Биологи Северо-Западного университета (США) при поддержке Национального научного фонда написали алгоритм машинного обучения, который помогает лучше понять, как взаимодействуют составные части клетки. Другими словами, как клетка принимает решения.
«Мы хотим понять, как клетки принимают решения, чтобы уметь управлять этими решениями, — говорит Неда Багери, руководитель исследования. — Клетка может начать бесконтрольно делиться, как в случае рака. Если мы поймем, как она приняла такое решение, то сможем разработать стратегии вмешательства».
В ходе биологических экспериментов исследователи часто нарушают функции субъекта и измеряют его реакцию. Но в таком случае становится сложно понять, были ли изменения в генетическом ландшафте вызваны прямым действием препарата или имел место эффект от других явлений внутри клетки. Алгоритм SWING создает более полную картину причин и следствий, происходящих в генах, включая параметр времени, которое проходит между неким действием в клетке и реакцией на него.
«Динамика очень важна, потому что вопрос не только в том, будет ли клетка реагировать на определенный входной сигнал, но и в том, как это произойдет, — говорит Багери. — Будет ли реакция медленной? Быстрой? Пульсирующей или более динамичной? Если я введу препарат, например, будет ли клетка реагировать незамедлительно, а потом восстановится, или выработает к нему сопротивляемость? Понимание этой динамики может направить в нужную сторону разработку новых лекарств».
После создания ИИ-алгоритма команда Багери протестировала его в лаборатории на кишечной палочке и дрожжах. Сейчас он доступен онлайн как продукт с открытым кодом. Его можно использовать не только для изучения внутренней жизни клеток, но и в областях, далеких от биологии — в экономике или финансах/