연구자들이 세포 성장에 대한 더 깊은 통찰력을 얻기 위해 AI를 사용하다

도쿄 공업 대학의 과학자 팀은 개별 세포의 크기를 예측할 수 있는 새로운 기계 학습 알고리즘을 설계했습니다. 이 알고리즘은 세포가 성장하고 분열하는 동안.

팀의 인공 신경망은 컴퓨터가 생물학의 일반적인 가정에만 의존하는 방법보다 더 정확한 예측을 할 수 있도록 합니다. 팀에 따르면, 새로운 개발은 정량적 생물학 분야를 발전시키고 의약품의 산업 생산을 개선하는 데 도움이 될 수 있습니다.

생물학 분야

생물학 분야는 다른 자연 과학 분야와 마찬가지로 데이터에 기반한 예측을 하는 수학적 모델에 의존합니다. 그러나 생명 시스템과 생물학적 생명체는 매우 복잡하여, 이러한 방정식은 항상 신뢰할 수 없습니다.它们은 간단화된 가정에 의존하는 경우가 많으며, 이러한 가정은 실제 생물학적 과정과 반드시 일치하지 않을 수 있습니다.

이 때문에 연구 팀은 새로운 기계 학습 알고리즘을 사용하여 개별 세포의 크기를 측정하여 미래의 크기를 예측할 수 있습니다. 컴퓨터 시스템의 주요 이점은 데이터에서 패턴을 자동으로 인식할 수 있으며, 이는 다른 전통적인 방법과 달리 제한이 없다는 것입니다.

아쓰시 카미무라(Atsushi Kamimura)는 연구 논문의 첫 번째 저자입니다.

카미무라는 “생물학에서 간단한 모델이 측정된 데이터를 재현하는 능력에 따라 종종 사용됩니다. 그러나 이러한 모델은 실제로 발생하는 것을 포착하지 못할 수 있습니다. 이는 인간의先入観(선입견) 때문입니다.”

데이터 수집

이 연구는 대장균 박테리아 또는 효모 세포를 미세 유체 채널에 넣고 온도를 변화시키면서 수집된 데이터에 의존했습니다.

그 결과, 세포의 크기는 “톱니 모양”으로 나타났으며, 이는 지수적 성장이 분열 이벤트로 중단되는 것을 의미합니다. 전통적으로, 인간 생물학자들은 세포의 절대적인 크기에 기반한 “사이저(sizer)” 모델 또는 세포의 크기 증가에 기반한 “아더(adder)” 모델을 사용하여 분열이 발생할 때를 예측합니다.

컴퓨터 프로그램은 “아더” 원리가 효과적임을 보여주었지만, 이는 더 큰 생화학적 반응과 신호 전달의 복잡한 시스템의 일부임을 발견했습니다.

테츠야 코바야시(Tetsuya Kobayashi)는 논문의 선임 저자입니다.

코바야시는 “우리의 딥 러닝 신경망은 주어진 데이터에서 역사적 결정 요인과 노이즈를 효과적으로 분리할 수 있습니다.”

연구 팀은 이 방법이 세포 크기 예측에만 사용되지 않을 수 있으며, 생물학의 다른 분야에서도 사용될 수 있다고 말합니다. 생명 과학은 점점 더 인공 지능에 의존하게 될 것이며, 인공 지능은 미생물을 제어하고 효율적인 방법을 발견하는 데 도움이 될 것입니다. 이는 발효 제품과 약물의 생산에 큰 영향을 미칠 것입니다.