Onderzoekers gebruiken AI om dieper inzicht te krijgen in celgroei

Een team van wetenschappers aan het University of Tokyo Institute of Industrial Science heeft een nieuwe machine learning-algoritme ontwikkeld dat in staat is om de grootte van een individuele cel te voorspellen terwijl deze groeit en zich deelt.

Het team van kunstmatige neurale netwerken stelt een computer in staat om nauwkeurigere voorspellingen te doen dan methoden die alleen vertrouwen op de gebruikelijke aannamen in de biologie. Volgens het team kunnen de nieuwe ontwikkelingen helpen om het veld van kwantitatieve biologie te verbeteren en de industriële productie van medicijnen te verbeteren.

Het veld van de biologie

Het veld van de biologie, net als alle natuurwetenschappen, vertrouwt op wiskundige modellen die voorspellingen doen over de toekomst op basis van gegevens. Omdat levende systemen en biologische levensvormen extreem complex zijn, kunnen deze vergelijkingen niet altijd volledig worden vertrouwd. Ze vertrouwen vaak op vereenvoudigende aannamen, die de werkelijke biologische processen niet noodzakelijkerwijs weerspiegelen.

Daarom is het team van onderzoekers overgestapt op het nieuwe machine learning-algoritme, dat de gemeten grootte van enkele cellen over tijd kan gebruiken om hun toekomstige grootte te voorspellen. Een van de belangrijkste voordelen van het computersysteem is dat het automatisch patronen in de gegevens herkent, wat betekent dat het niet beperkt is zoals andere conventionele methoden.

Atsushi Kamimura is de eerste auteur van het onderzoeksrapport.

“In de biologie worden vaak eenvoudige modellen gebruikt op basis van hun vermogen om de gemeten gegevens te reproduceren,” zegt Kamimura. “Echter, de modellen kunnen falen om te vangen wat er echt gebeurt vanwege menselijke vooroordelen.”

Het verzamelen van gegevens

De studie vertrouwde op gegevens die waren verzameld van een Escherichia coli-bacterium of een Schizosaccharomyces pombe- gistcel, die werd gehouden in een microfluïdische kanaal met variabele temperaturen.

Het bleek dat de plotgrootte leek op een “zaagvorm” omdat de exponentiële groei werd onderbroken door delingsgebeurtenissen. Traditioneel vertrouwen menselijke biologen op een “sizer”-model, dat is gebaseerd op de absolute grootte van de cel, of een “adder”-model, dat is gebaseerd op de toename in grootte sinds de geboorte. Ze gebruiken deze modellen om te voorspellen wanneer delingen zullen optreden.

Terwijl het computerprogramma aantoonde dat het “adder”-principe effectief is, vond het dat het deel uitmaakt van een groter en complexer systeem van biochemische reacties en signalering.

Tetsuya Kobayashi is de senior auteur van het rapport.

“Ons diepe neurale netwerk kan effectief de geschiedenis-afhankelijke deterministische factoren scheiden van de ruis in de gegeven gegevens,” zegt Kobayashi.

Het team zegt dat deze methode kan worden gebruikt in andere gebieden van de biologie, niet alleen voor het voorspellen van celgrootte. Levenswetenschappen zullen steeds meer vertrouwen op kunstmatige intelligentie in plaats van menselijke modellen, en AI zal in staat zijn om nieuwe en efficiënte manieren te ontdekken om micro-organismen te controleren, wat een grote impact zal hebben op hoe we producten fermenteren en medicijnen produceren.