人工智能技术,预测细胞生长可能有一天诊断癌症或开发新药物
elenabsl/ Shutterstock" width="800" height="394">
机器学习技术无处不在。他们所使用的搜索引擎,社会媒体,甚至在网上银行。但是这项技术仍然是新兴的一个领域是医学。
机器学习技术可以非常有前途的药物,可用于许多应用程序,如检测疾病的迹象细胞,为罕见疾病或发现新的药物。但是为了机器学习方法能够做这样的事情,它需要准确、能够理解细胞是如何工作的。
我们的团队开发了一个准确的机器学习方法可以预测细胞生长,研究人员可以很容易地理解。机器学习技术使其预测通过观察在不同条件下细胞如何改变和行动。这种方法可能有一天被用来诊断癌症,或预测某些药物可能与病人互动。
机器学习口译预测
机器学习从本质上讲,是一种人工智能(AI)的数据是用来教电脑自己做决定,没有一个人需要为他们做的。
但是的一个主要弱点的机器学习技术在生物学和医学的事实是他们没有把生物知识基础细胞生物化学学习过程。一般来说,他们也忽略这些知识时,做出了自己的预测。这是因为这些系统治疗的生物信息数据或数字,所以他们不考虑实际的生物这些数字的意义。
这种系统通常被称为“黑盒”系统。这些人工智能是美联储数据,为用户提供一个明确的决定或者预测基于这些数据中的模式。然而,它通常不清楚艾未未因为它多么复杂的分析做出了决定。
黑盒的预测并不是一个主要问题在高精度领域是最重要的目标如软件用来预测垃圾邮件。但它是生物医学的一个主要缺点。黑盒不能解释研究人员预测,因为它们是多么的复杂,这意味着他们没有了解人工智能算法达到的预测。
“白箱”系统,另一方面,可能会稍微的决策或预测不准确,但它是清晰的用户他们的关系推断基于给定的数据。白盒系统的好处是,用户可以了解信息系统用于使其预测,因为它是可以理解的,用户还可以查询本身决定和解释它从生物学的观点。
机器学习的预测需要解释和合理的值得信赖的和在生物医学工作。在检测癌症的情况下,如果AI技术做了一个假阳性预测,它可能会导致不必要的治疗,另假阴性预测不及时治疗可能会导致疾病。了解机器学习算法的预测也将有助于避免假阴性当研究潜在的药物和任何他们可能的副作用。
预测细胞生长
为了让人工智能方法在生物医学工作,我们首先需要设计一种机器学习方法,可以预测细胞生长,理解是推动这种增长。了解细胞在不同条件下生长和他们的增长变化的第一步是能够设计一个人工智能,可以检测的疾病或预测某些治疗可能是如何工作的。
我们的团队评估27个不同的机器学习方法,看着基因表达谱和机械的代谢模型。基因表达谱表明组装蛋白质的细胞的过程在各种条件下改变。代谢模型展示了底层细胞生物化学在每个应变工作。
然后我们建立我们自己的白盒机器学习技术,这将使我们能够轻松地解释如何AI做出了决定,克服以前的计算机学习技术的不足。我们通过教学智能决策使用数据从基因表达和代谢模型,以前没有做过的。
使用这两种模型来构建我们的机器学习方法改进预测精度比只使用基因表达数据在某些情况下4%。这揭示未知的优势基因表达之间的相互作用和代谢活动。
然后我们检查我们的方法对超过1000种不同的菌株酿酒酵母——一种酵母在发酵,酿造和酿酒。这种类型的酵母是广泛使用的数据,便于评估我们的机器学习方法的有效性。
酵母的结果表明,与我们的白盒方法,我们可以在某些情况下维护和提高预测精度的人工智能技术。但重要的是,我们还提供了一个解释这些预测,通过解释细胞生化反应活跃在不同的条件。
我们的方法结合了生物机制的信息,如细胞生物化学的学习过程。这克服了传统的黑盒限制数据驱动方法,并达到一步的发展可翻译的机器学习模型。
这样做的好处是,机器学习模型基于我们的方法会更值得信赖。我们的结果表明,结合数据和知识模型为研究人员提供了更多的信息关于细胞生长和在一定条件下工作。
虽然这仍然需要被测试使用人类的细胞,它可以有很多未来的应用前景。例如,了解癌细胞通过他们的基因组成和环境条件的影响是一个重要和紧迫的挑战在治疗和预防。
用户评论