علماء يطورون نهجاً جديداً لتسريع بحوث الهندسة الحيوية باستخدام تقنيات تعلم الآلة

طور علماء من مختبر لورانس بيركلي الوطني التابع لوزارة الطاقة في  الولايات المتحدة الأمريكية نهجا جديدا باستخدام تقنيات تعلم الآلة لتسريع عملية تصميم الميكروبات التي تنتج الوقود الحيوي.

و تعتمد خوارزميات الكمبيوتر الخاصة بهذه التجارب على البيانات الوفيرة عن البروتينات والمستقلبات في مسار ميكروبي لإنتاج الوقود الحيوي ، ولكن لا توجد معلومات حاليا حول كيفية عمل المسار بالفعل.

ثم يستخدم النظام البيانات من التجارب السابقة لمعرفة نتائج التفاعلات الكيميائية في هذا المسار. وقد استخدم العلماء هذه التقنية للتنبؤ تلقائيًا بكمية الوقود الحيوي التي تنتجها المسارات التي أضيفت إلى خلايا البكتيريا “اي كولاي” المعوية.

و يعتبر النهج الجديد أسرع بكثير من الطريقة الحالية للتنبؤ بسلوك المسارات ، ويعد بإسراع تطوير الجزيئات الحيوية للعديد من التطبيقات بالإضافة إلى الوقود الحيوي القابل للتطبيق تجارياً ، مثل الأدوية و المضادات الحيوية و المحاصيل الزراعية .

وقد نشر البحث يوم 29 مايو في المجلة العلمية Nature Systems Biology and Applications.

في علم الأحياء ، يكون المسار عبارة عن سلسلة من التفاعلات الكيميائية في خلية تنتج مركبًا معينًا. و يستكشف الباحثون سبل إعادة هندسة هذه المسارات ، واستيرادها من ميكروب إلى آخر ، لتسخير مجموعة من الأدوات الطبيعة لتحسين مجالات الطب والطاقة والتصنيع والزراعة.

وبفضل قدرات البيولوجيا التخليقية الجديدة ، مثل أداة تحرير الجينات “CRISPR-Cas9” ، يمكن للعلماء إجراء هذا البحث بدقة لم يسبق لها مثيل.

وقال “هيكتور غارسيا مارتن” ، رئيس مجموعة الباحثين في “DoE Agile BioFoundry” ومدير النمذجة الأيضية الكمية في معهد BioEnergy المشترك (JBEI) ، وهو مركز أبحاث الطاقة الحيوية : “هناك اختناق كبير في عملية التنمية”.

وأضاف : “من الصعب للغاية التنبؤ بكيفية تصرف المسار عندما تتم إعادة تصميمه. تستغرق المشاكل حوالي 99٪ من وقتنا. نهجنا يمكن أن يقلل هذه الخطوة بشكل كبير ويصبح طريقة جديدة لتوجيه جهود الهندسة الحيوية “.

تم إجراء البحث من قبل “زاك كوستيلو” (أيضا مع Agile BioFoundry و JBEI) تحت إشراف “غارسيا مارتن”. كلا الباحثين أيضا في قسم النظم والهندسة البيولوجية في مختبر بيركلي.

و تتطلب الطريقة الحالية للتنبؤ بديناميات المسارات متاهة من المعادلات التفاضلية التي تصف كيف تتغير مكونات النظام مع مرور الوقت. و يقوم الباحثون بتطوير هذه “النماذج الحركية” على مدى عدة أشهر ، ولا تتطابق التنبؤات الناتجة دائمًا مع النتائج التجريبية.

ومع ذلك ، تستخدم تقنيات تعلم الآلة البيانات لتدريب خوارزميات الكمبيوتر لإجراء التنبؤات. حيث تتعلم الخوارزميات سلوك النظام من خلال تحليل البيانات من الأنظمة ذات الصلة. يسمح هذا للعلماء بالتنبؤ بسرعة بوظيفة المسار حتى إذا كانت آلياته غير مفهومة بشكل جيد – طالما أن هناك بيانات كافية للعمل بها.

اختبر العلماء أسلوبهم في مسارات مضافة إلى خلايا “اي كولاي”. و تم تصميم مسار واحد لإنتاج وقود نفاث حيوي يدعى “ليمونين” ؛ في حين ينتج الآخر بديلا للبنزين يسمى “الأيزوبرنتينول”.

و أسفرت التجارب السابقة في معهد (JBEI) عن مجموعة من البيانات المتعلقة بكيفية عمل إصدارات مختلفة من المسارات في سلالات “اي كولاي” المختلفة. بعض السلالات لديها مسار ينتج كميات صغيرة من الليمونين أو الأيزوبرنتينول ، في حين أن سلالات أخرى لديها نسخة تنتج كميات كبيرة من الوقود الحيوي.

و قام الباحثون بتغذية هذه البيانات في الخوارزميات الخاصة بهم. للتولى بعد ذلك تقنيات تعلم الآلة المسؤولية: حيث علمت الخوارزمية نفسها كيف تتغير تركيزات الأيضات في هذه المسارات مع مرور الوقت ، وكم الوقود الحيوي الذي تنتجه المسارات. و قد تعلمت هذه الديناميكيات عن طريق تحليل البيانات من المسارين التجريبيين المعروفين اللذين ينتجان كميات صغيرة وكبيرة من الوقود الحيوي.

كما استخدمت الخوارزمية هذه المعرفة للتنبؤ بسلوك مجموعة ثالثة من المسارات “الغامضة” التي لم ترها الخوارزمية من قبل. وقد تنبأت بدقة بملفات إنتاج الوقود الحيوي للمسارات الغامضة ، بما في ذلك أن المسارات تنتج كمية متوسطة من الوقود. بالإضافة إلى ذلك ، تفوقت التوقعات المستخلصة من تجارب تعلم الآلة على النماذج الحركية التقليدية.

وقال “غارسيا مارتن” : ” كلما زادت البيانات التي قمنا بإضافتها كلما أصبحت التنبؤات أكثر دقة. و يمكن لهذا النهج أن يقلل بشكل كبير من الوقت الذي نستغرقه لتصميم جزيئات حيوية جديدة. وهو مشروع يستغرق اليوم عشرة أعوام ويمكن لفريق من الخبراء التعامل معه في يوم من الأيام في وقت أقل بكثير”.

علماء يكتشفون عنصراً جديداً يتمتع بخصائص مغناطيسية فريدة

المصدر

3 تعليقات

    التعليقات معطلة.