02. lokakuuta 2023 (Nanowerk-uutiset) Solujen uudelleenohjelmointistrategiaan sisältyy kohdennettujen geneettisten interventioiden käyttö solun muokkaamiseksi uuteen tilaan. Tekniikalla on suuri lupaus esimerkiksi immunoterapiassa, jossa tutkijat voivat ohjelmoida uudelleen potilaan T-solut, jotta ne ovat tehokkaampia syövän tappajia. Jonain päivänä tämä lähestymistapa voisi myös auttaa tunnistamaan henkeä pelastavia syöpähoitoja tai regeneratiivisia hoitoja, jotka korjaavat sairauksien runtelemia elimiä. Mutta ihmiskehossa on noin 20,000 1,000 geeniä, ja geneettinen häiriö voi johtua geenien yhdistelmästä tai missä tahansa yli XNUMX XNUMX transkriptiotekijästä, jotka säätelevät geenejä. Koska hakuavaruus on laaja ja geneettiset kokeet ovat kalliita, tiedemiehet kamppailevat usein löytääkseen ihanteellisen häiriön tiettyyn sovellukseensa. MIT:n ja Harvardin yliopiston tutkijat kehittivät uuden laskennallisen lähestymistavan, joka voi tehokkaasti tunnistaa optimaaliset geneettiset häiriöt perustuen paljon pienempään määrään kokeita kuin perinteiset menetelmät. Niiden algoritmitekniikka hyödyntää syy-seuraussuhdetta monimutkaisen järjestelmän tekijöiden, kuten genomin säätelyn, välillä priorisoidakseen parhaan toimenpiteen jokaisella peräkkäisten kokeiden kierroksella. Tutkijat suorittivat tiukan teoreettisen analyysin selvittääkseen, että heidän tekniikkansa todellakin tunnisti optimaaliset interventiot. Kun tämä teoreettinen kehys oli paikallaan, he sovelsivat algoritmeja todellisiin biologisiin tietoihin, jotka oli suunniteltu jäljittelemään solujen uudelleenohjelmointikoetta. Heidän algoritminsa olivat tehokkaimpia ja tehokkaimpia. ”Liian usein suuret kokeet suunnitellaan empiirisesti. Huolellinen syy-seurantakehys peräkkäiselle kokeilulle voi mahdollistaa optimaalisten interventioiden tunnistamisen vähemmällä kokeella, mikä vähentää kokeiden kustannuksia", sanoo toinen vanhempi kirjailija Caroline Uhler, professori sähkötekniikan ja tietojenkäsittelytieteen laitokselta (EECS), joka on myös toinen johtaja. Eric ja Wendy Schmidt -keskuksen Broad Institute of MIT:ssä ja Harvardissa sekä tutkija MIT:n tieto- ja päätösjärjestelmien laboratoriossa (LIDS) ja Institute for Data, Systems and Societyssa (IDSS). Liittyen Uhleriin paperilla, joka ilmestyy Luonto-koneiden tiedustelu ("Aktiivinen oppiminen optimaaliseen interventiosuunnitteluun syy-malleissa"), ovat johtava kirjailija Jiaqi Zhang, jatko-opiskelija ja Eric ja Wendy Schmidt -keskuksen jäsen; toinen vanhempi kirjailija Themistoklis P. Sapsis, MIT:n kone- ja meritekniikan professori ja IDSS:n jäsen; ja muut Harvardissa ja MIT:ssä.
Aktiivinen oppiminen
Kun tutkijat yrittävät suunnitella tehokkaan toimenpiteen monimutkaiselle järjestelmälle, kuten solujen uudelleenohjelmoinnissa, he usein suorittavat kokeita peräkkäin. Tällaiset asetukset sopivat ihanteellisesti aktiiviseksi oppimiseksi kutsutun koneoppimisen lähestymistavan käyttöön. Datanäytteet kerätään ja niiden avulla opitaan malli järjestelmästä, joka sisältää tähän mennessä kerätyn tiedon. Tästä mallista suunnitellaan hankintafunktio – yhtälö, joka arvioi kaikki mahdolliset interventiot ja valitsee parhaan testattavaksi seuraavassa kokeessa. Tätä prosessia toistetaan, kunnes optimaalinen interventio on tunnistettu (tai resurssit myöhempien kokeiden rahoittamiseen loppuvat). "Vaikka kokeiden peräkkäiseen suunnitteluun on olemassa useita yleisiä hankintafunktioita, ne eivät ole tehokkaita niin monimutkaisissa ongelmissa, mikä johtaa erittäin hitaaseen konvergenssiin", Sapsis selittää. Hankintafunktiot huomioivat tyypillisesti tekijöiden välisen korrelaation, kuten sen, mitkä geenit ilmentyvät yhdessä. Mutta vain korrelaatioon keskittyminen jättää huomioimatta järjestelmän säätelysuhteet tai kausaalisen rakenteen. Esimerkiksi geneettinen interventio voi vaikuttaa vain alavirran geenien ilmentymiseen, mutta korrelaatioon perustuva lähestymistapa ei pystyisi erottamaan ylä- tai alavirtaan olevia geenejä. "Voit oppia osan tästä kausaalitiedosta tiedoista ja käyttää sitä interventiosuunnitteluun tehokkaammin", Zhang selittää. MIT:n ja Harvardin tutkijat hyödynsivät tätä taustalla olevaa syy-rakennetta tekniikkaansa. Ensinnäkin he rakensivat huolellisesti algoritmin, jotta se voi oppia vain järjestelmän malleja, jotka ottavat huomioon syy-yhteydet. Sitten tutkijat suunnittelivat hankintafunktion niin, että se arvioi interventioita automaattisesti käyttämällä tietoja näistä syy-suhteista. He loivat tämän toiminnon niin, että se priorisoi informatiivisimmat interventiot, eli ne, jotka todennäköisimmin johtavat optimaaliseen interventioon myöhemmissä kokeissa. ”Kun tarkastelemme kausaalimalleja korrelaatiopohjaisten mallien sijaan, voimme jo sulkea pois tietyt interventiot. Sitten aina kun saat uutta tietoa, voit oppia tarkemman kausaalimallin ja siten pienentää interventioiden tilaa entisestään”, Uhler selittää. Tämä pienempi hakutila yhdistettynä hankintatoiminnon erityiseen keskittymiseen kaikkein informatiivisimpiin interventioihin tekee heidän lähestymistavastaan niin tehokkaan. Tutkijat paransivat edelleen hankintatoimintoaan käyttämällä lähtöpainotuksena tunnettua tekniikkaa, joka on saanut inspiraationsa monimutkaisten järjestelmien ääritapahtumien tutkimuksesta. Tämä menetelmä korostaa huolellisesti interventioita, jotka ovat todennäköisesti lähempänä optimaalista interventiota. "Periaatteessa pidämme optimaalista interventiota "äärimmäisenä tapahtumana" kaikkien mahdollisten, epäoptimaalisten interventioiden tilassa ja käytämme joitain näihin ongelmiin kehittämiämme ideoita", Sapsis sanoo.Parannettu tehokkuus
He testasivat algoritmejaan käyttämällä todellista biologista dataa simuloidussa solujen uudelleenohjelmointikokeessa. Tätä testiä varten he etsivät geneettistä häiriötä, joka johtaisi haluttuun muutokseen keskimääräisessä geeniekspressiossa. Niiden hankintafunktiot tunnistivat johdonmukaisesti parempia interventioita kuin perusmenetelmät monivaiheisen kokeen jokaisessa vaiheessa. ”Jos lopetat kokeilun missä tahansa vaiheessa, meidän olisi silti tehokkaampi kuin perusviivat. Tämä tarkoittaa, että voit suorittaa vähemmän kokeita ja saada samat tai paremmat tulokset", Zhang sanoo. Tutkijat työskentelevät parhaillaan kokeilijoiden kanssa soveltaakseen tekniikkaansa solujen uudelleenohjelmointiin laboratoriossa. Heidän lähestymistapaansa voitaisiin soveltaa myös genomiikan ulkopuolisiin ongelmiin, kuten kuluttajatuotteiden optimaalisten hintojen tunnistamiseen tai optimaalisen palauteohjauksen mahdollistamiseen nestemekaniikan sovelluksissa. Tulevaisuudessa he aikovat parantaa tekniikkaansa optimointiin, joka on suurempi kuin ne, jotka pyrkivät vastaamaan haluttua keskiarvoa. Lisäksi heidän menetelmänsä olettaa, että tutkijat ymmärtävät jo järjestelmänsä syy-yhteydet, mutta tuleva työ voisi tutkia, kuinka tekoälyä voidaan käyttää myös näiden tietojen oppimiseen.- SEO-pohjainen sisällön ja PR-jakelu. Vahvista jo tänään.
- PlatoData.Network Vertical Generatiivinen Ai. Vahvista itseäsi. Pääsy tästä.
- PlatoAiStream. Web3 Intelligence. Tietoa laajennettu. Pääsy tästä.
- PlatoESG. hiili, CleanTech, energia, ympäristö, Aurinko, Jätehuolto. Pääsy tästä.
- PlatonHealth. Biotekniikan ja kliinisten kokeiden älykkyys. Pääsy tästä.
- Lähde: https://www.nanowerk.com/news2/biotech/newsid=63752.php
- :on
- :On
- :ei
- :missä
- ][s
- 000
- 1
- 10
- 11
- 20
- 7
- 8
- 9
- a
- pystyy
- Meistä
- Tili
- tarkka
- hankinta
- aktiivinen
- Lisäksi
- vaikuttaa
- AI
- algoritmi
- algoritmi
- algoritmit
- Kaikki
- sallia
- jo
- Myös
- an
- analyysi
- ja
- Kaikki
- näyttää
- Hakemus
- sovellukset
- sovellettu
- käyttää
- lähestymistapa
- OVAT
- AS
- olettaa
- At
- kirjoittaja
- automaattisesti
- keskimäärin
- perustua
- Lähtötilanne
- BE
- koska
- PARAS
- Paremmin
- välillä
- Jälkeen
- elin
- laaja
- mutta
- by
- nimeltään
- CAN
- Syöpä
- varovainen
- huolellisesti
- solu
- huokoinen
- keskus
- tietty
- lähempänä
- yhdistelmä
- monimutkainen
- monimutkaisuus
- tietokone
- Tietojenkäsittelyoppi
- tehty
- Harkita
- ottaen huomioon
- johdonmukaisesti
- kuluttaja
- Kuluttajatuotteet
- ohjaus
- Lähentyminen
- Korrelaatio
- kallis
- kustannukset
- voisi
- kytketty
- muotoillun
- Tällä hetkellä
- Leikkaus
- tiedot
- Päivämäärä
- päätös
- osasto
- Malli
- suunniteltu
- haluttu
- Määrittää
- kehitetty
- DID
- erottaa
- kukin
- Tehokas
- tehokas
- tehokkaasti
- Sähkötekniikka
- painottaa
- mahdollistaa
- insinööri
- Tekniikka
- parantaa
- Tapahtumat
- Joka
- kokeilu
- kokeellinen
- kokeiluja
- selittää
- tutkia
- lauseke
- äärimmäinen
- tekijät
- paljon
- palaute
- kaveri
- vähemmän
- Löytää
- Etunimi
- neste
- Keskittää
- tarkennus
- varten
- Puitteet
- alkaen
- toiminto
- tehtävät
- rahasto
- edelleen
- tulevaisuutta
- kokosi
- genomin
- genomiikka
- saada
- valmistua
- suuri
- Harvard
- Harvardin yliopisto
- Olla
- auttaa
- pitää
- Miten
- Miten
- HTTPS
- ihmisen
- ihanteellinen
- ihannetapauksessa
- ideoita
- tunnistettu
- tunnistaa
- tunnistaminen
- immunoterapia
- parani
- in
- sisältää
- tiedot
- informatiivinen
- innoittamana
- esimerkki
- sen sijaan
- Instituutti
- interventio
- interventiot
- tulee
- liittyy
- IT
- tuloaan
- jpg
- tappajat
- tuntemus
- tunnettu
- laboratorio
- laboratorio
- laaja
- johtaa
- johtava
- OPPIA
- oppiminen
- velkarahalla
- vipusuhteita
- pitää
- Todennäköisesti
- kone
- TEE
- ottelu
- Saattaa..
- tarkoittaa
- merkitys
- välineet
- mekaaninen
- mekaniikka
- jäsen
- menetelmä
- menetelmät
- MIT
- malli
- mallit
- lisää
- tehokkaampi
- eniten
- paljon
- Uusi
- seuraava
- numero
- valtameri
- of
- pois
- usein
- on
- ONE
- vain
- optimaalinen
- or
- Muuta
- ulos
- ulostulo
- ulkopuolella
- yli
- Paperi
- erityinen
- suorittaa
- poimii
- Paikka
- suunnitelma
- Platon
- Platonin tietotieto
- PlatonData
- mahdollinen
- mahdollinen
- Hinnat
- Asettaa etusijalle
- priorisoi
- ongelmia
- prosessi
- Tuotteemme
- Opettaja
- lupaus
- todellinen
- vähentämällä
- regeneratiivinen
- Säännellä
- Asetus
- sääntelyn
- yhteys
- Ihmissuhteet
- korjaus
- toistuva
- tutkija
- Tutkijat
- Esittelymateriaalit
- johtua
- tulokset
- tiukka
- kierros
- Sääntö
- ajaa
- sama
- sanoo
- tiede
- tutkijat
- Haku
- etsiä
- settings
- useat
- siirtää
- hidas
- pienempiä
- So
- niin kaukana
- yhteiskunta
- jonkin verran
- jonain päivänä
- pyrittiin
- Tila
- erityinen
- Vaihe
- Osavaltio
- Vaihe
- Yhä
- Strategia
- rakenne
- taistelu
- opiskelija
- tutkimus
- myöhempi
- niin
- järjestelmä
- järjestelmät
- kohdennettu
- testi
- testattu
- kuin
- että
- -
- Tulevaisuus
- heidän
- sitten
- teoreettinen
- hoitomuodot
- Siellä.
- siten
- Nämä
- ne
- tätä
- ne
- Kautta
- että
- kohti
- perinteinen
- hoidot
- oikeudenkäynti
- tutkimuksissa
- yrittää
- tyypillisesti
- taustalla oleva
- ymmärtää
- yliopisto
- asti
- käyttää
- käytetty
- käyttämällä
- valtava
- hyvin
- Näytä
- we
- HYVIN
- olivat
- Mitä
- kun
- aina kun
- joka
- KUKA
- with
- sisällä
- Referenssit
- työskentely
- olisi
- te
- zephyrnet
- zhang