02 년 2023 월 XNUMX 일 (나노 워크 뉴스) 세포 재프로그래밍 전략에는 표적화된 유전적 개입을 사용하여 세포를 새로운 상태로 만드는 것이 포함됩니다. 예를 들어, 이 기술은 연구자들이 환자의 T세포를 재프로그램하여 더욱 강력한 암 살해자가 되도록 할 수 있는 면역요법에서 큰 가능성을 갖고 있습니다. 언젠가 이 접근법은 생명을 구하는 암 치료법이나 질병으로 파괴된 장기를 복구하는 재생 치료법을 찾는 데 도움이 될 수도 있습니다. 그러나 인체에는 약 20,000개의 유전자가 있으며, 유전적 교란은 유전자 조합이나 유전자를 조절하는 1,000개 이상의 전사 인자에 의해 발생할 수 있습니다. 검색 공간은 넓고 유전자 실험에는 비용이 많이 들기 때문에 과학자들은 특정 응용 분야에 이상적인 교란을 찾는 데 종종 어려움을 겪습니다. MIT와 하버드 대학의 연구원들은 기존 방법보다 훨씬 적은 수의 실험을 기반으로 최적의 유전적 교란을 효율적으로 식별할 수 있는 새로운 컴퓨터 접근 방식을 개발했습니다. 그들의 알고리즘 기술은 게놈 조절과 같은 복잡한 시스템의 요소 간의 인과 관계를 활용하여 각 순차 실험 라운드에서 최상의 개입을 우선시합니다. 연구자들은 그들의 기술이 실제로 최적의 개입을 식별했는지 확인하기 위해 엄격한 이론적 분석을 수행했습니다. 이론적 틀을 마련한 후 그들은 세포 재프로그래밍 실험을 모방하도록 설계된 실제 생물학적 데이터에 알고리즘을 적용했습니다. 그들의 알고리즘은 가장 효율적이고 효과적이었습니다. “대규모 실험은 경험적으로 설계되는 경우가 너무 많습니다. 순차적 실험을 위한 주의 깊은 인과적 프레임워크는 더 적은 수의 시도로 최적의 개입을 식별할 수 있게 하여 실험 비용을 절감할 수 있습니다. MIT와 Harvard의 Broad Institute에 있는 Eric and Wendy Schmidt 센터의 연구원이자 MIT 정보 결정 시스템 연구소(LIDS) 및 데이터, 시스템 및 사회 연구소(IDSS)의 연구원입니다. 에 게재된 논문에서 Uhler에 합류 자연 기계 지능 (“인과모델에서 최적의 개입 설계를 위한 능동적 학습”), 수석 저자이자 대학원생이자 Eric 및 Wendy Schmidt 센터 펠로우인 Jiaqi Zhang입니다. 공동 선임 저자인 Themistoklis P. Sapsis(MIT 기계 및 해양 공학 교수이자 IDSS 회원); 하버드와 MIT의 다른 사람들.
적극적인 학습
과학자들이 세포 재프로그래밍과 같은 복잡한 시스템에 대한 효과적인 개입을 설계하려고 할 때 종종 실험을 순차적으로 수행합니다. 이러한 설정은 능동 학습이라는 기계 학습 접근 방식을 사용하는 데 이상적으로 적합합니다. 데이터 샘플을 수집하고 지금까지 수집된 지식을 통합한 시스템 모델을 학습하는 데 사용합니다. 이 모델에서 모든 잠재적 개입을 평가하고 다음 시험에서 테스트할 가장 좋은 개입을 선택하는 방정식인 획득 함수가 설계되었습니다. 이 프로세스는 최적의 개입이 식별될 때까지(또는 후속 실험 자금을 조달할 리소스가 소진될 때까지) 반복됩니다. Sapsis는 “실험을 순차적으로 설계하기 위한 몇 가지 일반 획득 기능이 있지만 이러한 복잡성 문제에는 효과적이지 않아 수렴 속도가 매우 느려집니다.”라고 설명합니다. 획득 기능은 일반적으로 어떤 유전자가 공동 발현되는지와 같은 요인 간의 상관관계를 고려합니다. 그러나 상관관계에만 초점을 맞추면 시스템의 규제 관계나 인과 구조가 무시됩니다. 예를 들어, 유전적 개입은 하류 유전자의 발현에만 영향을 미칠 수 있지만 상관관계 기반 접근법은 상류 또는 하류 유전자를 구별할 수 없습니다. Zhang은 "데이터에서 이러한 인과 지식 중 일부를 학습하고 이를 사용하여 개입을 보다 효율적으로 설계할 수 있습니다"라고 설명합니다. MIT와 하버드 연구자들은 자신들의 기술에 이러한 근본적인 인과 구조를 활용했습니다. 첫째, 그들은 인과 관계를 설명하는 시스템 모델만 학습할 수 있도록 알고리즘을 신중하게 구성했습니다. 그런 다음 연구자들은 이러한 인과 관계에 대한 정보를 사용하여 개입을 자동으로 평가하도록 획득 기능을 설계했습니다. 그들은 이 기능을 만들어 가장 유익한 개입의 우선순위를 정했습니다. 즉, 후속 실험에서 최적의 개입으로 이어질 가능성이 가장 높은 개입을 의미합니다. “상관 기반 모델 대신 인과 모델을 고려함으로써 우리는 이미 특정 개입을 배제할 수 있습니다. 그런 다음 새로운 데이터를 얻을 때마다 더 정확한 인과 모델을 학습하여 개입 공간을 더욱 줄일 수 있습니다.”라고 Uhler는 설명합니다. 가장 유익한 개입에 대한 획득 기능의 특별한 초점과 결합된 이 작은 검색 공간은 접근 방식을 매우 효율적으로 만듭니다. 연구원들은 복잡한 시스템의 극한 현상에 대한 연구에서 영감을 받아 출력 가중치라고 알려진 기술을 사용하여 획득 기능을 더욱 개선했습니다. 이 방법은 최적의 개입에 더 가까운 개입을 신중하게 강조합니다. "본질적으로 우리는 최적의 개입을 가능한 모든 차선책의 공간 내에서 '극단적인 사건'으로 보고 이러한 문제에 대해 우리가 개발한 아이디어 중 일부를 사용합니다."라고 Sapsis는 말합니다.향상된 효율성
그들은 시뮬레이션된 세포 재프로그래밍 실험에서 실제 생물학적 데이터를 사용하여 알고리즘을 테스트했습니다. 이 테스트를 위해 그들은 평균 유전자 발현에 원하는 변화를 가져올 수 있는 유전적 교란을 찾았습니다. 획득 기능은 다단계 실험의 모든 단계에서 기본 방법보다 더 나은 개입을 일관되게 식별했습니다. “어떤 단계에서든 실험을 중단하더라도 우리의 실험은 여전히 기준선보다 더 효율적일 것입니다. 이는 더 적은 수의 실험을 통해 동일하거나 더 나은 결과를 얻을 수 있다는 것을 의미합니다.”라고 Zhang은 말합니다. 연구진은 현재 실험실에서 세포 재프로그래밍에 자신의 기술을 적용하기 위해 실험자들과 협력하고 있습니다. 그들의 접근 방식은 소비자 제품의 최적 가격을 식별하거나 유체 역학 응용 분야에서 최적의 피드백 제어를 활성화하는 등 유전체학 외부의 문제에도 적용될 수 있습니다. 앞으로 그들은 원하는 평균을 맞추는 것 이상으로 최적화 기술을 향상시킬 계획입니다. 또한 그들의 방법은 과학자들이 이미 시스템의 인과 관계를 이해하고 있다고 가정하지만 향후 연구에서는 AI를 사용하여 해당 정보를 학습하는 방법도 탐색할 수 있습니다.- SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
- PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
- PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
- 플라톤ESG. 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
- PlatoHealth. 생명 공학 및 임상 시험 인텔리전스. 여기에서 액세스하십시오.
- 출처: https://www.nanowerk.com/news2/biotech/newsid=63752.php
- :있다
- :이다
- :아니
- :어디
- ][피
- 000
- 1
- 10
- 11
- 20
- 7
- 8
- 9
- a
- 할 수 있는
- 소개
- 계정
- 정확한
- 취득
- 활동적인
- 또한
- 영향을
- AI
- 연산
- 알고리즘
- 알고리즘
- All
- 수
- 이미
- 또한
- an
- 분석
- 및
- 어떤
- 등장하다
- 어플리케이션
- 어플리케이션
- 적용된
- 신청
- 접근
- 있군요
- AS
- 가정하다
- At
- 저자
- 자동적으로
- 평균
- 기반으로
- 기준
- BE
- 때문에
- BEST
- 더 나은
- 사이에
- 그 너머
- 몸
- 넓은
- 비자 면제 프로그램에 해당하는 국가의 시민권을 가지고 있지만
- by
- 라는
- CAN
- 게자리
- 주의
- 면밀히
- 세포
- 세포의
- 센터
- 어떤
- 자세히
- 결합
- 복잡한
- 복잡성
- 컴퓨터
- 컴퓨터 과학
- 실시
- 고려
- 치고는
- 일관되게
- 소비자
- 소비재
- 제어
- 수렴
- 상관 관계
- 값 비싼
- 비용
- 수
- 결합
- 만들어진
- 현재
- 절단
- 데이터
- 날짜
- 결정
- 학과
- 디자인
- 설계
- 원하는
- 결정
- 개발
- DID
- 드러내다
- 마다
- 유효한
- 효율적인
- 효율적으로
- 전기 공학
- 강조하다
- 가능
- 기사
- 엔지니어링
- 강화
- 이벤트
- 모든
- 실험
- 실험
- 실험
- 설명
- 탐험
- 표현
- 극단
- 요인
- 멀리
- 피드백
- 사람
- 적은
- Find
- 먼저,
- 유체
- 초점
- 초점
- 럭셔리
- 뼈대
- 에
- 기능
- 기능
- 기금
- 추가
- 미래
- 수집
- 게놈
- 유전체학
- 얻을
- 졸업
- 큰
- 하버드
- 하버드 대학교
- 있다
- 도움
- 보유
- 방법
- How To
- HTTPS
- 사람의
- 이상
- 이상적으로
- 아이디어
- 확인
- 확인
- 식별
- 면역 요법
- 개선하는
- in
- 통합
- 정보
- 유익한 정보
- 영감
- 예
- 를 받아야 하는 미국 여행자
- 학회
- 개입
- 개입
- 으로
- 포함
- IT
- 가입
- JPG
- 살인자
- 지식
- 알려진
- 실험실
- 실험실
- 대규모
- 리드
- 지도
- 배우다
- 배우기
- leveraged
- 레버리지
- 처럼
- 아마도
- 기계
- 제작
- 경기
- XNUMX월..
- 평균
- 의미
- 방법
- 기계적인
- 역학
- 회원
- 방법
- 방법
- MIT
- 모델
- 모델
- 배우기
- 보다 효율적으로
- 가장
- 많은
- 신제품
- 다음 것
- 번호
- 대양
- of
- 오프
- 자주
- on
- ONE
- 만
- 최적의
- or
- 기타
- 아웃
- 출력
- 외부
- 위에
- 서
- 특별한
- 수행
- 추천
- 장소
- 계획
- 플라톤
- 플라톤 데이터 인텔리전스
- 플라토데이터
- 가능한
- 가능성
- 학비 안내
- 우선 순위
- 우선 순위
- 문제
- 방법
- 제품
- 교수
- 약속
- 현실
- 감소
- 재생
- 규제하다
- 규제
- 규정하는
- 관계
- 관계
- 수리
- 반복
- 연구원
- 연구원
- 제품 자료
- 결과
- 결과
- 엄밀한
- 반올림
- 통치
- 달리기
- 같은
- 라고
- 과학
- 과학자
- 검색
- 찾으라
- 설정
- 몇몇의
- 변화
- 느리게
- 작은
- So
- 지금까지
- 사회
- 일부
- 언젠가
- 모색
- 스페이스 버튼
- 특별한
- 단계
- 주 정부
- 단계
- 아직도
- 전략
- 구조
- 노력
- 학생
- 교육과정
- 후속의
- 이러한
- 체계
- 시스템은
- 대상
- test
- 테스트
- 보다
- 그
- XNUMXD덴탈의
- 미래
- 그들의
- 그때
- 이론적 인
- 치료
- 그곳에.
- 그것에 의하여
- Bowman의
- 그들
- 이
- 그
- 을 통하여
- 에
- 방향
- 전통적인
- 트리 트먼트
- 시도
- 시련
- 시도
- 일반적으로
- 밑에 있는
- 이해
- 대학
- 까지
- 사용
- 익숙한
- 사용
- 거대한
- 대단히
- 관측
- we
- 잘
- 했다
- 뭐
- 언제
- 때마다
- 어느
- 누구
- 과
- 이내
- 작업
- 일하는
- 겠지
- 당신
- 제퍼 넷
- 장