由人工智能驱动的自动发现工具揭示了生物网络的各种行为能力

科学领域:

• 系统生物学 系统生物学
• 人工智能的人工智能
• 合成生物学 合成生物学

背景情况:

• 了解复杂的化学和遗传网络对于生物医学和生物工程至关重要.
• 多样化情报领域探索了非常规的解决问题代理,但缺乏定量工具.
• 基因调控网络 (GRNs) 呈现出难以预测和控制的复杂行为.

研究的目的:

• 开发定量工具来探索基因调节网络 (GRNs) 的解决问题能力.
• 为了映射 GRNs 在扰动下可达到的强大的目标状态.
• 用人工智能和行为主义方法评估生物网络的导航能力.

主要方法:

• 从人工智能 (AI) 调整了以好奇心驱动的探索算法,以发现GRN中可达到的目标状态.
• 建议的经验测试灵感来自行为主义的方法来评估网络导航能力.
• 利用自动化工具绘制了GRN的强大目标状态,尽管存在扰动.

主要成果:

• 从生物数据推断出的模型可以达到不同的稳定状态,证明各种能力.
• 格林网络表现出生理网络动态,而不需要对网络属性或连接性进行结构变化.
• 开发了"行为目录"来比较跨生物网络的能力.

结论:

• 开发的工具和对行为塑造的重视为有效地探索复杂的生物网络行为提供了新的途径.
• 这些方法在比较演化能力,设计药物干预和设计合成基因网络方面具有应用.
• 这项工作将人工智能和系统生物学联系起来,以增强对生物系统的理解和控制.