Дослідники використовують ІІ для отримання глибшого розуміння росту клітин

Команда вчених з Інституту промислових наук Токійського університету розробила новий алгоритм машинного навчання, який здатний передбачати розмір окремої клітини під час її росту та ділення.

Штучна нейронна мережа команди дозволяє комп’ютеру робити більш точні прогнози порівняно з методами, які спираються лише на загальні припущення в біології. За словами команди, нові розробки можуть допомогти просунути поле кількісної біології та покращити промислове виробництво ліків.

Область біології

Область біології, як і всі природничі науки, спирається на математичні моделі, які роблять прогнози про майбутнє на основі даних. Через те, що живі системи та біологічні організми надзвичайно складні, ці рівняння не завжди можна повністю довіряти. Вони часто спираються на спрощені припущення, які не обов’язково відображають справжні біологічні процеси.

Через це команда дослідників звернулась до нового алгоритму машинного навчання, який може використовувати виміряний розмір окремих клітин у часі для передбачення їхнього майбутнього розміру. Одним з найкращих переваг комп’ютерної системи є те, що вона автоматично розпізнає закономірності в даних, що означає, що вона не обмежена, як інші традиційні методи.

Ацуші Камімура є першим автором дослідницької праці.

“У біології часто використовуються прості моделі на основі їхньої здатності відтворювати виміряні дані”, – говорить Камімура. “Однак ці моделі можуть не спромогтися захопити, що насправді відбувається через людські упередження”.

Збір даних

Дослідження спирається на дані, зібрані з бактерії Escherichia coli або дріжджів Schizosaccharomyces pombe, які утримувалися в мікрофлюїдному каналі з різними температурами.

Вони виявили, що розмір клітини виглядав як “пилоподібна” крива, оскільки експоненційний рост був перерваний подіями ділення. Традиційно людські біологи спираються на “сайзер”-модель, яка базується на абсолютному розмірі клітини, або “аддер”-модель, яка базується на збільшенні розміру з моменту народження. Вони використовують ці моделі для передбачення, коли відбуватимуться події ділення.

Хоча комп’ютерна програма продемонструвала, що принцип “аддер” є ефективним, вона виявила, що це лише частина більшої та складнішої системи біохімічних реакцій та сигналізації.

Тецуя Кобаяші є старшим автором статті.

“Наша глибока нейронна мережа може ефективно розділяти історично-залежні детерміновані фактори від шуму в даних”, – говорить Кобаяші.

Команда вважає, що цей метод можна використовувати в інших областях біології, не лише для передбачення розміру клітин. Життя буде все більше спиратися на штучний інтелект, а не на людські моделі, і штучний інтелект зможе відкрити нові та ефективні способи контролю мікроорганізмів, що матиме великий вплив на те, як ми ферментуємо продукти та виробляємо ліки.