Biofysiker har använt en automatiserad metod för att modellera ett levande system - dynamiken i en mask som uppfattar och slipper smärta. De Proceedings of the National Academy of Sciences (PNAS) publicerade resultaten, som arbetade med data från experiment på C. elegans rundmask.

"Vår metod är en av de första att använda maskininlärningsverktyg för experimentella data för att härleda enkla, tolkbara rörelseekvationer för ett levande system, "säger Ilya Nemenman, senior författare till tidningen och professor i fysik och biologi vid Emory University. "Vi har nu principiella bevis på att det kan göras. Nästa steg är att se om vi kan tillämpa vår metod på ett mer komplicerat system."

Modellen gör exakta förutsägelser om dynamiken i maskbeteendet, och dessa förutsägelser är biologiskt tolkbara och har verifierats experimentellt.

Medarbetare på tidningen inkluderar första författaren Bryan Daniels, en teoretiker från Arizona State University, och medförfattare William Ryu, en experimentist från University of Toronto.

Forskarna använde en algoritm, utvecklat 2015 av Daniels och Nemenman, som lär en dator hur man effektivt söker efter de lagar som ligger till grund för naturliga dynamiska system, inklusive komplexa biologiska sådana. De kallade algoritmen "Sir Isaac, "efter en av de mest kända forskarna genom tiderna-Sir Isaac Newton. Deras långsiktiga mål är att utveckla algoritmen till en" robotforskare, "att automatisera och påskynda den vetenskapliga metoden för att bilda kvantitativa hypoteser, sedan testa dem genom att titta på data och experiment.

Medan Newtons tre lagar för rörelse kan användas för att förutsäga dynamik för mekaniska system, biofysikerna vill utveckla liknande prediktiva dynamiska tillvägagångssätt som kan tillämpas på levande system.

För PNAS -papper, de fokuserade på beslutsfattandet när C. elegans svarar på en sensorisk stimulans. Uppgifterna om C. elegans tidigare samlats av Ryu -labbet, som utvecklar metoder för att mäta och analysera beteendemässiga svar från rundmask på helhetsnivå, från grundläggande motoriska gester till långsiktiga beteendeprogram.

C. elegans är ett väletablerat system för laboratoriedjur. Mest C. elegans har bara 302 neuroner, få muskler och en begränsad repertoar av rörelse. En sekvens av experiment involverade att avbryta individens rörelse framåt C. elegans med ett laserfall mot huvudet. När lasern träffar en mask, det drar sig tillbaka, snabbt accelerera bakåt och så småningom återgå till framåtgående rörelse, oftast i en annan riktning. Enskilda maskar svarar olika. Vissa, till exempel, omvänd riktning omedelbart vid laserstimulans, medan andra pausar kort innan de svarar. En annan variabel i experimenten är laserns intensitet:maskar reagerar snabbare på varmare och snabbare stigande temperaturer.

Forskarna matade Sir Isaac -plattformen rörelsedata från de första sekunderna av experimenten - före och strax efter att lasern träffar en mask och den reagerar initialt. Från denna begränsade data, algoritmen kunde fånga de genomsnittliga svaren som matchade experimentella resultat och också att förutsäga maskens rörelse långt bortom dessa första sekunder, generaliserar från den begränsade kunskapen. Prognosen lämnade bara 10 procent av variationen i maskrörelsen som kan hänföras till laserstimulansen oförklarlig. Detta var dubbelt så bra som de bästa tidigare modellerna, som inte fick hjälp av automatiserad slutsats.

"Att förutsäga maskens beslut om när och hur man ska röra sig som svar på en stimulans är mycket mer komplicerat än att bara beräkna hur en boll kommer att röra sig när man sparkar den, "Nemenman säger." Vår algoritm var tvungen att ta hänsyn till komplexiteten i sensorisk bearbetning i maskarna, den neurala aktiviteten som svar på stimuli, följt av aktivering av muskler och de krafter som de aktiverade musklerna genererar. Det sammanfattade allt detta till en enkel och elegant matematisk beskrivning. "

Modellen från Sir Isaac var väl anpassad till biologin av C. elegans , tillhandahålla tolkningsbara resultat för både sensorisk bearbetning och motorrespons, antyder potentialen hos artificiell intelligens att hjälpa till att upptäcka exakta och tolkbara modeller av mer komplexa system.

"Det är ett stort steg från att göra förutsägelser om maskens beteende till människans, "Nemenman säger, "men vi hoppas att masken kan fungera som ett slags sandlåda för att testa metoder för automatiserad slutsats, sådan att Sir Isaac en dag direkt kan gynna människors hälsa. Mycket av vetenskapen handlar om att gissa de lagar som styr naturliga system och sedan verifiera dessa gissningar genom experiment. Om vi ​​kan ta reda på hur vi använder moderna verktyg för maskininlärning för att gissa, som kan påskynda forskningsgenombrotten. "