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。