研究者がAIを使用して細胞成長に関する深い洞察を得る

東京大学大学院工学系研究科の科学者チームは、個々の細胞が成長して分裂する際のサイズを予測できる新しい機械学習アルゴリズムを設計しました。

チームの人工ニューラルネットワークは、コンピューターが生物学における一般的な仮定のみに頼る方法よりも正確な予測を行うことを可能にします。チームによると、新しい開発は、量的生物学の分野を進歩させ、医薬品の産業生産を改善するのに役立つ可能性があります。

生物学の分野

生物学の分野は、他の自然科学と同様に、データに基づいて将来を予測する数学モデルに依存しています。生物システムと生物プロセスは非常に複雑であるため、これらの方程式は常に完全に信頼できるわけではありません。簡略化された仮定に頼ることが多く、必ずしも真の生物プロセスを反映しているわけではありません。

そのため、研究者チームは、単細胞の測定サイズを使用して将来のサイズを予測できる新しい機械学習アルゴリズムに着手しました。コンピューターシステムの主な利点は、データ内のパターンを自動的に認識できることです。つまり、他の従来の方法とは制限されません。

Atsushi Kamimuraは、研究論文の第一著者です。

「生物学では、単純なモデルが測定データを再現する能力に基づいてよく使用されます」とKamimuraは述べています。 「しかし、これらのモデルは、人間の先入観のため、実際のプロセスを捉えられない可能性があります」

データの収集

この研究は、大腸菌またはSchizosaccharomyces pombe酵母細胞のデータを使用しました。これらの細胞は、温度が変化するマイクロ流体チャンネルに保持されました。

研究では、細胞のサイズが「のこぎり歯型」のプロットとして現れたことがわかりました。指数関数的成長は分裂イベントによって中断されました。伝統的に、人間の生物学者は、細胞の絶対的なサイズに基づく「sizer」モデルまたは、出生以降のサイズの増加に基づく「adder」モデルを使用して、分裂が発生するタイミングを予測します。

コンピュータープログラムは、「adder」原理が有効であることを示しましたが、それはより大きな生物化学反応とシグナル伝達のシステムの一部であることも示しました。

Tetsuya Kobayashiは、論文のsenior著者です。

「私たちのディープラーニングニューラルネットワークは、与えられたデータの歴史依存的な決定要因とノイズを効果的に分離できます」とKobayashiは述べています。

チームによると、この方法は、細胞サイズの予測にのみ使用されるのではなく、生物学の他の分野でも使用できる可能性があります。生命科学は、人間のモデルよりも人工知能に依存するようになるでしょう。人工知能は、微生物を制御する新しい効率的な方法を発見し、発酵製品の製造や医薬品の生産に大きな影響を与えるでしょう。