02 Ekim 2023 (Nanowerk Haberleri) Hücresel yeniden programlama stratejisi, bir hücreyi yeni bir duruma dönüştürmek için hedeflenen genetik müdahalelerin kullanılmasını içerir. Bu teknik, örneğin araştırmacıların bir hastanın T hücrelerini daha güçlü kanser öldürücü olacak şekilde yeniden programlayabileceği immünoterapide büyük umut vaat ediyor. Bir gün bu yaklaşım, hayat kurtaran kanser tedavilerinin veya hastalıklardan zarar görmüş organları onaran rejeneratif tedavilerin belirlenmesine de yardımcı olabilir.
Ancak insan vücudunda yaklaşık 20,000 gen vardır ve genetik bir bozulma, genlerin bir kombinasyonunda veya genleri düzenleyen 1,000'den fazla transkripsiyon faktöründen herhangi birinde olabilir. Arama alanı geniş olduğundan ve genetik deneyler maliyetli olduğundan, bilim insanları sıklıkla kendi özel uygulamaları için ideal pertürbasyonu bulmakta zorlanırlar.
MIT ve Harvard Üniversitesi'nden araştırmacılar, geleneksel yöntemlere göre çok daha az sayıda deneye dayanarak optimal genetik bozuklukları etkili bir şekilde tanımlayabilen yeni, hesaplamaya dayalı bir yaklaşım geliştirdi.
Algoritmik teknikleri, ardışık deneylerin her turunda en iyi müdahaleye öncelik vermek için genom düzenlemesi gibi karmaşık bir sistemdeki faktörler arasındaki neden-sonuç ilişkisinden yararlanıyor.
Araştırmacılar, tekniklerinin gerçekten de optimal müdahaleleri belirlediğini belirlemek için sıkı bir teorik analiz yürüttüler. Bu teorik çerçeve mevcut olduğunda, algoritmaları hücresel yeniden programlama deneyini taklit etmek üzere tasarlanmış gerçek biyolojik verilere uyguladılar. Onların algoritmaları en verimli ve etkili olanıydı.
"Genellikle büyük ölçekli deneyler ampirik olarak tasarlanıyor. Sıralı deneyler için dikkatli bir nedensel çerçeve, daha az denemeyle en uygun müdahalelerin belirlenmesine olanak tanıyabilir, böylece deney maliyetleri azaltılabilir," diyor aynı zamanda eş direktör olan Elektrik Mühendisliği ve Bilgisayar Bilimleri Bölümü'nde (EECS) profesör olan eş-kıdemli yazar Caroline Uhler MIT ve Harvard Broad Enstitüsü'ndeki Eric ve Wendy Schmidt Merkezi'nden araştırmacı ve MIT Bilgi ve Karar Sistemleri Laboratuvarı (LIDS) ile Veri, Sistemler ve Toplum Enstitüsü'nde (IDSS) araştırmacı.
Makalede Uhler'e katılmak Doğa Makine Zekası (“Nedensel modellerde optimal müdahale tasarımı için aktif öğrenme”), başyazar Jiaqi Zhang, yüksek lisans öğrencisi ve Eric ve Wendy Schmidt Merkezi Üyesi; ortak kıdemli yazar Themistoklis P. Sapsis, MIT'de makine ve okyanus mühendisliği profesörü ve IDSS üyesi; ve diğerleri Harvard ve MIT'de.
Aktif öğrenme
Bilim adamları, hücresel yeniden programlama gibi karmaşık bir sistem için etkili bir müdahale tasarlamaya çalıştıklarında, genellikle deneyleri sırayla gerçekleştirirler. Bu tür ayarlar, aktif öğrenme adı verilen makine öğrenimi yaklaşımının kullanımı için idealdir. Veri örnekleri toplanır ve şu ana kadar toplanan bilgileri içeren sistemin bir modelini öğrenmek için kullanılır. Bu modelden, tüm potansiyel müdahaleleri değerlendiren ve bir sonraki denemede test etmek için en iyisini seçen bir denklem olan bir edinme fonksiyonu tasarlanmıştır. Bu süreç, en uygun müdahale belirlenene kadar (veya sonraki deneyleri finanse edecek kaynaklar tükenene kadar) tekrarlanır. Sapsis şöyle açıklıyor: "Deneyleri sırayla tasarlamak için çeşitli genel edinim işlevleri olmasına rağmen, bunlar bu tür karmaşıklıktaki problemler için etkili değil ve çok yavaş yakınsamaya yol açıyor." Edinme işlevleri tipik olarak hangi genlerin birlikte ifade edildiği gibi faktörler arasındaki korelasyonu dikkate alır. Ancak yalnızca korelasyona odaklanmak, sistemin düzenleyici ilişkilerini veya nedensel yapısını göz ardı eder. Örneğin, bir genetik müdahale yalnızca aşağı yöndeki genlerin ifadesini etkileyebilir, ancak korelasyona dayalı bir yaklaşım, yukarı yönde veya aşağı yönde olan genler arasında ayrım yapamayacaktır. Zhang, "Bu nedensel bilginin bir kısmını verilerden öğrenebilir ve bunu daha verimli bir müdahale tasarlamak için kullanabilirsiniz" diye açıklıyor. MIT ve Harvard araştırmacıları, teknikleri için bu temel nedensel yapıyı kullandılar. İlk olarak, yalnızca nedensel ilişkileri açıklayan sistem modellerini öğrenebilecek şekilde dikkatlice bir algoritma oluşturdular. Daha sonra araştırmacılar, bu nedensel ilişkiler hakkındaki bilgileri kullanarak müdahaleleri otomatik olarak değerlendirecek şekilde edinme işlevini tasarladılar. Bu işlevi, en bilgilendirici müdahalelere, yani sonraki deneylerde en uygun müdahaleye yol açması muhtemel olanlara öncelik verecek şekilde tasarladılar. "Korelasyona dayalı modeller yerine nedensel modelleri dikkate alarak bazı müdahaleleri zaten göz ardı edebiliriz. Daha sonra, yeni veriler elde ettiğinizde daha doğru bir nedensel model öğrenebilir ve böylece müdahalelerin alanını daha da daraltabilirsiniz," diye açıklıyor Uhler. Bu daha küçük arama alanı, edinme fonksiyonunun en bilgilendirici müdahalelere özel odaklanmasıyla birleştiğinde, yaklaşımlarını bu kadar verimli kılan şeydir. Araştırmacılar, karmaşık sistemlerdeki aşırı olayların incelenmesinden ilham alan, çıktı ağırlıklandırması olarak bilinen bir tekniği kullanarak edinim fonksiyonlarını daha da geliştirdiler. Bu yöntem, optimal müdahaleye daha yakın olması muhtemel müdahaleleri dikkatle vurgular. Sapsis, "Aslında, optimal müdahaleyi tüm olası, optimal olmayan müdahaleler alanı içinde 'ekstrem bir olay' olarak görüyoruz ve bu sorunlar için geliştirdiğimiz fikirlerin bazılarını kullanıyoruz" diyor.Gelişmiş verimlilik
Simüle edilmiş bir hücresel yeniden programlama deneyinde gerçek biyolojik verileri kullanarak algoritmalarını test ettiler. Bu test için ortalama gen ifadesinde arzu edilen bir değişime yol açacak bir genetik bozulma aradılar. Edinme fonksiyonları, çok aşamalı deneyin her adımında sürekli olarak temel yöntemlerden daha iyi müdahaleleri belirledi. "Denemeyi herhangi bir aşamada keserseniz, bizimki yine de başlangıç seviyesinden daha verimli olacaktır. Bu, daha az deney yapıp aynı veya daha iyi sonuçları alabileceğiniz anlamına geliyor" diyor Zhang. Araştırmacılar şu anda tekniklerini laboratuvarda hücresel yeniden programlamaya uygulamak için deneycilerle çalışıyorlar. Yaklaşımları, tüketici ürünleri için en uygun fiyatların belirlenmesi veya akışkanlar mekaniği uygulamalarında en uygun geri bildirim kontrolünün sağlanması gibi genomik dışındaki sorunlara da uygulanabilir. Gelecekte, optimizasyon tekniklerini istenen ortalamayı yakalamanın ötesinde geliştirmeyi planlıyorlar. Buna ek olarak, yöntemleri bilim adamlarının sistemlerindeki nedensel ilişkileri zaten anladıklarını varsayıyor, ancak gelecekteki çalışmalar bu bilgiyi öğrenmek için yapay zekanın nasıl kullanılacağını da keşfedebilir.- SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
- PlatoData.Network Dikey Üretken Yapay Zeka. Kendine güç ver. Buradan Erişin.
- PlatoAiStream. Web3 Zekası. Bilgi Genişletildi. Buradan Erişin.
- PlatoESG. karbon, temiz teknoloji, Enerji, Çevre, Güneş, Atık Yönetimi. Buradan Erişin.
- PlatoSağlık. Biyoteknoloji ve Klinik Araştırmalar Zekası. Buradan Erişin.
- Kaynak: https://www.nanowerk.com/news2/biotech/newsid=63752.php
- :vardır
- :dır-dir
- :olumsuzluk
- :Neresi
- ][P
- 000
- 1
- 10
- 11
- 20
- 7
- 8
- 9
- a
- Yapabilmek
- Hakkımızda
- Hesap
- doğru
- edinme
- aktif
- ilave
- etkiler
- AI
- algoritma
- algoritmik
- algoritmalar
- Türkiye
- izin vermek
- zaten
- Ayrıca
- an
- analiz
- ve
- herhangi
- belirir
- Uygulama
- uygulamaları
- uygulamalı
- Tamam
- yaklaşım
- ARE
- AS
- varsayar
- At
- yazar
- otomatik olarak
- ortalama
- merkezli
- Temel
- BE
- Çünkü
- İYİ
- Daha iyi
- arasında
- Ötesinde
- vücut
- geniş
- fakat
- by
- denilen
- CAN
- Kanser
- dikkatli
- dikkatlice
- hücre
- hücresel
- Merkez
- belli
- yakın
- kombinasyon
- karmaşık
- karmaşıklık
- bilgisayar
- Bilgisayar Bilimleri
- yürütülen
- Düşünmek
- düşünen
- sürekli
- tüketici
- Tüketici ürünleri
- kontrol
- Yakınsama
- Ilişki
- pahalı
- maliyetler
- olabilir
- çiftleşmiş
- hazırlanmış
- Şu anda
- kesim
- veri
- Tarih
- karar
- bölüm
- Dizayn
- tasarlanmış
- İstediğiniz
- Belirlemek
- gelişmiş
- DID
- ayırmak
- her
- Etkili
- verimli
- verimli biçimde
- elektrik Mühendisliği
- vurgulamaktadır
- etkinleştirme
- mühendis
- Mühendislik
- artırmak
- olaylar
- Her
- deneme
- deneysel
- deneyler
- açıklar
- keşfetmek
- ifade
- aşırı
- faktörler
- uzak
- geribesleme
- adam
- daha az
- bulmak
- Ad
- sıvı
- odak
- odaklanma
- İçin
- iskelet
- itibaren
- işlev
- fonksiyonlar
- fon
- daha fazla
- gelecek
- toplanmış
- genom
- genomik
- almak
- mezun
- harika
- Harvard
- Harvard Üniversitesi
- Var
- yardım et
- tutar
- Ne kadar
- Nasıl Yapılır
- HTTPS
- insan
- ideal
- ideal olarak
- fikirler
- tespit
- belirlemek
- belirlenmesi
- immünoterapi
- gelişmiş
- in
- birleştirir
- bilgi
- aydınlatıcı
- ilham
- örnek
- yerine
- Enstitü
- müdahale
- müdahaleler
- içine
- içerir
- IT
- birleştirme
- jpg
- katiller
- bilgi
- bilinen
- laboratuvar
- laboratuvar
- büyük ölçekli
- öncülük etmek
- önemli
- ÖĞRENİN
- öğrenme
- kaldıraçlı
- leverages
- sevmek
- Muhtemelen
- makine
- YAPAR
- Maç
- Mayıs..
- ortalama
- anlam
- anlamına geliyor
- mekanik
- mekanik
- üye
- yöntem
- yöntemleri
- İLE
- model
- modelleri
- Daha
- daha verimli
- çoğu
- çok
- yeni
- sonraki
- numara
- okyanus
- of
- kapalı
- sık sık
- on
- ONE
- bir tek
- optimum
- or
- Diğer
- dışarı
- çıktı
- dışında
- tekrar
- kâğıt
- belirli
- yapmak
- Seçtikleri
- yer
- plan
- Platon
- Plato Veri Zekası
- PlatoVeri
- mümkün
- potansiyel
- Fiyatlar
- Öncelik
- öncelik
- sorunlar
- süreç
- Ürünler
- profesör
- söz
- gerçek
- azaltarak
- düzeltici
- düzenlemek
- Değişiklik Yapıldı
- düzenleyici
- ilişki
- İlişkiler
- onarım
- tekrarlanan
- araştırmacı
- Araştırmacılar
- Kaynaklar
- sonuç
- Sonuçlar
- titiz
- yuvarlak
- Kural
- koşmak
- aynı
- diyor
- Bilim
- bilim adamları
- Ara
- Aramak
- ayarlar
- birkaç
- çalışma
- yavaş
- daha küçük
- So
- şu ana kadar
- Toplum
- biraz
- birgün
- aranan
- uzay
- özel
- Aşama
- Eyalet
- adım
- Yine
- Stratejileri
- yapı
- Çabalama
- Öğrenci
- Ders çalışma
- sonraki
- böyle
- sistem
- Sistemler
- Hedeflenen
- test
- test edilmiş
- göre
- o
- The
- Gelecek
- ve bazı Asya
- sonra
- teorik
- terapiler
- Orada.
- böylece
- Bunlar
- onlar
- Re-Tweet
- Bu
- İçinden
- için
- karşı
- geleneksel
- tedaviler
- deneme
- denemeler
- denemek
- tipik
- altında yatan
- anlamak
- üniversite
- kadar
- kullanım
- Kullanılmış
- kullanma
- Geniş
- çok
- Görüntüle
- we
- İYİ
- vardı
- Ne
- ne zaman
- her ne zaman
- hangi
- DSÖ
- ile
- içinde
- İş
- çalışma
- olur
- sen
- zefirnet
- zhang