澳门新蒲京娱乐游戏细胞生物学撬开人工智能的黑匣子——深层神经互联网拆穿酵母细胞胞内进程

澳门新蒲京娱乐游戏 1

Ideker和他的共同指导的癌细胞地图计划的同事现在正在产生他们为人类癌症建立DCell所需的一些实验数据。然后,他们将确定如何最好地个性化这种虚拟细胞方法,以获得患者独特的生物学。

我们感兴趣的是由进化过程而不是计算机学家们优化的神经网络。—Trey Ideker,
UC San Diego

《中国科学报》 (2018-03-06 第2版 国际)

此外,我们目前正在研究维持细菌内部电路的方法,Din说。由于回路产生的蛋白质给细菌带来了负担,细菌很容易突变这些基因。此外,还有一种选择压力可以去除含有该回路基因的质粒。因此,我们的一个未来的研究目标是确定稳定细菌中的电路成分并降低其对突变的易感性的策略。

澳门新蒲京娱乐游戏 1

Strickland报道科学界新闻已有15年,为《Discover》、《Nautilus》、《Sierra》、《Foreign
Policy》和《Wired》等出版物撰写文章。她拥有哥伦比亚大学新闻学硕士学位。

深度学习模型的一个挑战是它们的“黑箱”性质,也就是说无法轻易鉴定一个模型执行某项任务时的过程。

已知分子AHL协调细菌细胞集落的基因表达。一旦启动,由启动子驱动的基因也被激活,包括产生AHL的基因本身。由于这种正反馈回路,AHL累积的越多,产生的越多。因为AHL足够小以在细胞之间扩散并且打开相邻细胞中的启动子,所以由它激活的基因也将大量产生,导致称为群体感应的现象。细菌利用群体感应来相互沟通其群体的大小,并相应地调节基因表达。科学家们将这种天然的细菌能力作为一种工具广泛使用。

机器学习系统建立在人工神经元层上,称为神经网络。这些层通过神经元之间看似随机的连接而连接在一起。系统通过微调这些连接来学习。

癌症是最便于研究的疾病,因为每个癌症患者的肿瘤细胞都含有独特的突变组合。Ideker说:“用患者的基因组数据和突变信息作为模型的输入,会得到这些细胞的生长速度,以及癌症的侵袭性。”

加州大学圣地亚哥分校的Trey
Ideker及同事通过将一个深度学习算法的结构映射在已知细胞内分子系统的结构上,创建了一个“可视的”人工神经网络。研究人员表示,一旦模型完成训练,它便能够预测遗传变化的生理影响。

这项新研究提供了一种治疗方法,可最大限度地减少对周围细胞的伤

似乎每次你转过身,有人都在谈论人工智能和机器学习的重要性,加州大学圣地亚哥分校医学院和摩尔癌症中心教授Trey
Ideker博士说。但所有这些系统都是所谓的黑匣子。它们可以非常具有预测性,但我们实际上并不了解它们的工作方式。

更重要的是,开发癌症药物的制药公司使用细胞生长作为药物是否起效的检验标准。通过对大量调控基因开关的分子的观察,他们会猜测这种潜在的药物是否会导致肿瘤细胞停止增殖?研发抗癌药物需要数十亿美元,计算机模拟具有明显的价格优势。

人工智能可以执行多种通常需要人类完成的复杂任务,比如面部识别、语言翻译和玩游戏。深度学习网络也称人工神经网络,它们越来越多地被用于生物数据分析自动化。

裂解回路最初被设想用作水生生物传感器,但后来很明显,当细菌在体内溶解时,令人兴奋的应用可能是药物的协调释放,Hasty说。

但最令Ideker兴奋的是DCell不是黑盒子;这种联系并不是一个谜,也不能通过偶然事件来形成。相反,学习仅由现实世界的细胞行为和约2,500个已知细胞成分编码的约束引导。该团队输入有关基因和基因突变的信息,DCell预测细胞行为,如生长。他们对数百万基因型的DCell进行了培训,发现虚拟细胞可以模拟细胞生长,几乎与实验室培养的真细胞一样准确。

如今,她负责生物医学工程领域的报道,并负责Spectrum关于“揭示人类操作系统奥秘”的特稿。该报告衍生了新的关于人类操作系统的博客,其中介绍可实现更精确和个性化的药物治疗的新兴技术。博客报道了可穿戴的生物传感器、大数据分析,以及可能使我们变成机器人的植入式设备。Strickland目前的兴趣领域是调控运动、情绪和记忆的神经调制技术。

在生物应用方面,调查深度学习模型如何识别和处理所分析的数据的能力或许可以帮助研究者更好地理解这些数据背后的生物学。

寻找合适的药物组合

新蒲京338棋牌下载,人类的知识是不完整的,思科的实验室助理研究科学家马建柱博士说,他领导了建立DCell的工作。我们希望完成这些知识,以帮助指导医疗保健和其他方面的预测。

“以打败围棋大师的AlphaGo为例,它的内部运行完全杂乱无章,根本不像人类大脑”,Ideker说,“它们只是恰好进化成很好完成预测的新结构而已。”

澳门新蒲京娱乐游戏,可视化深度学习揭示基因如何影响细胞特征

合成生物学理论如何能够带来临床上有意义的进步,这是杰夫赫斯特和团队的新作品,麻省理工学院教授吉姆柯林斯说,他是合成生物学领域的创始人。十多年前,在该领域的早期阶段,杰夫开发了一个理论框架,用于在细胞群体中同步细胞过程。现在,他的团队已经通过实验证明了如何利用这些效应创造一种新颖的,临床上可行的治疗方法。

在最近发表在Nature
Methods上的一项研究中,Ideker的研究团队最近开发了他们所谓的可见神经网络,并用它来构建DCell,这是一种功能正常的啤酒酵母细胞模型,通常用作基础研究的模型。为此,他们在一个地方积累了细胞生物学的所有知识,并创建了这些细胞成分的层次结构。然后他们将标准机器学习算法映射到该知识库。

这是关于DCell系统主页的屏幕快照,一个模拟细胞结构和功能的深度神经网络。

本报讯
美国研究人员开发出一种过程可获取的深度学习计算机新算法,能够揭示细胞的内部活动。相关论文3月6日在线发表于《自然—方法》。

新的Nature论文显示了使用群体感应来限制细菌种群的增长和释放药物。在之前的Nature论文中,Hasty实验室已经展示了工程细胞振荡如何在细菌菌落内协调,甚至在数千个相互作用的菌落之间。