人工智能解开再生医学百年谜题

最近,一个人工智能(AI)系统解开了一个困扰科学家100多年的问题:淡水扁形动物的身体如何再生。 受到进化论的启发,美国塔夫斯大学的科学家开发了这个AI系统,有助于充分挖掘浩如烟秒的发育生物学实验数据。 为了证实这个系统的有效性,研究者让它对涡虫的实验数据进行了处理。涡虫是一种微小的虫子,拥有超乎想象的再生能力,当它被拦腰切断以后,能重新长出完整的身体。这种能力使得它们成为再生医学的热门研究对象。 100多年过去了,科学家也取得了一些进展,比如更加理解控制干细胞的化学通路,正是这些干细胞使得真涡虫具有超强的再生能力。然而,没人能建立起一个完备的模型来解释这种现象,直到现在,他们总算在人工智能的帮助下解决了这个问题。 这篇论文发表在6月4日的《PLoS计算生物学》杂志上。论文作者之一迈克尔·莱文(Michael Levin)说:「科学家最有创造性的工作,就是发明出那些解释大自然运转的模型——这不仅仅是统计学和捣弄数字,这是科研机构的核心和灵魂。」 莱文说:「这里,计算机回馈我们的东西,确实远远大于我们输入的数据。没有人能想出这个模型。经过100多年的努力,我们这个领域在这方面是失败的。」 这个AI系统的设计者是丹尼尔·罗博(Daniel Lobo),他是塔夫斯大学的博士后,也是这项研究的共同作者。在这个系统中,各种试图解释再生过程的备选模型都要经过一个类似「自然选择」的过程。 从本质上来说,这些备选模型要在一个虚拟的模拟器中进行运转,这个模拟器模仿了对涡虫所做的不同实验。接下来,将备选模型得出的结果与真实发表的实验结果进行比较。在那些真实的实验中,真涡虫被切断,在它们长出完整器官之前,有时还会辅以药物或基因敲除。 在每个循环中,将最符合真实实验结果的备选模型进行相互「繁殖」,再生成一个新的模型。同时,结果不那么精确的模型就被抛弃掉。这个过程一直重复下去,直到「进化」出一个与实验数据完美相符的模型。 研究者说,通过这样的过程,这个人工智能系统进化出一个模型,能够在短短的42小时内,准确地预测数据集内16个实验的结果。不仅如此,为了验证它的预测功能,研究者还设计了一系列新实验。它准确地预测出了这些新实验的结果。 人工智能找到的调控网络,解释了最重要的几个涡虫再生实验的实验数据。 图/Daniel Lobo and Michael Levin/PLOS Computational Biology 美国西北大学的涡虫专家克里斯汀·皮特森(Christian Petersen)说,随着计算机变得更加强大,这样的预测能力将变得更加有用。最终,人工智能「能够帮助研究者建立起生物发育的新假说,并在实验中得到确认。」 在人工智能处理涡虫数据之前,莱文和罗博必须先创造一种数学语言,让机器懂得如何描述实验的方法和结果。 过去研究涡虫再生能力的论文中,大部分都依赖于所谓的箭头流程图来展示再生过程中的一系列步骤,然而,这些流程图中通常都有明显的断点。通过建立一个定量的模型,这个人工智能系统第一次完美地展示了该过程的所有步骤。 莱文说:「计算机的优美之处就在于,它不能将那些明显的断点之处扫到地毯下面——算法必须能够精确地阐述每种情况下究竟会发生什么。为了使实验数据促进再生医学的发展,必须对模型提出这样强大的要求。」 莱文说,这个项目最令人瞩目、最讨喜的地方在于,AI系统推导出来的模型能被人类轻易理解,「根本没有那些无可救药的、纠结混乱、无人能理解的网络。」 研究者目前正在改进这个模型,他们希望未来可以将其运用到发育生物学的其他领域,比如说胚胎发育和自修复机器人。 莱文说:「我们获取巨量深度数据的能力越来越强,但是对人类来说,这些海量的原始数据也越来越难洞悉和处理。这个问题在大部分领域都存在,我们使用的方法能够运用在这些领域。但凡存在函数型数据、内在机理却不甚明了的地方,都能适用这种模型。」本文原载livescience,机器之心翻译出品,参与成员:汪汪、微胖。

入门人工智能医疗工程机器人