Maskinlæring bruges til at forstå og forudsige dynamikken i ormens adfærd

Biofysikere har brugt en automatiseret metode til at modellere et levende system - dynamikken i en orm, der opfatter og undslipper smerte. Det Proceedings of the National Academy of Sciences (PNAS) offentliggjorde resultaterne, som arbejdede med data fra forsøg på C. elegans rundorm.

"Vores metode er en af ​​de første til at bruge maskinlæringsværktøjer til eksperimentelle data til at udlede enkle, fortolkelige bevægelsesligninger for et levende system, "siger Ilya Nemenman, seniorforfatter af papiret og professor i fysik og biologi ved Emory University. "Vi har nu et principbevis for, at det kan lade sig gøre. Det næste trin er at se, om vi kan anvende vores metode til et mere kompliceret system."

Modellen giver præcise forudsigelser om dynamikken i ormens adfærd, og disse forudsigelser er biologisk fortolkelige og er blevet eksperimentelt verificeret.

Medarbejdere på papiret inkluderer første forfatter Bryan Daniels, en teoretiker fra Arizona State University, og medforfatter William Ryu, en eksperimentelist fra University of Toronto.

Forskerne brugte en algoritme, udviklet i 2015 af Daniels og Nemenman, der lærer en computer, hvordan man effektivt kan søge efter de love, der ligger til grund for naturlige dynamiske systemer, herunder komplekse biologiske. De døbte algoritmen "Sir Isaac, " efter en af ​​de mest berømte videnskabsmænd nogensinde - Sir Isaac Newton. Deres langsigtede mål er at udvikle algoritmen til en "robotforsker, "at automatisere og fremskynde den videnskabelige metode til dannelse af kvantitative hypoteser, derefter teste dem ved at se på data og eksperimenter.

Mens Newtons Three Laws of Motion kan bruges til at forudsige dynamik for mekaniske systemer, biofysikerne ønsker at udvikle lignende forudsigende dynamiske tilgange, der kan anvendes på levende systemer.

Til PNAS-avisen, de fokuserede på den involverede beslutningstagning hvornår C. elegans reagerer på en sansestimulering. Dataene på C. elegans tidligere var blevet indsamlet af Ryu -laboratoriet, som udvikler metoder til at måle og analysere adfærdsmæssige reaktioner fra rundormen på det holistiske niveau, fra grundlæggende motoriske bevægelser til langsigtede adfærdsprogrammer.

C. elegans er et veletableret laboratoriedyremodelsystem. Mest C. elegans har kun 302 neuroner, få muskler og et begrænset repertoire af bevægelse. En sekvens af eksperimenter involverede at afbryde individets fremadgående bevægelse C. elegans med et laserslag mod hovedet. Når laseren rammer en orm, det trækker sig tilbage, accelererer kortvarigt baglæns og vender til sidst tilbage til fremadgående bevægelse, normalt i en anden retning. Individuelle orme reagerer forskelligt. Nogle, for eksempel, vende omgående retning ved laserstimulus, mens andre standser kort, inden de svarer. En anden variabel i eksperimenterne er laserens intensitet:Orme reagerer hurtigere på varmere og hurtigere stigende temperaturer.

Forskerne fodrede Sir Isaac -platformen med bevægelsesdata fra de første par sekunder af eksperimenterne - før og kort tid efter at laseren rammer en orm, og den reagerer i første omgang. Ud fra disse begrænsede data, Algoritmen var i stand til at fange de gennemsnitlige svar, der matchede de eksperimentelle resultater, og også at forudsige ormens bevægelse langt ud over disse første få sekunder, generaliserer ud fra den begrænsede viden. Forudsigelsen efterlod kun 10 procent af variabiliteten i ormens bevægelse, der kan tilskrives laserstimuleringen uforklarlig. Dette var dobbelt så godt som de bedste tidligere modeller, som ikke blev hjulpet af automatiseret slutning.

"At forudsige en orms beslutning om hvornår og hvordan man bevæger sig som reaktion på en stimulus er meget mere kompliceret end bare at beregne, hvordan en bold vil bevæge sig, når man sparker den, " siger Nemenman. "Vores algoritme skulle tage højde for kompleksiteten af ​​sensorisk behandling i ormene, den neurale aktivitet som reaktion på stimuli, efterfulgt af aktivering af muskler og de kræfter, som de aktiverede muskler genererer. Det opsummerede alt dette til en enkel og elegant matematisk beskrivelse. "

Modellen afledt af Sir Isaac passede godt til biologien af C. elegans , leverer fortolkelige resultater for både den sensoriske behandling og motorresponsen, antyder potentialet ved kunstig intelligens til at hjælpe med at opdage nøjagtige og fortolkelige modeller af mere komplekse systemer.

"Det er et stort skridt fra at lave forudsigelser om en orms adfærd til et menneskes, "Nemenman siger, "men vi håber, at ormen kan tjene som en slags sandkasse til test af metoder til automatiseret slutning, sådan, at Sir Isaac en dag kan gavne menneskers sundhed direkte. Meget af videnskaben handler om at gætte de love, der styrer naturlige systemer og derefter verificere disse gæt gennem eksperimenter. Hvis vi kan finde ud af at bruge moderne værktøjer til maskinlæring til at gætte, det kunne i høj grad fremskynde forskningsgennembrud. "