研究人员使用人工智能深入了解细胞生长

东京大学工业科学研究所的一组科学家设计了一种新的机器学习算法，能够预测单个细胞在生长和分裂过程中的大小。

该团队的人工神经网络使计算机能够比仅依赖生物学中常见假设的方法做出更准确的预测。根据该团队的说法，这些新发展可以帮助推进量化生物学领域，并改善药物的工业生产。

生物学领域

生物学领域，像所有自然科学一样，依赖于数学模型来根据数据做出预测。由于生物系统和生物体极其复杂，这些方程式不能总是被完全信任。它们经常依赖于简化假设，这些假设不一定反映真实的生物过程。

因此，研究人员团队转向了新的机器学习算法，该算法可以使用测量的单细胞大小随时间变化来预测其未来的大小。计算机系统的一个主要优点是它可以自动识别数据中的模式，这意味着它不像其他传统方法那样受到限制。

Atsushi Kamimura 是研究论文的第一作者。

“在生物学中，简单的模型通常基于其能够重现测量数据的能力，”Kamimura 说。“但是，模型可能会因为人类的先入之见而无法捕捉到真正发生的事情。”

收集数据

该研究依赖于从大肠杆菌或酵母细胞中收集的数据，这些细胞被放在具有不同温度的微流体通道中。

它发现，图中的大小似乎呈现“锯齿状”，因为指数增长被分裂事件中断。传统上，人类生物学家依赖于“尺寸”模型，该模型基于细胞的绝对大小，或“加法”模型，该模型基于细胞出生以来的大小增加。他们使用这些模型来预测何时会发生分裂。

虽然计算机程序表明“加法”原理是有效的，但它发现这只是一个更大、更复杂的生物化学反应和信号系统的一部分。

Tetsuya Kobayashi 是论文的高级作者。

“我们的深度学习神经网络可以有效地将历史依赖的确定性因素与给定数据中的噪声分离，”Kobayashi 说。

该团队表示，这种方法可以在生物学的其他领域中使用，而不仅仅是预测细胞大小。生命科学将越来越多地依赖人工智能而不是人类模型，人工智能将能够发现新的高效方法来控制微生物，这将对我们发酵产品和生产药物的方式产生重大影响。