Forskare använder AI för att få djupare insikt i celltillväxt

Ett team av forskare vid University of Tokyos institut för industriell vetenskap har utvecklat en ny maskinläringsalgoritm som kan förutsäga storleken på en enskild cell medan den växer och delar sig.

Teamets artificiella neuronnätverk möjliggör för en dator att göra mer exakta förutsägelser jämfört med metoder som enbart förlitar sig på vanliga antaganden inom biologin. Enligt teamet kan de nya utvecklingarna hjälpa till att främja området kvantitativ biologi och förbättra den industriella produktionen av läkemedel.

Biologins område

Biologins område, liksom alla naturvetenskaper, förlitar sig på matematiska modeller som gör förutsägelser om framtiden baserat på data. Eftersom levande system och biologiska livsformer är extremt komplexa kan dessa ekvationer inte alltid vara helt tillförlitliga. De förlitar sig ofta på förenklande antaganden, som inte nödvändigtvis återspeglar de verkliga biologiska processerna.

På grund av detta vände sig forskarteamet till den nya maskinläringsalgoritmen, som kan använda den uppmätta storleken på enskilda celler över tid för att förutsäga deras framtida storlek. En av de främsta fördelarna med datorsystemet är att det automatiskt känner igen mönster i data, vilket innebär att det inte är begränsat som andra konventionella metoder.

Atsushi Kamimura är den första författaren till forskningsartikeln.

“Inom biologin används ofta enkla modeller baserat på deras förmåga att reproducera de uppmätta data”, säger Kamimura. “Men modellerna kan misslyckas med att fånga vad som verkligen händer på grund av mänskliga förutfattade meningar.”

Insamling av data

Studien förlitade sig på data som samlats in från antingen en Escherichia coli-bakterie eller en Schizosaccharomyces pombe-jästcell, som hölls i en mikrofluidisk kanal med varierande temperaturer.

Det visade sig att plotstorleken såg ut som en “sågtand” eftersom den exponentiella tillväxten avbröts av delningshändelser. Traditionellt förlitar sig mänskliga biologer på en “sizer”-modell, som baseras på cellens absoluta storlek, eller en “adder”-modell, som baseras på storleksökningen sedan födseln. De använder dessa modeller för att förutsäga när delningar kommer att ske.

Medan datorprogrammet visade att “adder”-principen är effektiv, fann det att den är en del av ett större och mer komplext system av biokemiska reaktioner och signalering.

Tetsuya Kobayashi är seniorförfattare till artikeln.

“Vårt djupinlärningsneuronnätverk kan effektivt separera de historia-baserade deterministiska faktorerna från bruset i givna data”, säger Kobayashi.

Teamet säger att denna metod kan användas inom andra områden av biologin, inte bara för att förutsäga cellstorlek. Livsvetenskapen kommer alltmer att förlita sig på artificiell intelligens snarare än mänskliga modeller, och AI kommer att kunna upptäcka nya och effektiva sätt att kontrollera mikroorganismer, vilket kommer att ha en stor inverkan på hur vi fermenterar produkter och producerar läkemedel.