ساخت ابزاری با همگرایی یادگیری ماشینی و زیست‌شناسی مصنوعی

تاریخ : ۲۸ مهر ۱۳۹۹

تعداد بازدید : ۱۹۲

0 امتیاز از 0 رای
نسخه چاپی
موضوعات :

یک استارتاپ مستقر در سانفرانسیسکو با همکاری محققان دانمارکی و آزمایشگاه ملی لارنس در برکلی ابزاری مبتنی بر یادگیری ماشینی ساختند که به توسعه فناوری زیست‌شناسی مصنوعی کمک شایانی می‌کند. این ابزار مجهز به یادگیری ماشینی با دریافت اطلاعات درباره یک فرآیند زیست‌شناسی مصنوعی می‌تواند پیشنهادات جالب توجهی برای توسعه فرآیند ارائه دهد.

دانشمندان ابزار جدیدی ایجاد کردند که الگوریتم‌های یادگیری ماشینی را با نیازهای زیست‌شناسی مصنوعی ترکیب کرده و به توسعه پایدار این فناوری کمک می‌کند. این نوآوری بدان معناست که دانشمندان مجبور نیستند سال‌ها برای درک دقیق هر قسمت از سلول‌ و کارهایی که برای دستکاری در آن انجام می‌دهند، وقت صرف کنند.

 

محققان آزمایشگاه ملی لارنس در برکلی با مجموعه‌ای از داده‌های آموزشی، الگوریتم خود را به گونه‌ای آموزش داده‌اند که بتواند چگونگی تغییر در DNA سلول یا بیوشیمی آن را که روی رفتار سیستم تاثیرگذار است، پیش‌بینی کند و در نهایت پیشنهاداتی ارائه نماید.

 

هکتور گارسیا مارتین، محقق در بخش سیستم‌های زیستی و مهندسی آزمایشگاه برکلی که هدایت این تحقیق را به عهده دارد می‌گوید: « این امکانات انقلابی است، در حال حاضر، مهندسی زیستی یک روند بسیار کند است که ایجاد داروی ضد مالاریا در آن 150 سال به طول انجامیده است. اگر به جای سال‌ها بتوانید به سرعت این کار را انجام دهید، انقلابی در زیست‌شناسی مصنوعی ایجاد کرده‌اید.»

 

محققان این پروژه در مقاله‌ای با عنوان A machine learning Automated Recommendation Tool for synthetic biology که در نشریه Nature Communications  به چاپ رساندند فناوری یادگیری ماشینی را توصیف کردند که به کامپیوتر این امکان را می‌دهد که پس از یادگیری از مقدار قابل توجهی از داده‌ها، آموزش ببیند. این گروه تحقیقاتی ابزاری به نام ART ساختند که یک ماشین خودکار توصیه‌دهنده است که در آن از یادگیری ماشینی استفاده شده است. دراین پروژه، این ابزار با دریافت مقادیری از داده که دارای عدم قطعیت است تولید سوخت‌های تجدیدپذیر را بهبود داده است.

 

با همگرایی مدل‌های مکانیکی و یادگیری ماشینی برای مهندسی پیش‌بینی و بهینه‌سازی متابولیسم تریپتوفان، محققان  از ART برای بهینه‌سازی فرآیند متابولیسم استفاده کردند.

 

آنها در این پروژه 5 ژن را انتخاب کردند که هر کدام توسط پروموتورهای مختلف ژن و ساز وکارهای دیگر درون سلولی کنترل می‌شوند و در مجموع تقریبا امکان 8000 ترکیب مختلف در مسیرهای زیستی آنها وجود دارد. محققان با بررسی 250 مسیر و ارائه اطلاعات به این ابزار توانستند برآورد صحیحی از دیگر ترکیب‌ها به دست آورند.

منبع : https://www.sciencedaily.com/releases/2020/09/200925113447.htm

نظر شما