तरह दिखाई दिया क्योंकि असीमित वृद्धि विभाजन घटनाओं से बाधित हुई थी। पारंपरिक रूप से, मानव जीवविज्ञानी एक “साइज़र” मॉडल पर निर्भर करते हैं, जो कोशिका के निरपेक्ष आकार पर आधारित होता है, या एक “एडडर” मॉडल, जो जन्म के बाद आकार में वृद्धि पर आधारित होता है। वे इन मॉडलों का उपयोग विभाजन की घटनाओं की भविष्यवाणी करने के लिए करते हैं।

कंप्यूटर प्रोग्राम ने दिखाया कि “एडडर” सिद्धांत प्रभावी है, लेकिन यह एक बड़े और अधिक जटिल जैव रासायनिक प्रतिक्रियाओं और संकेतों की प्रणाली का हिस्सा है।

टेट्सुया कोबायाशी पत्र के वरिष्ठ लेखक हैं।

“हमारा डीप-लर्निंग न्यूरल नेटवर्क दिए गए डेटा में शोर से इतिहास-निर्भर निर्धारक कारकों को प्रभावी ढंग से अलग कर सकता है,” कोबायाशी कहते हैं।

टीम का कहना है कि यह विधि जीव विज्ञान के अन्य क्षेत्रों में भी उपयोग की जा सकती है, न कि केवल कोशिका आकार की भविष्यवाणी के लिए। जीवन विज्ञान मानव मॉडलों के बजाय कृत्रिम बुद्धिमत्ता पर अधिक निर्भर करेगा, और एआई जीवाणुओं को नियंत्रित करने के नए और कुशल तरीके खोज सकता है, जिसका हमारे उत्पादों को खमीरने और दवाओं का उत्पादन करने के तरीके पर बड़ा प्रभाव पड़ेगा।