亚搏亚搏

欢迎光临
我们一直在努力

机器学习助力组成生物学:算法能够成为你的细胞生物工程师

资料来历:Thor Swift/Berkeley Lab

肉香满满的素汉堡和用于美容的组成胶原蛋白都来自一个充溢潜力的研讨范畴——组成生物学。在该范畴,科学家们能够规划出契合标准的生物体系,例如用于出产抗癌药剂的微生物。但是,传统的生物工程办法费时吃力,并且需求不断试错。

现在,美国动力部劳伦斯伯克利国家试验室的科学家们开发出了一种新东西,使机器学习算法能够习惯组成生物学的需求,然后体系地辅导生物制品的开发。

这项立异意味着,科学家们不用再花费数年时刻对细胞的每个部分以及细胞的功用进行详尽的了解再对其进行操作。取而代之,经过有限的练习数据集,算法就能够猜测细胞的DNA或生物化学变化将怎么影响其行为,然后对下一个工程周期提出主张,并对完成预期方针的概率进行猜测。

伯克利试验室生物体系和工程(BSE)部分的研讨人员Hector Garcia Martin说:“要知道,研制抗疟疾药物青蒿素花了150年。假如你能在几周或几个月内创造出契合要求的新细胞,就能在生物工程范畴掀起一场革新。”

该团队与BSE数据科学家Tijana Radivojevic以及一个世界研讨小组协作,开发并演示了这种名为“主动引荐东西”的算法,并在近来发表于《天然?通讯》杂志上的两篇论文上对此进行了描绘。

在第一篇论文中,研讨人员针对组成生物学范畴的特殊性定制了算法:小的练习数据集、对不确定性的量化需求以及递归循环。此外,来自此前代谢工程项目的模仿和历史数据也证明了该算法的才能。

在第二篇论文中,该团队测验使用ART辅导代谢工程,以进步色氨酸的产值。为了进行试验,他们选取5个基因,每个基来由不同的基因启动子和细胞内其他机制操控,一共代表了近8000种潜在的生物途径组合。研讨人员获取了其间250条途径的试验数据,并将这些数据用于练习算法。之后,经过计算揣度,该东西能够揣度出剩下的7000多个组合怎么影响色氨酸的发生。

终究,它引荐的规划方案得到的色氨酸产值比最先进的参阅菌株高106%,比用于练习模型的最佳规划高17%。

“这清楚地证明了,让机器学习来辅导生物工程是可行的。”Garcia Martin说,“这仅仅是个开端,而此次咱们证明了代谢工程具有可代替性办法。算法能够主动履行研讨的惯例部分,而研讨者则能够把时刻花在更具创造性的方面,例如:决议重要的问题、规划试验、稳固已取得的常识。”

研讨人员表明,仅经过少数数据就能到达如此作用令他们感到惊奇。不过要想真实完成组成生物学的潜力,还需求更多数据练习算法,以及更多机器学习方面的专业人才。组成生物学关于很多范畴都具有使用远景,例如:食物、医药、农业、气候、动力和资料,现在其市场规模仍在不断强大。

版权声明:本文由科界渠道原创编译,中文内容仅供参阅,全部内容以英文原版为准。转载请注明来历科技工作者之家—科界App。

赞( 791 )
未经允许不得转载: 亚搏 » 机器学习助力组成生物学:算法能够成为你的细胞生物工程师