Ето как AI може да помогне за разбирането на бактериите на червата
бактериите на червата се смятат за основен фактор при доста проблеми, свързани със здравето. Броят и разнообразието от тях обаче са големи, както и методите, по които те взаимодействат с химията на тялото и между тях.
За първи път откриватели от Токио университет използваха специфичен тип изкуствен интелект, с цел да се появят байесова невронна мрежа, с цел да проучат набор от данни за бактериите на червата, с цел да се намерят връзки, които настоящите анализиращи принадлежности не могат да не се разпознават по отношение на 30 трили, с цел да намерят връзки, които настоящите невронни принадлежности не могат да проучат набор от бактерии за бактерии, с цел да се намерят, че настоящите аналитични принадлежности не могат да не могат да се разпознават. 40 трилиона кафези, само че червата ви съдържат към 100 трилиона бактерии на червата. Технически вие носите повече кафези, които не сте от вас. Храна за размисъл. И като приказваме за храна, тези бактерии на червата са, несъмнено, са виновни за някои аспекти на храносмилането, въпреки че това, което е изненадващо за някои, е по какъв начин те могат да се свържат и с доста други аспекти на човешкото здраве.
Бактериите са необикновено разнородни и също по този начин създават и трансформират недоумения брой на другите химикали, наречени метаболити. Те работят като молекулярни пратеници, проникващи в тялото ви, засягайки всичко от имунната ви система и метаболизма до вашата мозъчна функционалност и въодушевление. Излишно е да споделяме, че би трябвало да спечелим доста посредством схващане на бактериите на червата.
" Проблемът е, че ние единствено започваме да разбираме кои бактерии създават кои метаболити на индивида и по какъв начин тези взаимоотношения се трансформират в другите болести ", съобщи откривателят на плана да се развива от лабораторията на Tsunoda. Специфична бактерия за приемане на потребни човешки метаболити или планиране на целеви лечения, които трансформират тези метаболити за лекуване на болести. "
Има несъмнено доста и разнородни бактерии и метаболити и затова надалеч повече връзки сред тези неща. Събирането на данни единствено за това е монументално начинание, само че премахването на тези данни за намиране на забавни модели, които биха могли да предадат някаква потребна функционалност, е още повече. За да създадат това, Данг и неговият екип взеха решение да проучат потреблението на най-съвременните принадлежности за изкуствен интелект (AI).
" Нашата система, VbayesMM, автоматизирано разграничава основните играчи, които доста въздействат на метаболитите от големия декор на по-малко съответните микроби, като в същото време признават несигурността по отношение на плануваните връзки, а не, в сравнение с да дават прекалено убеденост, само че евентуално да признаят несигурността за плануваните връзки. „ Когато се тестват на действителни данни от нарушаване на съня, затлъстяване и проучвания на рака, нашият метод непрекъснато превъзхожда съществуващите способи и разпознава характерни бактериални фамилии, които се привеждат в сходство с известни биологични процеси, като дават убеденост, че той открива действителни биологични връзки, а не безсмислени статистически модели. “
, защото vbayesmm може да се оправи и оповестява проблемите на несигурността, той дава по -голяма доверие, в сравнение с не може да се оправи и оповестява несигурността. Въпреки че системата е усъвършенствана да се оправи с тежки аналитични натоварвания, добиването на такива големи набори от данни към момента се предлага с висока изчислителна цена; Въпреки това, с течение на времето, това ще стане все по -малко преграда за искащите да го употребяват. Понастоящем други ограничавания включват, че системата се възползва от това да има повече данни за бактериите на червата, в сравнение с метаболитите, които произвеждат; Когато няма задоволително данни за бактериите, точността пада. Също по този начин, Vbayesmm допуска, че микробите работят без значение, само че в реалност бактериите на червата си взаимодействат по необикновено комплициран брой способи.
" Ние планираме да работим с по -изчерпателни химически набори от данни, които обгръщат цялостния обсег на бактериални артикули, макар че това основава нови провокации в определянето на химикалите от бактерии, човешкото тяло или външни източници, като диета, " казани от Dang. „ Ние също по този начин се стремим да създадем VBayesMM по -здрав при анализиране на разнообразни популации на пациентите, включване на бактериални„ родословие “връзки, с цел да се направи по -добри прогнози и в допълнение понижаване на изчислителното време, належащо за разбор. За клиничните приложения, крайната цел е да се разпознават характерни бактериални цели за лекуване или диетични изявленията, които в действителност биха могли да оказват помощ на пациентите, да се движат от съществени проучвания към на практика приложения.
