Décoder des données bruitées pour prédire la croissance cellulaire —
Français
Des scientifiques de l’Institut des sciences industrielles de l’Université de Tokyo ont conçu un algorithme d’apprentissage automatique pour prédire la taille d’une cellule individuelle au fur et à mesure de sa croissance et de sa division. En utilisant un réseau de neurones artificiels qui n’impose pas les hypothèses couramment utilisées en biologie, l’ordinateur a pu faire des prévisions plus complexes et plus précises qu’auparavant. Ces travaux peuvent contribuer à faire avancer le domaine de la biologie quantitative ainsi qu’à améliorer la production industrielle de médicaments ou de produits fermentés.
Comme dans toutes les sciences naturelles, la biologie a développé des modèles mathématiques pour aider à ajuster les données et faire des prédictions sur l’avenir. Cependant, en raison des complexités inhérentes aux systèmes vivants, bon nombre de ces équations reposent sur des hypothèses simplificatrices qui ne reflètent pas toujours les processus biologiques sous-jacents réels. Aujourd’hui, des chercheurs de l’Institut des sciences industrielles de l’Université de Tokyo ont mis en œuvre un algorithme d’apprentissage automatique qui peut utiliser la taille mesurée de cellules individuelles au fil du temps pour prédire leur taille future. Étant donné que l’ordinateur reconnaît automatiquement les modèles dans les données, il n’est pas contraint comme les méthodes conventionnelles.
“En biologie, des modèles simples sont souvent utilisés en fonction de leur capacité à reproduire les données mesurées”, explique le premier auteur Atsushi Kamimura. “Cependant, les modèles peuvent ne pas saisir ce qui se passe réellement à cause des idées préconçues humaines.”
Les données de cette dernière étude ont été collectées à partir d’une bactérie Escherichia coli ou d’une cellule de levure Schizosaccharomyces pombe maintenue dans un canal microfluidique à différentes températures. Le tracé de la taille au fil du temps ressemblait à une “dent de scie” car la croissance exponentielle était interrompue par des événements de division. Les biologistes humains utilisent généralement un modèle « size », basé sur la taille absolue de la cellule, ou un modèle « additionneur », basé sur l’augmentation de la taille depuis la naissance, pour prédire quand les divisions se produiront. L’algorithme informatique a trouvé un support pour le principe de “l’additionneur”, mais dans le cadre d’un réseau complexe de réactions biochimiques et de signalisation.
“Notre réseau de neurones d’apprentissage en profondeur peut séparer efficacement les facteurs déterministes dépendants de l’histoire du bruit dans des données données”, explique l’auteur principal Tetsuya Kobayashi.
Cette méthode peut être étendue à de nombreux autres aspects de la biologie en plus de la prédiction de la taille des cellules. À l’avenir, les sciences de la vie pourraient être davantage guidées par l’intelligence artificielle objective que par des modèles humains. Cela peut conduire à un contrôle plus efficace des micro-organismes que nous utilisons pour fermenter les produits et fabriquer des médicaments.
Source de l’histoire :
Matériaux fourni par Institut des sciences industrielles, Université de Tokyo. Remarque : Le contenu peut être modifié pour le style et la longueur.
