琳琳医学——生活健康网

天天中彩票注册登录_天天彩票官网 > 专家推荐 >

机器学习帮助研究人员发现蜂窝控制网络

2019-05-08 18:49:09 专家推荐184℃

  机器学习帮助研究人员发现蜂窝控制网络

  2017年3月22日

  我们体内细胞之间的信息流非常复杂:在不断的微观交战中,感知,发信号和相互影响。这些相互作用对生命至关重要,当它们出错时会导致疾病和伤害。

  科学家已经分离出数以千计的个体细胞相互作用,但是为了描绘导致细胞自我组织成器官或形成黑色素瘤的反应网络一直是一个极端的挑战。

  “我们作为一个社区正在淹没来自功能实验的定量数据,”塔夫茨大学生物学教授,艾伦探索中心主任迈克尔莱文说。 “从数据中提取对系统中发生的事情的深刻理解,以便做出生物医学上有用的事情变得越来越难。”

  与Maria Lobikin合作,获得博士学位。在他的实验室里,学生丹尼尔·洛博(Daniel Lobo)是前博士后现在,现在是马里兰大学巴尔的摩郡(UMBC)生物学和计算机科学的助理教授,莱文正在利用机器学习来揭示决定生物体的细胞控制网络开发,并设计破坏它们的方法。这项工作为计算机设计的癌症治疗和再生医学铺平了道路。

  “最后,机器学习平台的价值在于它们能否使我们获得新的能力,无论是再生医学还是其他治疗方法,”莱文说。

  在2016年1月的科学报告中,该团队报告了一项研究的结果,他们创造了一种蝌蚪,其具有前所未有的混合色素沉着形式。通过机器学习代码预测正常色素细胞向黑色素瘤样表型的部分转换 - 通过两种药物和信使RNA的组合实现 - 然后在实验室中进行验证。

  他们的工作得到了德克萨斯高级计算中心的Stampede超级计算机的推动 - 该计算中心是世界上最强大的计算中心之一 - 这使得该团队能够运行数十亿次模拟,以便对蜂窝网络进行建模并改变它。

  黑客攻击(小区)网络

  来自非洲爪蟾属的水生蛙的蝌蚪拥有一组色素细胞,莱文实验室此前表明,这些色素细胞可以通过中断与其他细胞类型的电通信而转化为黑素瘤样结果。

  通过多年的实验,他们发现各种治疗方法都可以诱导转化,但有些治疗过的动物会转变,有些则不会。

  “结果是概率性的,就像投掷有偏见的硬币一样,”莱文说。 “但值得注意的是,所有的细胞都扔了同一枚硬币:一只特定的动物要么转换,要么不转换。个别细胞没有做出独立的决定。“

  他们的人工智能衍生模型最重要的测试之一是看它是否可以用于发现一种破坏细胞之间正常一致性的治疗,并诱导一种盐和胡椒模式,其中单个细胞在一个单一的细胞内蝌蚪会选择变成黑色素瘤。

  他们不仅能够产生这种效果,而且能够预测混合色素沉着的蝌蚪数量。

  “我被机器学习平台让我们能够做一些我们以前无法做到的事情,在实验室中,在实际生物体中做了什么,这让我感到震惊”。莱文说。 “足以预测以前没有人做过的实验的新结果。”

  映射模型

  结果扩展了以前的研究团队,该团队使用机器学习来推导非洲爪蟾的细胞控制模型。为了确定模型,该团队将近十年的实验室实验结果输入到Stampede中,以及他们从这些实验和从事这些实验的其他实验室学到的事实。

  现有的实验显示了药物或蛋白质可能影响给定过程或细胞受体的多种方式,但不能全面了解复杂系统如何相互关联或信号动力学如何产生特定频率的黑色素瘤转化动物。给予一群动物的治疗。

  Lobo开发了一种代码,将药物和细胞相互作用视为网络上的节点,并表征每个组件如何表现为微分方程。然后,代码随机地将每个节点处的各种方程组合为一系列相互作用,并评估该交互网络与再现实验室实验的接近程度。

  相关故事H-RT应该是低风险前列腺癌男性的护理标准,研究表明耐受转移性前列腺癌对免疫检查点抑制剂的组合有反应对于那些有家族史的患者,乳腺癌筛查年龄应该降至35岁。没有接近实验结果,保留那些更接近的,然后重新组合成分。

  多次重复这个循环,过程的组合以类似于进化的方式变得越来越好,直到它到达能够预测实验室结果的系统。这种称为进化计算的方法已经在高性能计算中使用了数十年,但对于蜂窝控制网络的问题却从未使用过。

  “这种方法使用了大量的计算能力,”路宝说。 “该模型不具有确定性。因此,正如我们将药物应用于100蝌蚪,我们必须模拟模型100次以获得准确的结果。即使模型计算速度很快,机器学习算法也需要计算数十亿次模拟以精确地发现解释数据的正确方程式。

  该团队于2015年10月在Science Signaling上报告了这项初步工作的结果。

  逆向工程干预

  有了这个模型,他们就开始对可能产生特定结果的药物干预进行逆向工程:斑点蝌蚪。

  

  他们通常会在Stampede上实验他们通常在实验室中进行的562种实验,该模型预测了一条斑点色素沉着的途径:三种试剂的组合 - 两种药物抑制剂和一种信使RNA - 会打破全部 - 或者没有一致性。

  实验室实验证实了这一预测,导致个体蝌蚪内色素细胞的部分转化。

  他们得到的模型到目前为止仅在两栖动物中进行了测试,尽管目标的特定途径在人类中是保守的。此外,模型发现和询问的方法将适用于广泛的现象。

  “这是计算预测复杂表型的理想目标,并且使用建模预测来改善健康,治疗疾病和设计有用的生物体,这是向前迈出的一大步”。保罗G.艾伦边疆集团执行董事汤姆斯卡拉克说。

  Levin的实验室有兴趣将这种方法应用于再生医学以及细胞决定如何形成和修复复杂解剖结构的方法。 (该团队以前的研究结果描述了机器学习工作,以反向设计涡虫蠕虫从蠕虫碎片中再生整个身体的能力。)

  “除了处理基因组和蛋白质数据的生物信息学的当前工具之外,我们希望开发人工智能平台以帮助我们理解和控制大规模图案化,定义解剖学形状的算法,而不仅仅是指导个体细胞行为的机制,”莱文说。

  Lobo的实验室正在将该方法应用于癌症研究,以确定哪种类型的干预可能会阻止其转移,而不会损害其他细胞。

  “像化学疗法这样的传统方法攻击生长最多的细胞,但是留下了指示其他细胞生长并且可能是最重要的细胞”。路宝说。 “我们正在利用机器学习来找出这些细胞之间的通信网络,并希望发现一种可导致肿瘤崩溃的治疗方法。”

  他们的蝌蚪研究结果显示,机器学习如何发现复杂生命系统中的隐藏关系,并确定可以实现治疗结果的特定操作。

  “机器学习系统为科学家所做的最具创造性的事情做出了贡献:它帮助我们找到了解释这个复杂系统中正在发生的事情的模型”。莱文说。 “在未来,随着数据不断积累,计算机将成为科学过程的重要组成部分,帮助我们做出假设并制定生物系统如何运作的预测性定量模型。”

  来源:HTTPS://www.tacc.utexas.edu/-/machine-learning-lets-scientists-reverse-engineer-cellular-control-networks

搜索
网站分类