ساخت ابزاری با همگرایی یادگیری ماشینی و زیست‌شناسی مصنوعی

محققان آزمایشگاه ملی لارنس در برکلی با مجموعه‌ای از داده‌های آموزشی، الگوریتم خود را به گونه‌ای آموزش داده‌اند که بتواند چگونگی تغییر در DNA سلول یا بیوشیمی آن را که روی رفتار سیستم تاثیرگذار است، پیش‌بینی کند و در نهایت پیشنهاداتی ارائه نماید.

هکتور گارسیا مارتین، محقق در بخش سیستم‌های زیستی و مهندسی آزمایشگاه برکلی که هدایت این تحقیق را به عهده دارد می‌گوید: « این امکانات انقلابی است، در حال حاضر، مهندسی زیستی یک روند بسیار کند است که ایجاد داروی ضد مالاریا در آن 150 سال به طول انجامیده است. اگر به جای سال‌ها بتوانید به سرعت این کار را انجام دهید، انقلابی در زیست‌شناسی مصنوعی ایجاد کرده‌اید.»

محققان این پروژه در مقاله‌ای با عنوان A machine learning Automated Recommendation Tool for synthetic biology که در نشریه Nature Communications  به چاپ رساندند فناوری یادگیری ماشینی را توصیف کردند که به کامپیوتر این امکان را می‌دهد که پس از یادگیری از مقدار قابل توجهی از داده‌ها، آموزش ببیند. این گروه تحقیقاتی ابزاری به نام ART ساختند که یک ماشین خودکار توصیه‌دهنده است که در آن از یادگیری ماشینی استفاده شده است. دراین پروژه، این ابزار با دریافت مقادیری از داده که دارای عدم قطعیت است تولید سوخت‌های تجدیدپذیر را بهبود داده است.

با همگرایی مدل‌های مکانیکی و یادگیری ماشینی برای مهندسی پیش‌بینی و بهینه‌سازی متابولیسم تریپتوفان، محققان  از ART برای بهینه‌سازی فرآیند متابولیسم استفاده کردند.

آنها در این پروژه 5 ژن را انتخاب کردند که هر کدام توسط پروموتورهای مختلف ژن و ساز وکارهای دیگر درون سلولی کنترل می‌شوند و در مجموع تقریبا امکان 8000 ترکیب مختلف در مسیرهای زیستی آنها وجود دارد. محققان با بررسی 250 مسیر و ارائه اطلاعات به این ابزار توانستند برآورد صحیحی از دیگر ترکیب‌ها به دست آورند.