02. okt 2023 (Nanowerk Nyheter) En strategi for cellulær omprogrammering innebærer å bruke målrettede genetiske intervensjoner for å konstruere en celle til en ny tilstand. Teknikken har et stort løfte innen immunterapi, for eksempel, der forskere kan omprogrammere en pasients T-celler slik at de er mer potente kreftmordere. En dag kan tilnærmingen også bidra til å identifisere livreddende kreftbehandlinger eller regenerative terapier som reparerer sykdomsherjede organer.
Men menneskekroppen har omtrent 20,000 1,000 gener, og en genetisk forstyrrelse kan være på en kombinasjon av gener eller på noen av de over XNUMX transkripsjonsfaktorene som regulerer genene. Fordi søkeområdet er stort og genetiske eksperimenter er kostbare, sliter forskere ofte med å finne den ideelle forstyrrelsen for deres spesielle bruk.
Forskere fra MIT og Harvard University utviklet en ny, beregningsmessig tilnærming som effektivt kan identifisere optimale genetiske forstyrrelser basert på et mye mindre antall eksperimenter enn tradisjonelle metoder.
Deres algoritmiske teknikk utnytter årsak-og-virkning-forholdet mellom faktorer i et komplekst system, for eksempel genomregulering, for å prioritere den beste intervensjonen i hver runde med sekvensielle eksperimenter.
Forskerne gjennomførte en grundig teoretisk analyse for å fastslå at teknikken deres faktisk identifiserte optimale intervensjoner. Med det teoretiske rammeverket på plass, brukte de algoritmene på ekte biologiske data designet for å etterligne et cellulært omprogrammeringseksperiment. Algoritmene deres var de mest effektive.
"For ofte er storskala eksperimenter designet empirisk. Et nøye årsaksrammeverk for sekvensiell eksperimentering kan gjøre det mulig å identifisere optimale intervensjoner med færre forsøk, og dermed redusere eksperimentelle kostnader, sier co-seniorforfatter Caroline Uhler, professor ved Institutt for elektroteknikk og informatikk (EECS) som også er meddirektør. fra Eric og Wendy Schmidt Center ved Broad Institute of MIT og Harvard, og en forsker ved MITs Laboratory for Information and Decision Systems (LIDS) og Institute for Data, Systems and Society (IDSS).
Blir med Uhler på papiret, som vises i Nature Machine Intelligence ("Aktiv læring for optimal intervensjonsdesign i årsaksmodeller"), er hovedforfatter Jiaqi Zhang, en doktorgradsstudent og Eric og Wendy Schmidt Center Fellow; co-senior forfatter Themistoklis P. Sapsis, professor i mekanisk og havteknikk ved MIT og medlem av IDSS; og andre ved Harvard og MIT.
Aktiv læring
Når forskere prøver å designe en effektiv intervensjon for et komplekst system, som i cellulær omprogrammering, utfører de ofte eksperimenter sekvensielt. Slike innstillinger er ideelt egnet for bruk av en maskinlæringstilnærming kalt aktiv læring. Dataprøver samles inn og brukes til å lære en modell av systemet som inkorporerer kunnskapen som er samlet så langt. Fra denne modellen er en innhentingsfunksjon utformet - en ligning som evaluerer alle potensielle intervensjoner og velger den beste å teste i neste forsøk. Denne prosessen gjentas til en optimal intervensjon er identifisert (eller ressurser for å finansiere påfølgende eksperimenter går ut). "Selv om det er flere generiske innhentingsfunksjoner for å designe eksperimenter sekvensielt, er disse ikke effektive for problemer av en slik kompleksitet, noe som fører til veldig langsom konvergens," forklarer Sapsis. Anskaffelsesfunksjoner vurderer vanligvis korrelasjon mellom faktorer, for eksempel hvilke gener som blir co-uttrykt. Men å fokusere kun på korrelasjon ignorerer de regulatoriske sammenhengene eller årsaksstrukturen til systemet. For eksempel kan en genetisk intervensjon bare påvirke uttrykket av nedstrømsgener, men en korrelasjonsbasert tilnærming vil ikke være i stand til å skille mellom gener som er oppstrøms eller nedstrøms. "Du kan lære noe av denne årsakskunnskapen fra dataene og bruke den til å designe en intervensjon mer effektivt," forklarer Zhang. MIT- og Harvard-forskerne utnyttet denne underliggende årsaksstrukturen for teknikken deres. Først konstruerte de nøye en algoritme slik at den bare kan lære modeller av systemet som redegjør for årsakssammenhenger. Deretter designet forskerne innhentingsfunksjonen slik at den automatisk evaluerer intervensjoner ved å bruke informasjon om disse årsakssammenhengene. De laget denne funksjonen slik at den prioriterer de mest informative intervensjonene, altså de som mest sannsynlig vil føre til den optimale intervensjonen i påfølgende eksperimenter. «Ved å vurdere årsaksmodeller i stedet for korrelasjonsbaserte modeller, kan vi allerede utelukke visse intervensjoner. Så, når du får nye data, kan du lære en mer nøyaktig årsaksmodell og dermed krympe intervensjonsrommet ytterligere, forklarer Uhler. Dette mindre søkeområdet, kombinert med innhentingsfunksjonens spesielle fokus på de mest informative intervensjonene, er det som gjør tilnærmingen deres så effektiv. Forskerne forbedret innhentingsfunksjonen sin ytterligere ved å bruke en teknikk kjent som output-vekting, inspirert av studiet av ekstreme hendelser i komplekse systemer. Denne metoden legger nøye vekt på intervensjoner som sannsynligvis vil være nærmere den optimale intervensjonen. "I hovedsak ser vi på en optimal intervensjon som en "ekstrem begivenhet" innenfor alle mulige, suboptimale intervensjoner og bruker noen av ideene vi har utviklet for disse problemene, sier Sapsis.Forbedret effektivitet
De testet algoritmene sine ved å bruke ekte biologiske data i et simulert cellulært omprogrammeringseksperiment. For denne testen søkte de en genetisk forstyrrelse som ville resultere i et ønsket skifte i gjennomsnittlig genuttrykk. Oppkjøpsfunksjonene deres identifiserte konsekvent bedre intervensjoner enn baselinemetoder gjennom hvert trinn i flertrinnseksperimentet. "Hvis du avbryter eksperimentet på et hvilket som helst stadium, ville vårt fortsatt være mer effektivt enn grunnlinjene. Dette betyr at du kan kjøre færre eksperimenter og få samme eller bedre resultater, sier Zhang. Forskerne jobber for tiden med eksperimentelle for å bruke teknikken deres mot cellulær omprogrammering i laboratoriet. Tilnærmingen deres kan også brukes på problemer utenfor genomikk, for eksempel å identifisere optimale priser for forbrukerprodukter eller muliggjøre optimal tilbakemeldingskontroll i fluidmekanikkapplikasjoner. I fremtiden planlegger de å forbedre teknikken sin for optimalisering utover de som søker å matche et ønsket gjennomsnitt. I tillegg antar metoden deres at forskere allerede forstår årsakssammenhengene i systemet deres, men fremtidig arbeid kan også utforske hvordan man bruker AI for å lære den informasjonen.- SEO-drevet innhold og PR-distribusjon. Bli forsterket i dag.
- PlatoData.Network Vertical Generative Ai. Styrk deg selv. Tilgang her.
- PlatoAiStream. Web3 Intelligence. Kunnskap forsterket. Tilgang her.
- PlatoESG. Karbon, CleanTech, Energi, Miljø, Solenergi, Avfallshåndtering. Tilgang her.
- PlatoHelse. Bioteknologisk og klinisk etterretning. Tilgang her.
- kilde: https://www.nanowerk.com/news2/biotech/newsid=63752.php
- : har
- :er
- :ikke
- :hvor
- ][s
- 000
- 1
- 10
- 11
- 20
- 7
- 8
- 9
- a
- I stand
- Om oss
- Logg inn
- nøyaktig
- oppkjøp
- aktiv
- tillegg
- påvirke
- AI
- algoritme
- algoritmisk
- algoritmer
- Alle
- tillate
- allerede
- også
- an
- analyse
- og
- noen
- vises
- Søknad
- søknader
- anvendt
- Påfør
- tilnærming
- ER
- AS
- antar
- At
- forfatter
- automatisk
- gjennomsnittlig
- basert
- Baseline
- BE
- fordi
- BEST
- Bedre
- mellom
- Beyond
- kroppen
- bred
- men
- by
- som heter
- CAN
- Kreft
- forsiktig
- nøye
- celle
- mobilnettet
- sentrum
- viss
- nærmere
- kombinasjon
- komplekse
- kompleksitet
- datamaskin
- informatikk
- gjennomført
- Vurder
- vurderer
- konsekvent
- forbruker
- Forbrukerprodukter
- kontroll
- Konvergens
- Korrelasjon
- kostbar
- Kostnader
- kunne
- kombinert
- utformet
- I dag
- Kutt
- dato
- Dato
- avgjørelse
- Avdeling
- utforming
- designet
- ønsket
- Bestem
- utviklet
- gJORDE
- skille
- hver enkelt
- Effektiv
- effektiv
- effektivt
- elektroteknikk
- legger vekt på
- muliggjør
- ingeniør
- Ingeniørarbeid
- forbedre
- hendelser
- Hver
- eksperiment
- eksperimentell
- eksperimenter
- forklarer
- utforske
- uttrykk
- ekstrem
- faktorer
- langt
- tilbakemelding
- kar
- færre
- Finn
- Først
- væske
- Fokus
- fokusering
- Til
- Rammeverk
- fra
- funksjon
- funksjoner
- fond
- videre
- framtid
- samlet
- genom
- genomikk
- få
- oppgradere
- flott
- harvard
- Harvard University
- Ha
- hjelpe
- holder
- Hvordan
- Hvordan
- HTTPS
- menneskelig
- ideell
- ideelt sett
- Ideer
- identifisert
- identifisere
- identifisering
- immunterapi
- forbedret
- in
- inkorporerer
- informasjon
- informative
- inspirert
- f.eks
- i stedet
- Institute
- intervensjon
- intervensjoner
- inn
- innebærer
- IT
- sammenføyning
- jpg
- killers
- kunnskap
- kjent
- lab
- laboratorium
- storskala
- føre
- ledende
- LÆRE
- læring
- utnyttet
- utnytter
- i likhet med
- Sannsynlig
- maskin
- GJØR AT
- Match
- Kan..
- bety
- betyr
- midler
- mekanisk
- mekanikk
- medlem
- metode
- metoder
- MIT
- modell
- modeller
- mer
- mer effektivt
- mest
- mye
- Ny
- neste
- Antall
- hav
- of
- off
- ofte
- on
- ONE
- bare
- optimal
- or
- andre
- ut
- produksjon
- utenfor
- enn
- Papir
- Spesielt
- utføre
- Picks
- Sted
- fly
- plato
- Platon Data Intelligence
- PlatonData
- mulig
- potensiell
- Prisene
- Prioriter
- prioriterer
- problemer
- prosess
- Produkter
- Professor
- løfte
- ekte
- redusere
- regenerative
- Regulere
- Regulering
- regulatorer
- forholdet
- Relasjoner
- reparasjon
- gjentatt
- forsker
- forskere
- Ressurser
- resultere
- Resultater
- streng
- runde
- Regel
- Kjør
- samme
- sier
- Vitenskap
- forskere
- Søk
- Søke
- innstillinger
- flere
- skift
- langsom
- mindre
- So
- så langt
- Samfunnet
- noen
- en dag
- ettertraktet
- Rom
- spesiell
- Scene
- Tilstand
- Trinn
- Still
- Strategi
- struktur
- Struggle
- Student
- Studer
- senere
- slik
- system
- Systemer
- målrettet
- test
- testet
- enn
- Det
- De
- Fremtiden
- deres
- deretter
- teoretiske
- terapi
- Der.
- derved
- Disse
- de
- denne
- De
- Gjennom
- til
- mot
- tradisjonelle
- behandlinger
- prøve
- forsøk
- prøve
- typisk
- underliggende
- forstå
- universitet
- til
- bruke
- brukt
- ved hjelp av
- enorme
- veldig
- Se
- we
- VI VIL
- var
- Hva
- når
- når som helst
- hvilken
- HVEM
- med
- innenfor
- Arbeid
- arbeid
- ville
- du
- zephyrnet
- zhang