AI 101

生物医学工学者が生体回路に機械学習を適用

更新中 on 2019 年 10 月 18 日

デューク大学の生物医学エンジニア彼らは、人工細菌の複雑な変数間で起こる相互作用をモデル化するために機械学習を使用する方法を発見しました。従来、このタイプのモデリングを完了するのは非常に困難でしたが、これらの新しいアルゴリズムは、複数の異なるタイプの生物学的システム内で使用できます。

新しい研究がジャーナルに掲載されました ネイチャー·コミュニケーションズ 9月25に。

生物医学研究者たちは、細菌培養物に埋め込まれた生物学的回路を調べ、円形パターンを予測することができました。この新しいモデリング方法は、従来の方法よりも非常に高速でした。具体的には、現在の計算モデルよりも 30,000 倍高速でした。

より正確にするために、研究者らは機械学習モデルを複数回再トレーニングしました。彼らは答えを比較し、それを第 XNUMX の生物学的システムに使用しました。 XNUMX 番目のシステムは最初のシステムとは計算的に異なっていたため、アルゴリズムは XNUMX つのセットの問題に限定されませんでした。

Lingchong You はデューク大学の生体医工学教授です。

「この研究は、ニューラルネットワークがボードゲームの囲碁で人間に勝つ方法を学習できることを示した Google からインスピレーションを受けました。」彼女は言いました。

「ゲームのルールは単純ですが、コンピューターが次の最適な選択肢を決定論的に計算するには可能性が多すぎます」と You 氏は言いました。「このようなアプローチが、私たちが直面している生物学的複雑さの特定の側面に対処するのに役立つのではないかと思いました。」

この研究では、増殖速度、拡散速度、タンパク質分解速度、細胞運動などの 13 種類の細菌変数を使用しました。 600 台のコンピューターでパラメーターごとに XNUMX つの値を計算するには少なくとも XNUMX 年かかりますが、新しい機械学習システムは数時間でそれを完了できます。

「私たちが使用するモデルは、精度を高めるために十分小さいレートで中間ステップを考慮する必要があるため、時間がかかります」と Lingchong You 氏は述べています。「しかし、私たちは中間ステップを常に気にしているわけではありません。特定のアプリケーションの最終結果が必要なだけです。そして、最終結果が興味深いと思えば、中間ステップを理解することができます。」

博士研究員の Shanying Wang 氏は、元のモデルよりもはるかに高速に予測できるディープニューラルネットワークを使用しました。ネットワークはモデル変数を入力として使用し、ランダムな重みとバイアスを割り当てます。次に、細菌コロニーがたどるパターンを予測します。

最初の結果は正しくありませんが、ネットワークは新しいトレーニングデータが与えられると重みとバイアスをわずかに変更します。十分なトレーニングデータがあれば、予測はより正確になり、その状態が維持されます。

XNUMX つの異なるニューラルネットワークがトレーニングされ、その答えが比較されました。研究者らは、ニューラルネットワークが同様の予測を行うたびに、正解に近づいていることを発見しました。

「低速の標準計算モデルを使用して各答えを検証する必要がないことがわかりました」と You 氏は言います。「私たちは基本的に『群衆の知恵』を代わりに利用しました。」

機械学習モデルが十分にトレーニングされた後、生物医学研究者はそれを生物学的回路で使用しました。ニューラルネットワークのトレーニングには 100,000 件のデータシミュレーションが使用されました。これらすべてのうち、XNUMX つのリングを持つ細菌コロニーを生成したのは XNUMX つだけでしたが、重要な特定の変数を特定することもできました。

「ニューラルネットは、他の方法では発見できなかった変数間のパターンと相互作用を見つけることができました」とワン氏は述べています。

研究を締めくくるために、研究者らはランダムに動作する生物学的システムで実験を行った。従来は、最も可能性の高い結果が特定されるまで、特定のパラメーターを複数回繰り返すコンピューターモデルを使用する必要がありました。新しいシステムでもこれが可能であり、さまざまな複雑な生物学的システムに適用できることが示されました。

生物医学研究者は現在、より複雑な生物学的システムに目を向けており、さらに効率的なアルゴリズムの開発に取り組んでいます。

「私たちは 100,000 のデータセットを使ってニューラルネットワークをトレーニングしましたが、それはやりすぎだったかもしれません」と Wang 氏は言います。「私たちは、ニューラルネットワークがリアルタイムでシミュレーションと対話して処理を高速化できるアルゴリズムを開発中です。」

「私たちの最初の目標は、比較的シンプルなシステムでした」と You 氏は言います。「現在、私たちはこれらのニューラルネットワークシステムを改良して、より複雑な生体回路の根底にある力学への窓を提供したいと考えています。」