Raziskovalci uporabljajo AI za globlji vpogled v celično rast 

Skupina znanstvenikov na Inštitutu za industrijske znanosti Univerze v Tokiu je zasnovala nov algoritem strojnega učenja, ki je sposoben predvideti velikost posamezne celice, medtem ko ta raste in se deli. 

Umetna nevronska mreža ekipe omogoča računalniku natančnejše napovedi v primerjavi z metodami, ki se opirajo izključno na običajne predpostavke v biologiji. Po mnenju ekipe bi lahko novi dogodki pripomogli k napredku na področju kvantitativne biologije in izboljšali industrijsko proizvodnjo zdravil. 

Področje biologije

Področje biologije, tako kot vse naravoslovne vede, temelji na matematičnih modelih, ki na podlagi podatkov napovedujejo prihodnost. Ker so živi sistemi in biološke oblike življenja izjemno zapleteni, tem enačbam ni mogoče vedno popolnoma zaupati. Pogosto se zanašajo na poenostavljene predpostavke, ki ne odražajo nujno resničnih bioloških procesov. 

Zaradi tega se je skupina raziskovalcev obrnila na nov algoritem strojnega učenja, ki lahko uporabi izmerjeno velikost posameznih celic v daljšem časovnem obdobju, da napove njihovo prihodnjo velikost. Ena glavnih prednosti računalniškega sistema je, da samodejno prepozna vzorce v podatkih, kar pomeni, da ni omejen kot druge običajne metode.

Atsushi Kamimura je prvi avtor knjige raziskovalna naloga. 

"V biologiji se pogosto uporabljajo preprosti modeli, ki temeljijo na njihovi zmožnosti reprodukcije izmerjenih podatkov," pravi Kamimura. "Vendar pa modeli morda ne bodo uspeli zajeti, kaj se v resnici dogaja zaradi človeških predsodkov."

Zbiranje podatkov

Študija je temeljila na podatkih, zbranih iz bakterije Escherichia coli ali celice kvasovke Schizosaccha-romyces pombe, ki je bila v mikrofluidnem kanalu z različnimi temperaturami. 

Ugotovilo je, da je velikost ploskve videti kot "zob žage", saj so eksponentno rast prekinili dogodki delitve. Tradicionalno se človeški biologi zanašajo na model »velikosti«, ki temelji na absolutni velikosti celice, ali model »seštevalnika«, ki temelji na povečanju velikosti od rojstva. Te modele uporabljajo za napovedovanje, kdaj bo prišlo do delitev.

Medtem ko je računalniški program pokazal, da je princip "seštevalnika" učinkovit, je ugotovil, da je del večjega in bolj zapletenega sistema biokemičnih reakcij in signaliziranja. 

Tetsuya Kobayashi je višji avtor prispevka.

»Naša nevronska mreža za globoko učenje lahko učinkovito loči od zgodovine odvisne deterministične dejavnike od šuma v danih podatkih,« pravi Kobayashi.

Ekipa pravi, da bi to metodo lahko uporabili na drugih področjih biologije, ne le za napovedovanje velikosti celic. Znanost o življenju se bo vedno bolj zanašala na umetno inteligenco namesto na človeške modele, umetna inteligenca pa bo lahko odkrila nove in učinkovite načine za nadzor mikroorganizmov, kar bo imelo velik vpliv na to, kako fermentiramo izdelke in proizvajamo zdravila.