생물 의학 엔지니어는 기계 학습을 생물학적 회로에 적용합니다.

듀크 대학교의 생의학 엔지니어 공학 박테리아의 복잡한 변수 간에 발생하는 상호 작용을 모델링하기 위해 기계 학습을 사용하는 방법을 알아냈습니다. 전통적으로 이러한 유형의 모델링은 완료하기가 어려웠지만 이러한 새로운 알고리즘은 다양한 유형의 생물학적 시스템 내에서 사용될 수 있습니다.   

새로운 연구가 저널에 게재되었습니다. 자연 통신 9월 25 있습니다. 

생의학 연구원들은 박테리아 배양에 내장된 생물학적 회로를 살펴보고 원형 패턴을 예측할 수 있었습니다. 이 새로운 모델링 방식은 기존 방식보다 훨씬 빨랐습니다. 구체적으로 말하면 현재 계산 모델보다 30,000배 더 빠릅니다. 

더 정확하기 위해 연구원들은 기계 학습 모델을 여러 번 재교육했습니다. 그들은 답변을 비교하고 두 번째 생물학적 시스템에서 사용했습니다. 두 번째 시스템은 계산적으로 첫 번째 시스템과 다르기 때문에 알고리즘이 한 세트의 문제로 제한되지 않았습니다. 

Lingchong You는 Duke의 생체 공학 교수입니다. 

"이 작업은 신경망이 바둑 보드 게임에서 인간을 이기는 법을 배울 수 있음을 보여주는 Google에서 영감을 받았습니다." 그녀가 말했다. 

You는 "게임에는 간단한 규칙이 있지만 컴퓨터가 최적의 다음 옵션을 결정론적으로 계산할 가능성이 너무 많습니다."라고 말했습니다. "나는 그러한 접근 방식이 우리가 직면한 생물학적 복잡성의 특정 측면에 대처하는 데 유용할 수 있는지 궁금했습니다."

이 연구는 성장 속도, 확산, 단백질 분해 및 세포 이동을 포함한 13가지 다른 박테리아 변수를 사용했습니다. 한 대의 컴퓨터는 매개변수당 600개의 값을 계산하는 데 최소 XNUMX년이 필요하지만 새로운 기계 학습 시스템은 몇 시간 안에 완료할 수 있습니다. 

"우리가 사용하는 모델은 정확하기 위해 충분히 작은 속도로 시간의 중간 단계를 고려해야 하기 때문에 느립니다."라고 Lingchong You는 말했습니다. “하지만 우리는 항상 중간 단계에 신경을 쓰지 않습니다. 우리는 특정 응용 프로그램에 대한 최종 결과를 원합니다. 최종 결과가 흥미롭다면 중간 단계를 알아낼 수 있습니다.”

박사후 연구원 Shangying Wang은 원래 모델보다 훨씬 빠르게 예측할 수 있는 심층 신경망을 사용했습니다. 네트워크는 모델 변수를 입력으로 사용하고 임의의 가중치와 편향을 할당합니다. 그런 다음 박테리아 콜로니가 따를 패턴에 대해 예측합니다. 

첫 번째 결과는 정확하지 않지만 네트워크는 새로운 학습 데이터가 제공될 때 가중치와 편향을 약간 변경합니다. 훈련 데이터가 충분하면 예측이 더 정확해지고 그대로 유지됩니다. 

훈련된 네 가지 신경망이 있었고 그 답을 비교했습니다. 연구자들은 신경망이 유사한 예측을 할 때마다 정답에 근접했다는 사실을 발견했습니다. 

"우리는 더 느린 표준 계산 모델을 사용하여 각 답변을 검증할 필요가 없다는 것을 발견했습니다."라고 You가 말했습니다. "우리는 본질적으로 '군중의 지혜'를 대신 사용했습니다."

기계 학습 모델이 충분히 훈련된 후, 생물 의학 연구자들은 그것을 생물학적 회로에서 사용했습니다. 신경망 훈련에 사용된 100,000개의 데이터 시뮬레이션이 있었습니다. 그 중 하나만이 세 개의 고리가 있는 박테리아 콜로니를 생성했지만 중요한 특정 변수를 식별할 수 있었습니다. 

"신경망은 다른 방법으로는 발견할 수 없었던 변수 간의 패턴과 상호 작용을 찾을 수 있었습니다."라고 Wang은 말했습니다.

연구를 마무리하기 위해 연구원들은 무작위로 작동하는 생물학적 시스템에서 테스트했습니다. 전통적으로 그들은 가장 가능성 있는 결과를 식별할 때까지 특정 매개변수를 여러 번 반복하는 컴퓨터 모델을 사용해야 합니다. 새로운 시스템도 이 일을 할 수 있었고, 다양하고 복잡한 생물학적 시스템에 적용될 수 있음을 보여주었다. 

생물 의학 연구자들은 이제 더 복잡한 생물학적 시스템으로 전환했으며 훨씬 더 효율적이 되도록 알고리즘을 개발하기 위해 노력하고 있습니다. 

"우리는 100,000개의 데이터 세트로 신경망을 훈련시켰지만, 그것은 과잉이었을 수 있습니다."라고 Wang은 말했습니다. "우리는 신경망이 실시간으로 시뮬레이션과 상호 작용하여 작업 속도를 높일 수 있는 알고리즘을 개발하고 있습니다."

"우리의 첫 번째 목표는 비교적 간단한 시스템이었습니다."라고 You는 말했습니다. "이제 우리는 이러한 신경망 시스템을 개선하여 보다 복잡한 생물학적 회로의 기본 역학에 대한 창을 제공하고자 합니다."