Научная работа часто включает в себя просеивание огромных объемов данных. Такая задача может стать изнурительной работой для человека, для искусственного интеллекта нет ничего проще. Новая платформа BacterAI способна проводить до 10 тыс. научных экспериментов в день, чтобы получить больше информации о бактериях.
Неизученный микробиом
В человеческом теле обитают триллионы микробов, покрывающих почти каждую поверхность внутри и снаружи. Одни из них жизненно важны для конкретных функций организма, в то время как другие вызывают заболевания. Исследования продолжают выявлять, насколько неразрывно наше общее здоровье связано с нашими микробиомами, но изучение соответствующих данных остается сложной задачей.
«Мы почти ничего не знаем о большинстве бактерий, которые влияют на наше здоровье. Понимание того, как растут бактерии, является первым шагом к реинжинирингу нашего микробиома», - говорит Пол Дженсен, автор нового исследования.
Искусственный интеллект особенно хорош в обработке огромных наборов данных и поиске закономерностей. Поэтому ученые приспособили его для работы по анализу данных о бактериях. Как правило, такая работа включает в себя подачу существующих наборов данных в модели машинного обучения. Но это не поможет в ситуации с видами, по которым просто не собрано достаточного объема данных. А это чертовски много видов, учитывая, что 90% бактерий мало или вообще не изучены.
Платформа BacterAI призвана исправить ситуацию.
Изучение бактерий
BacterAI разработана исследователями Университета Мичигана специально для того, чтобы изучать бактерии без предварительных знаний. ИИ создает свой собственный набор данных с нуля, разрабатывая эксперименты для лабораторных роботов. Результаты каждого нового эксперимента ложатся в основу последующих. В конечном итоге ИИ может разбить свои выводы на набор логических правил, которые ученые могут понять и проверить.
В ходе демонстрации технологии BacterAI был нацелен на выяснение метаболизма двух распространенных бактерий полости рта - Streptococcus gordonii и Streptococcus sanguinis. Это включает в себя определение конкретной комбинации аминокислот, которыми питаются бактерии. Эта задача требует перебора более миллиона возможных комбинаций.
BacterAI смог ежедневно тестировать несколько сотен комбинаций аминокислот, подбирая наиболее многообещающие комбо и отслеживая их в последующих экспериментах. Он проводил до 10 тыс. экспериментов в день, а через девять дней смог дать точные на 90% прогнозы.
«Когда ребенок учится ходить, он не просто смотрит, как ходят взрослые, а потом говорит: “Хорошо, я понял”, встает и начать ходить. Он сначала ползает вокруг, делает какие-то пробы и ошибки. Мы хотели, чтобы наш ИИ-агент предпринимал шаги и падал, придумывал свои собственные идеи и совершал ошибки. С каждым днем он становится чуть лучше, чуть умнее», - говорит Дженсен.
Команда надеется, что BacterAI может быть использован для ускорения открытий о бактериях, которые, в свою очередь, могут помочь в разработке новых лекарств или полезных молекул.
Исследование опубликовано в журнале Nature Microbiology.
