Naukowcy wykorzystują sztuczną inteligencję, aby uzyskać głębszą wiedzę na temat wzrostu komórek

Zespół naukowców z Instytutu Nauk Przemysłowych Uniwersytetu Tokijskiego opracował nowy algorytm uczenia maszynowego, który jest w stanie przewidzieć rozmiar pojedynczej komórki podczas jej wzrostu i podziału.

Sztuczna sieć neuronalna zespołu umożliwia komputerowi dokonywanie bardziej dokładnych prognoz w porównaniu z metodami, które opierają się wyłącznie na powszechnych założeniach w biologii. Zgodnie z oświadczeniem zespołu, nowe osiągnięcia mogą pomóc w rozwoju pola biologii ilościowej i poprawie przemysłowej produkcji leków.

Dziedzina biologii

Dziedzina biologii, podobnie jak wszystkie nauki przyrodnicze, opiera się na modelach matematycznych, które dokonują prognoz na podstawie danych. Ponieważ żywe systemy i biologiczne organizmy są niezwykle złożone, równania te nie zawsze mogą być całkowicie zaufane. Często opierają się na uproszczonych założeniach, które niekoniecznie odzwierciedlają prawdziwe procesy biologiczne.

Z tego powodu zespół badaczy zwrócił się ku nowemu algorytmowi uczenia maszynowego, który może wykorzystywać zmierzone rozmiary pojedynczych komórek w czasie, aby przewidzieć ich przyszły rozmiar. Jednym z największych zalet systemu komputerowego jest to, że automatycznie rozpoznaje wzorce w danych, co oznacza, że nie jest ograniczony jak inne konwencjonalne metody.

Atsushi Kamimura jest pierwszym autorem artykułu badawczego.

“W biologii często używa się prostych modeli opartych na ich zdolności do odtworzenia zmierzonego danych”, mówi Kamimura. “Jednak modele te mogą zawieść, ponieważ nie są w stanie uchwycić tego, co naprawdę się dzieje, z powodu ludzkich uprzedzeń”.

Zbieranie danych

Badanie opierało się na danych zebranych z bakterii Escherichia coli lub komórki drożdży Schizosaccharomyces pombe, które były utrzymywane w mikrofluidycznym kanałem o różnych temperaturach.

Okazało się, że rozmiar wykresu wyglądał jak “piła” podczas gdy wykładniczy wzrost był przerywany przez zdarzenia podziału. Tradycyjnie, biolodzy ludzcy opierają się na “sizer” modelu, który opiera się na absolutnym rozmiarze komórki, lub “adder” modelu, który opiera się na wzroście rozmiaru od urodzenia. Używają tych modeli do przewidywania, kiedy wystąpią podziały.

Podczas gdy program komputerowy wykazał, że zasada “adder” jest skuteczna, okazało się, że jest częścią większego i bardziej złożonego systemu biochemicznych reakcji i sygnałów.

Tetsuya Kobayashi jest seniorem autorem artykułu.

“Nasza sieć neuronowa głębokiego uczenia może skutecznie oddzielić czynniki deterministyczne zależne od historii od szumu w danych”, mówi Kobayashi.

Zespół twierdzi, że ta metoda może być wykorzystana w innych dziedzinach biologii, a nie tylko do przewidywania rozmiaru komórek. Nauka o życiu będzie coraz bardziej opierać się na sztucznej inteligencji zamiast na ludzkich modelach, a sztuczna inteligencja będzie w stanie odkryć nowe i wydajne sposoby kontrolowania mikroorganizmów, co będzie miało duży wpływ na to, jak fermentujemy produkty i wytwarzamy leki.