Hành trình Khoa học, Không gian và Thời gian!
Các nhà sinh lý học đã sử dụng một phương pháp tự động để mô hình hóa một hệ thống sống – động lực của một con sâu nhận thức và thoát khỏi nỗi đau. Mô hình đưa ra dự đoán chính xác về động lực học của hành vi sâu và những dự đoán này có thể hiểu được về mặt sinh học và đã được xác minh bằng thực nghiệm.
“Phương pháp của chúng tôi là một trong những phương pháp đầu tiên sử dụng các công cụ học máy trên dữ liệu thực nghiệm để rút ra các phương trình chuyển động đơn giản, có thể giải thích được cho một hệ thống sống”, Ilya Nemenman, tác giả của bài báo và là giáo sư vật lý và sinh học tại Đại học Emory nói. . “Bây giờ chúng tôi có bằng chứng về nguyên tắc rằng nó có thể được thực hiện. Bước tiếp theo là xem liệu chúng tôi có thể áp dụng phương pháp của mình cho một hệ thống phức tạp hơn không.”
Mô hình đưa ra dự đoán chính xác về động lực học của hành vi sâu và những dự đoán này có thể hiểu được về mặt sinh học và đã được xác minh bằng thực nghiệm.
Cộng tác viên trên bài báo bao gồm tác giả đầu tiên Bryan Daniels, một nhà lý luận từ Đại học bang Arizona, và đồng tác giả William Ryu, một nhà thực nghiệm từ Đại học Toronto.
Các nhà nghiên cứu đã sử dụng một thuật toán, được phát triển vào năm 2015 bởi Daniels và Nemenman, dạy cho máy tính cách tìm kiếm hiệu quả các định luật làm nền tảng cho các hệ thống động lực tự nhiên, bao gồm cả các hệ thống sinh học phức tạp. Họ đặt tên cho thuật toán là “Ngài Isaac”, theo tên một trong những nhà khoa học nổi tiếng nhất mọi thời đại – Ngài Isaac Newton. Mục tiêu dài hạn của họ là phát triển thuật toán thành một “nhà khoa học robot”, để tự động hóa và tăng tốc phương pháp khoa học hình thành các giả thuyết định lượng, sau đó kiểm tra chúng bằng cách xem xét dữ liệu và thí nghiệm.
Trong khi Ba định luật về chuyển động của Newton có thể được sử dụng để dự đoán động lực học cho các hệ thống cơ học, các nhà sinh lý học muốn phát triển các phương pháp động lực dự đoán tương tự có thể áp dụng cho các hệ thống sống.
Đối với bài báo PNAS, họ tập trung vào việc ra quyết định liên quan khi C. Elegans phản ứng với một kích thích giác quan. Dữ liệu về C. Elegans trước đây đã được phòng thí nghiệm Ryu thu thập, nơi phát triển các phương pháp để đo lường và phân tích phản ứng hành vi của giun tròn ở cấp độ tổng thể, từ cử chỉ cơ bản đến các chương trình hành vi dài hạn.
C. Elegans là một hệ thống mô hình động vật thí nghiệm được thiết lập tốt. Hầu hết C. Elegans chỉ có 302 nơ-ron, ít cơ bắp và một tiết mục chuyển động hạn chế. Một chuỗi các thí nghiệm liên quan đến việc làm gián đoạn chuyển động về phía trước của từng cá thể C. Elegans bằng một tia laser vào đầu. Khi tia laser tấn công một con sâu, nó rút đi, nhanh chóng tăng tốc về phía sau và cuối cùng quay trở lại chuyển động về phía trước, thường là theo một hướng khác. Giun riêng lẻ phản ứng khác nhau. Một số, ví dụ, ngay lập tức đảo ngược hướng kích thích laser, trong khi những người khác tạm dừng một thời gian ngắn trước khi phản hồi. Một biến số khác trong các thí nghiệm là cường độ của tia laser: Giun phản ứng nhanh hơn với nhiệt độ nóng hơn và tăng nhanh hơn.
Các nhà nghiên cứu đã cung cấp cho nền tảng Sir Isaac dữ liệu chuyển động từ vài giây đầu tiên của thí nghiệm – trước và ngay sau khi tia laser tấn công một con sâu và ban đầu nó phản ứng. Từ dữ liệu hạn chế này, thuật toán có thể nắm bắt các phản hồi trung bình phù hợp với kết quả thử nghiệm và cũng để dự đoán chuyển động của sâu vượt quá vài giây ban đầu, khái quát từ kiến thức hạn chế. Dự đoán chỉ còn lại 10 phần trăm biến động trong chuyển động của giun có thể được quy cho kích thích laser không giải thích được. Điều này tốt gấp đôi so với các mô hình tốt nhất trước đây, không được hỗ trợ bởi suy luận tự động.
“Dự đoán quyết định của một con sâu về thời điểm và cách di chuyển để đáp ứng với kích thích phức tạp hơn nhiều so với việc tính toán cách một quả bóng sẽ di chuyển khi bạn đá nó”, Nemenman nói. “Thuật toán của chúng tôi đã tính đến sự phức tạp của quá trình xử lý cảm giác ở giun, hoạt động thần kinh để đáp ứng với các kích thích, tiếp theo là kích hoạt cơ bắp và lực mà cơ bắp kích hoạt tạo ra. Nó tổng hợp tất cả những điều này thành đơn giản và thanh lịch mô tả toán học. “
Mô hình được tạo ra bởi Sir Isaac rất phù hợp với sinh học của C. Elegans , cung cấp kết quả có thể hiểu được cho cả xử lý cảm giác và phản ứng vận động, gợi ý về tiềm năng của trí tuệ nhân tạo để hỗ trợ phát hiện các mô hình chính xác và có thể hiểu được hệ thống.
“Đó là một bước tiến lớn từ việc đưa ra dự đoán về hành vi của một con sâu đến con người”, Nemenman nói, “nhưng chúng tôi hy vọng rằng con sâu có thể đóng vai trò như một hộp cát để thử nghiệm các phương pháp suy luận tự động, như Ngài Isaac Một ngày nào đó có thể có lợi trực tiếp cho sức khỏe con người. Phần lớn khoa học là về việc đoán các quy luật chi phối các hệ thống tự nhiên và sau đó xác minh những dự đoán đó thông qua các thí nghiệm. Nếu chúng ta có thể tìm ra cách sử dụng các công cụ học máy hiện đại để giúp đoán, điều đó có thể tăng tốc đáng kể đột phá nghiên cứu. “
Nguồn tin tức:
Tài liệu được cung cấp bởi Emory Health Science . Bản gốc được viết bởi Carol Clark. Lưu ý: Nội dung có thể được chỉnh sửa cho kiểu dáng và độ dài.
Tạp chí tham khảo :