02 Οκτωβρίου 2023 (Ειδήσεις Nanowerk) Μια στρατηγική για κυτταρικό επαναπρογραμματισμό περιλαμβάνει τη χρήση στοχευμένων γενετικών παρεμβάσεων για τη μηχανική ενός κυττάρου σε μια νέα κατάσταση. Η τεχνική υπόσχεται πολλά στην ανοσοθεραπεία, για παράδειγμα, όπου οι ερευνητές θα μπορούσαν να επαναπρογραμματίσουν τα Τ-κύτταρα ενός ασθενούς, ώστε να είναι πιο ισχυροί καρκινοκτόνοι. Κάποια στιγμή, η προσέγγιση θα μπορούσε επίσης να βοηθήσει στον εντοπισμό θεραπειών για τον καρκίνο που σώζουν ζωές ή αναγεννητικές θεραπείες που επιδιορθώνουν όργανα που έχουν καταστραφεί από ασθένειες. Αλλά το ανθρώπινο σώμα έχει περίπου 20,000 γονίδια και μια γενετική διαταραχή θα μπορούσε να είναι σε συνδυασμό γονιδίων ή σε οποιονδήποτε από τους πάνω από 1,000 μεταγραφικούς παράγοντες που ρυθμίζουν τα γονίδια. Επειδή ο χώρος αναζήτησης είναι τεράστιος και τα γενετικά πειράματα είναι δαπανηρά, οι επιστήμονες συχνά αγωνίζονται να βρουν την ιδανική διαταραχή για τη συγκεκριμένη εφαρμογή τους. Ερευνητές από το MIT και το Πανεπιστήμιο του Χάρβαρντ ανέπτυξαν μια νέα, υπολογιστική προσέγγιση που μπορεί να εντοπίσει αποτελεσματικά τις βέλτιστες γενετικές διαταραχές με βάση έναν πολύ μικρότερο αριθμό πειραμάτων από τις παραδοσιακές μεθόδους. Η αλγοριθμική τους τεχνική αξιοποιεί τη σχέση αιτίου-αποτελέσματος μεταξύ παραγόντων σε ένα πολύπλοκο σύστημα, όπως η ρύθμιση του γονιδιώματος, για να δώσει προτεραιότητα στην καλύτερη παρέμβαση σε κάθε γύρο διαδοχικών πειραμάτων. Οι ερευνητές διεξήγαγαν μια αυστηρή θεωρητική ανάλυση για να προσδιορίσουν ότι η τεχνική τους εντόπισε πράγματι τις βέλτιστες παρεμβάσεις. Με αυτό το θεωρητικό πλαίσιο σε ισχύ, εφάρμοσαν τους αλγόριθμους σε πραγματικά βιολογικά δεδομένα σχεδιασμένα να μιμούνται ένα πείραμα κυτταρικού επαναπρογραμματισμού. Οι αλγόριθμοί τους ήταν οι πιο αποδοτικοί και αποτελεσματικοί. «Πολύ συχνά, τα πειράματα μεγάλης κλίμακας σχεδιάζονται εμπειρικά. Ένα προσεκτικό αιτιολογικό πλαίσιο για διαδοχικούς πειραματισμούς μπορεί να επιτρέψει τον εντοπισμό βέλτιστων παρεμβάσεων με λιγότερες δοκιμές, μειώνοντας έτσι τα πειραματικά κόστη», λέει η συν-επικεφαλής συγγραφέας Caroline Uhler, καθηγήτρια στο Τμήμα Ηλεκτρολόγων Μηχανικών και Επιστήμης Υπολογιστών (EECS), η οποία είναι επίσης συνδιευθύντρια. του Κέντρου Eric and Wendy Schmidt στο Broad Institute of MIT και του Χάρβαρντ, και ερευνητής στο Εργαστήριο Πληροφοριακών Συστημάτων και Αποφάσεων (LIDS) του MIT και στο Ινστιτούτο Δεδομένων, Συστημάτων και Κοινωνίας (IDSS). Σύνδεση με τον Uhler στο χαρτί, το οποίο εμφανίζεται στο Φύση Μηχανή Νοημοσύνη («Ενεργητική μάθηση για βέλτιστο σχεδιασμό παρέμβασης σε αιτιώδη μοντέλα»), είναι ο κύριος συγγραφέας Jiaqi Zhang, μεταπτυχιακός φοιτητής και Eric and Wendy Schmidt Center Fellow. συν-ανώτερος συγγραφέας Θεμιστοκλής Π. Σάψης, καθηγητής μηχανολογίας και ωκεάνιας μηχανικής στο MIT και μέλος του IDSS. και άλλοι στο Χάρβαρντ και στο ΜΙΤ.
Διαδραστική μάθηση
Όταν οι επιστήμονες προσπαθούν να σχεδιάσουν μια αποτελεσματική παρέμβαση για ένα σύνθετο σύστημα, όπως στον κυτταρικό επαναπρογραμματισμό, συχνά εκτελούν πειράματα διαδοχικά. Τέτοιες ρυθμίσεις είναι ιδανικά κατάλληλες για τη χρήση μιας προσέγγισης μηχανικής μάθησης που ονομάζεται ενεργητική μάθηση. Συλλέγονται δείγματα δεδομένων και χρησιμοποιούνται για την εκμάθηση ενός μοντέλου του συστήματος που ενσωματώνει τη γνώση που έχει συγκεντρωθεί μέχρι τώρα. Από αυτό το μοντέλο, σχεδιάζεται μια συνάρτηση απόκτησης — μια εξίσωση που αξιολογεί όλες τις πιθανές παρεμβάσεις και επιλέγει την καλύτερη για δοκιμή στην επόμενη δοκιμή. Αυτή η διαδικασία επαναλαμβάνεται μέχρι να εντοπιστεί η βέλτιστη παρέμβαση (ή να εξαντληθούν οι πόροι για τη χρηματοδότηση των επόμενων πειραμάτων). "Ενώ υπάρχουν πολλές γενικές λειτουργίες απόκτησης για τον διαδοχικό σχεδιασμό πειραμάτων, αυτές δεν είναι αποτελεσματικές για προβλήματα τέτοιας πολυπλοκότητας, οδηγώντας σε πολύ αργή σύγκλιση", εξηγεί ο Sapsis. Οι συναρτήσεις απόκτησης συνήθως λαμβάνουν υπόψη τη συσχέτιση μεταξύ παραγόντων, όπως ποια γονίδια συνεκφράζονται. Αλλά η εστίαση μόνο στη συσχέτιση αγνοεί τις ρυθμιστικές σχέσεις ή την αιτιακή δομή του συστήματος. Για παράδειγμα, μια γενετική παρέμβαση μπορεί να επηρεάσει μόνο την έκφραση των κατάντη γονιδίων, αλλά μια προσέγγιση που βασίζεται στη συσχέτιση δεν θα μπορούσε να διακρίνει μεταξύ γονιδίων που είναι ανάντη ή κατάντη. «Μπορείτε να μάθετε μέρος αυτής της αιτιολογικής γνώσης από τα δεδομένα και να τα χρησιμοποιήσετε για να σχεδιάσετε μια παρέμβαση πιο αποτελεσματικά», εξηγεί ο Zhang. Οι ερευνητές του MIT και του Χάρβαρντ χρησιμοποίησαν αυτή την υποκείμενη αιτιώδη δομή για την τεχνική τους. Πρώτον, κατασκεύασαν προσεκτικά έναν αλγόριθμο, ώστε να μπορεί να μάθει μόνο μοντέλα του συστήματος που εξηγούν τις αιτιακές σχέσεις. Στη συνέχεια, οι ερευνητές σχεδίασαν τη συνάρτηση απόκτησης, ώστε να αξιολογεί αυτόματα τις παρεμβάσεις χρησιμοποιώντας πληροφορίες σχετικά με αυτές τις αιτιακές σχέσεις. Δημιούργησαν αυτή τη λειτουργία, ώστε να δίνει προτεραιότητα στις πιο ενημερωτικές παρεμβάσεις, δηλαδή εκείνες που είναι πιο πιθανό να οδηγήσουν στη βέλτιστη παρέμβαση στα επόμενα πειράματα. «Εξετάζοντας τα αιτιακά μοντέλα αντί για τα μοντέλα που βασίζονται στη συσχέτιση, μπορούμε ήδη να αποκλείσουμε ορισμένες παρεμβάσεις. Στη συνέχεια, κάθε φορά που λαμβάνετε νέα δεδομένα, μπορείτε να μάθετε ένα πιο ακριβές αιτιακό μοντέλο και έτσι να συρρικνώσετε περαιτέρω τον χώρο των παρεμβάσεων», εξηγεί ο Uhler. Αυτός ο μικρότερος χώρος αναζήτησης, σε συνδυασμό με την ειδική εστίαση της λειτουργίας απόκτησης στις πιο ενημερωτικές παρεμβάσεις, είναι που κάνει την προσέγγισή τους τόσο αποτελεσματική. Οι ερευνητές βελτίωσαν περαιτέρω τη λειτουργία απόκτησης χρησιμοποιώντας μια τεχνική γνωστή ως στάθμιση εξόδου, εμπνευσμένη από τη μελέτη ακραίων γεγονότων σε πολύπλοκα συστήματα. Αυτή η μέθοδος δίνει έμφαση σε παρεμβάσεις που είναι πιθανό να είναι πιο κοντά στη βέλτιστη παρέμβαση. «Ουσιαστικά, βλέπουμε μια βέλτιστη παρέμβαση ως ένα «ακραίο γεγονός» μέσα στο χώρο όλων των πιθανών, μη βέλτιστων παρεμβάσεων και χρησιμοποιούμε κάποιες από τις ιδέες που έχουμε αναπτύξει για αυτά τα προβλήματα», λέει ο Σάψης.Αυξημένη αποτελεσματικότητα
Δοκίμασαν τους αλγόριθμούς τους χρησιμοποιώντας πραγματικά βιολογικά δεδομένα σε ένα προσομοιωμένο πείραμα κυτταρικού επαναπρογραμματισμού. Για αυτό το τεστ, αναζήτησαν μια γενετική διαταραχή που θα οδηγούσε σε μια επιθυμητή αλλαγή στη μέση γονιδιακή έκφραση. Οι λειτουργίες απόκτησής τους εντόπισαν σταθερά καλύτερες παρεμβάσεις από τις βασικές μεθόδους σε κάθε βήμα του πειράματος πολλαπλών σταδίων. «Αν διακόψετε το πείραμα σε οποιοδήποτε στάδιο, το δικό μας θα ήταν ακόμα πιο αποτελεσματικό από τις βασικές γραμμές. Αυτό σημαίνει ότι θα μπορούσατε να εκτελέσετε λιγότερα πειράματα και να έχετε τα ίδια ή καλύτερα αποτελέσματα», λέει ο Zhang. Οι ερευνητές εργάζονται επί του παρόντος με πειραματιστές για να εφαρμόσουν την τεχνική τους στον κυτταρικό επαναπρογραμματισμό στο εργαστήριο. Η προσέγγισή τους θα μπορούσε επίσης να εφαρμοστεί σε προβλήματα εκτός γονιδιωματικής, όπως ο προσδιορισμός βέλτιστων τιμών για καταναλωτικά προϊόντα ή η δυνατότητα βέλτιστου ελέγχου ανάδρασης σε εφαρμογές μηχανικής ρευστών. Στο μέλλον, σχεδιάζουν να βελτιώσουν την τεχνική τους για βελτιστοποιήσεις πέρα από εκείνες που επιδιώκουν να ταιριάξουν με έναν επιθυμητό μέσο όρο. Επιπλέον, η μέθοδός τους προϋποθέτει ότι οι επιστήμονες κατανοούν ήδη τις αιτιώδεις σχέσεις στο σύστημά τους, αλλά μελλοντική εργασία θα μπορούσε να διερευνήσει πώς να χρησιμοποιήσετε την τεχνητή νοημοσύνη για να μάθουν αυτές τις πληροφορίες.- SEO Powered Content & PR Distribution. Ενισχύστε σήμερα.
- PlatoData.Network Vertical Generative Ai. Ενδυναμώστε τον εαυτό σας. Πρόσβαση εδώ.
- PlatoAiStream. Web3 Intelligence. Ενισχύθηκε η γνώση. Πρόσβαση εδώ.
- PlatoESG. Ανθρακας, Cleantech, Ενέργεια, Περιβάλλον, Ηλιακός, Διαχείριση των αποβλήτων. Πρόσβαση εδώ.
- PlatoHealth. Ευφυΐα βιοτεχνολογίας και κλινικών δοκιμών. Πρόσβαση εδώ.
- πηγή: https://www.nanowerk.com/news2/biotech/newsid=63752.php
- :έχει
- :είναι
- :δεν
- :που
- ][Π
- 000
- 1
- 10
- 11
- 20
- 7
- 8
- 9
- a
- Ικανός
- Σχετικα
- Λογαριασμός
- ακριβής
- απόκτηση
- ενεργός
- Επιπλέον
- επηρεάζουν
- AI
- αλγόριθμος
- αλγοριθμικός
- αλγόριθμοι
- Όλα
- επιτρέπουν
- ήδη
- Επίσης
- an
- ανάλυση
- και
- κάθε
- εμφανίζεται
- Εφαρμογή
- εφαρμογές
- εφαρμοσμένος
- Εφαρμογή
- πλησιάζω
- ΕΙΝΑΙ
- AS
- υποθέτει
- At
- συγγραφέας
- αυτομάτως
- μέσος
- βασίζονται
- Baseline
- BE
- επειδή
- ΚΑΛΎΤΕΡΟΣ
- Καλύτερα
- μεταξύ
- Πέρα
- σώμα
- ευρύς
- αλλά
- by
- που ονομάζεται
- CAN
- ΚΑΡΚΙΝΟΣ
- προσεκτικός
- προσεκτικά
- κύτταρο
- κυτταρική
- Κέντρο
- ορισμένες
- πιο κοντά
- συνδυασμός
- συγκρότημα
- περίπλοκο
- υπολογιστή
- Πληροφορική
- διενεργούνται
- Εξετάστε
- θεωρώντας
- με συνέπεια
- καταναλωτής
- Καταναλωτικά προιόντα
- έλεγχος
- Σύγκλιση
- Συσχέτιση
- δαπανηρός
- Δικαστικά έξοδα
- θα μπορούσε να
- σε συνδυασμό
- δημιουργημένο
- Τη στιγμή
- Τομή
- ημερομηνία
- Ημερομηνία
- απόφαση
- Τμήμα
- Υπηρεσίες
- σχεδιασμένα
- επιθυμητή
- Προσδιορίστε
- αναπτύχθηκε
- DID
- διακρίνω
- κάθε
- Αποτελεσματικός
- αποτελεσματικός
- αποτελεσματικά
- Ηλεκτρολόγων Μηχανικών
- τονίζει
- ενεργοποίηση
- μηχανικός
- Μηχανική
- ενίσχυση
- εκδηλώσεις
- Κάθε
- πείραμα
- πειραματικός
- πειράματα
- Εξηγεί
- διερευνήσει
- έκφραση
- άκρο
- παράγοντες
- μακριά
- ανατροφοδότηση
- σύντροφος
- λιγότερα
- Εύρεση
- Όνομα
- υγρό
- Συγκέντρωση
- εστιάζοντας
- Για
- Πλαίσιο
- από
- λειτουργία
- λειτουργίες
- κεφάλαιο
- περαιτέρω
- μελλοντικός
- συγκεντρώθηκαν
- γονιδίωμα
- γονιδιωματική
- παίρνω
- αποφοιτήσουν
- εξαιρετική
- Harvard
- Πανεπιστήμιο του Χάρβαρντ
- Έχω
- βοήθεια
- κατέχει
- Πως
- Πώς να
- HTTPS
- ανθρώπινος
- ιδανικό
- ιδανικά
- ιδεών
- προσδιορίζονται
- προσδιορίσει
- προσδιορισμό
- ανοσοθεραπεία
- βελτιωθεί
- in
- ενσωματώνει
- πληροφορίες
- πληροφοριακός
- εμπνευσμένος
- παράδειγμα
- αντί
- Ινστιτούτο
- παρέμβαση
- παρεμβάσεις
- σε
- περιλαμβάνει
- IT
- ενώνει
- jpg
- δολοφόνοι
- γνώση
- γνωστός
- εργαστήριο
- εργαστήριο
- μεγάλης κλίμακας
- οδηγήσει
- που οδηγεί
- ΜΑΘΑΊΝΩ
- μάθηση
- μόχλευση
- μόχλευσης
- Μου αρέσει
- Πιθανός
- μηχανή
- ΚΑΝΕΙ
- Ταίριασμα
- Ενδέχεται..
- εννοώ
- νόημα
- μέσα
- μηχανικός
- μηχανική
- μέλος
- μέθοδος
- μέθοδοι
- MIT
- μοντέλο
- μοντέλα
- περισσότερο
- πιο αποτελεσματικό
- πλέον
- πολύ
- Νέα
- επόμενη
- αριθμός
- ωκεανός
- of
- off
- συχνά
- on
- ONE
- αποκλειστικά
- βέλτιστη
- or
- Άλλα
- έξω
- παραγωγή
- εκτός
- επί
- Χαρτί
- Ειδικότερα
- εκτελέσει
- Επιλογές
- Μέρος
- σχέδιο
- Πλάτων
- Πληροφορία δεδομένων Plato
- Πλάτωνα δεδομένα
- δυνατός
- δυναμικού
- Τιμές
- Δώστε προτεραιότητα
- δίνει προτεραιότητες
- προβλήματα
- διαδικασια μας
- Προϊόντα
- Δάσκαλος
- υπόσχεση
- πραγματικός
- μείωση
- αναγεννητική
- Ρυθμίζω
- Ρυθμιστικές Αρχές
- ρυθμιστές
- σχέση
- Σχέσεις
- επισκευή
- επανειλημμένες
- ερευνητής
- ερευνητές
- Υποστηρικτικό υλικό
- αποτέλεσμα
- Αποτελέσματα
- αυστηρός
- γύρος
- Άρθρο
- τρέξιμο
- ίδιο
- λέει
- Επιστήμη
- επιστήμονες
- Αναζήτηση
- Επιδιώξτε
- ρυθμίσεις
- διάφοροι
- αλλαγή
- επιβραδύνουν
- μικρότερος
- So
- μέχρι τώρα
- Κοινωνία
- μερικοί
- κάποια μέρα
- επιδιώξει
- Χώρος
- ειδική
- Στάδιο
- Κατάσταση
- Βήμα
- Ακόμη
- Στρατηγική
- δομή
- Πάλη
- Φοιτητής
- Μελέτη
- μεταγενέστερος
- τέτοιος
- σύστημα
- συστήματα
- στοχευμένες
- δοκιμή
- δοκιμαστεί
- από
- ότι
- Η
- Το μέλλον
- τους
- τότε
- θεωρητικός
- Θεραπείες
- Εκεί.
- εκ τούτου
- Αυτοί
- αυτοί
- αυτό
- εκείνοι
- Μέσω
- προς την
- προς
- παραδοσιακός
- θεραπείες
- δίκη
- δοκιμές
- προσπαθώ
- συνήθως
- υποκείμενες
- καταλαβαίνω
- πανεπιστήμιο
- μέχρι
- χρήση
- μεταχειρισμένος
- χρησιμοποιώντας
- Σταθερή
- πολύ
- Δες
- we
- ΛΟΙΠΌΝ
- ήταν
- Τι
- πότε
- οποτεδήποτε
- Ποιό
- Ο ΟΠΟΊΟΣ
- με
- εντός
- Εργασία
- εργαζόμενος
- θα
- εσείς
- zephyrnet
- Zhang