생체 의학 엔지니어가 생물 회로에 기계 학습 적용

듀크 대학교의 생체 의학 엔지니어들은 복잡한 변수가 상호 작용하는 방식을 모델링하는 새로운 방법을 개발했습니다. 이는 기존의 모델링 방법으로는 어려웠던 작업이지만, 새로운 알고리즘을 사용하면 다양한 생물학적 시스템에서 사용할 수 있습니다.

새로운 연구는 9월 25일 네이처 커뮤니케이션즈에 발표되었습니다.

생체 의학 연구자들은 박테리아 배양에 내장된 생물학적 회로를 조사하고, 원형 패턴을 예측할 수 있었습니다. 이는 기존의 모델링 방법보다 훨씬 빠른 속도로 진행되었습니다. 특히, 현재의 계산 모델보다 30,000 배 빠른 속도로 진행되었습니다.

보다 정확한 결과를 얻기 위해, 연구자들은 기계 학습 모델을 여러 번 재학습시켰습니다. 그들은 결과를 비교하고, 두 번째 생물학적 시스템에 적용했습니다. 두 번째 시스템은 첫 번째 시스템과 계산적으로 다르므로, 알고리즘이 한 가지 문제에만 제한되지 않았습니다.

링청 유(Lingchong You)는 듀크 대학교의 생체 의학 엔지니어링 교수입니다.

“이 연구는 구글이 신경망을 사용하여 고 게임에서 인간을 이길 수 있다는 것을 보여준 것에서 영감을 받았습니다.”라고 유는 말했다.

“게임은 간단한 규칙을 가지고 있지만, 컴퓨터가 다음 최선의 선택을 결정적으로 계산하는 데에는 너무 많은 가능성이 있습니다.” 유는 말했다. “나는 이러한 접근 방식이 생물학적 복잡성의 특정 측면에 대처하는 데에 유용할 수 있을까 하는 생각을 했습니다.”

이 연구에서는 13개의 서로 다른 박테리아 변수를 사용했습니다. 이는 성장률, 확산, 단백질 분해, 세포 이동 등이 포함됩니다. 단일 컴퓨터는 매개 변수당 6개의 값을 계산하기 위해至少 600년이 걸릴 것입니다. 그러나 새로운 기계 학습 시스템은 이를 몇 시간 내에 완료할 수 있습니다.

“우리가 사용하는 모델은 느리기 때문에, 작은 속도로 중간 단계를 고려해야 합니다.” 유는 말했다. “그러나 우리는 항상 중간 단계에 대해 관심을 두지 않습니다. 우리는 특정 응용 프로그램에 대한 최종 결과만을 원합니다. 그리고 우리는 관심 있는 최종 결과를 찾으면, 중간 단계를 다시 계산할 수 있습니다.”

박사 후 연구원 상잉 왕(Shangying Wang)은 예측을 훨씬 빠르게 할 수 있는 깊은 신경망을 사용했습니다. 네트워크는 모델 변수를 입력으로 사용하고, 무작위로 가중치와 편향을 할당합니다. 그런 다음, 박테리아 군집이 따를 패턴에 대한 예측을 합니다.

첫 번째 결과는 정확하지 않지만, 네트워크는 새로운 훈련 데이터를 받을 때마다 가중치와 편향을 약간 변경합니다. 충분한 훈련 데이터가 있으면, 예측은 더 정확해지고, 그대로 유지됩니다.

네 개의 서로 다른 신경망이 훈련되었고, 결과가 비교되었습니다. 연구자들은 신경망이 유사한 예측을 할 때, 그것이 올바른答案에 가까웠다는 것을 발견했습니다.

“우리는 각 답변을 더 느린 표준 계산 모델로 검증할 필요가 없었습니다.” 유는 말했다. “우리는 대신 ‘众의 지혜’를 사용했습니다.”

기계 학습 모델이 충분히 훈련되면, 생체 의학 연구자들은 이를 생물학적 회로에 적용했습니다. 100,000개의 데이터 시뮬레이션을 사용하여 신경망을 훈련했습니다. 그 중 하나만이 세 개의 링이 있는 박테리아 군집을 생성했지만, 중요한 변수를 식별할 수 있었습니다.

“신경망은 변수 사이의 패턴과 상호 작용을 찾을 수 있었습니다. 이는 다른 방법으로는 불가능했을 것입니다.” 왕은 말했다.

연구를 마무리하기 위해, 연구자들은 임의로 작동하는 생물학적 시스템에 이를 테스트했습니다. 전통적으로, 컴퓨터 모델은 특정 매개 변수를 여러 번 반복하여 가장 가능성 있는 결과를 찾습니다. 새로운 시스템도 이를 수행할 수 있었으며, 다양한 복잡한 생물학적 시스템에 적용될 수 있음을 보여주었습니다.

생체 의학 연구자들은現在 더 복잡한 생물학적 시스템으로 이동하고, 알고리즘을 더욱 효율적으로 개발 중입니다.

“우리는 100,000개의 데이터 세트로 신경망을 훈련했지만, 그것은 과도한 일 수 있습니다.” 왕은 말했다. “우리는 시뮬레이션과 실시간으로 상호 작용할 수 있는 신경망 알고리즘을 개발 중입니다. 이를 통해 속도를 높일 수 있을 것입니다.”

“우리의 첫 번째 목표는 비교적 간단한 시스템이었습니다.” 유는 말했다. “이제 우리는 더 복잡한 생물학적 회로의 기본 역학을 이해하기 위한 창을 제공하는 신경망 시스템을 개선하고자 합니다.”