栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > 资讯 > 高等教育 > 考研政策

与合成生物学「联姻」的五大挑战:技术、数据、算法、评估与社会学

与合成生物学「联姻」的五大挑战:技术、数据、算法、评估与社会学

来源:ACM通信编译|布莱尔

编辑|陈

在过去的二十年里,生物学发生了巨大的变化,基于生物系统的工程已经成为可能。基因组革命赋予了我们对细胞遗传密码(DNA)进行排序的能力,是这一巨大变化的主要驱动力。基因组革命带来的最新发现之一是利用CRISPR在体内精确编辑DNA的能力。遗传密码的高级表达,如蛋白质的合成,称为“表现型”。高通量数据和DNA精确编辑的结合将潜在代码的变化与外部表型联系起来。

注:Wacomka注:该图显示了细胞遗传密码(DNA)的高级表达

注:生物学中常用的数据集/数据类型(此列表不完整)

一个

合成生物学的潜力

合成将对食品、能源、气候、医药和材料产生变革性的影响……如此之大,以至于世界上的每一个领域。

图片:合成生物学可能会影响到世界上的每一个领域。合成生物学给世界带来了不牺牲猪就能获得猪胰岛素的能力(这在之前的基因工程阶段就可以做到)、合成皮革、蜘蛛丝制成的完全不被蜘蛛吐沫的外套、抗疟疾和抗癌药物、味道像肉的无肉汉堡、可再生生物燃料、不含啤酒花的啤酒、灭绝花朵的香味、化妆品中使用的人造胶原蛋白、消灭携带登革热的蚊子。许多人认为这只是冰山一角,因为设计生物的能力带来了改造世界的无限可能,而且在这一领域,公共和私人投资的水平也在不断提高。

注:学术(A)和商业(B)领域的显著增长,为人工智能在合成生物学中的应用提供了丰富的信息、数据和环境资源。此外,在进入第三次AI浪潮后,AI专注于将环境融入模型,其影响合成生物学的潜力大大增加。众所周知,生物的基因型与其说是其表型的蓝图,不如说是一个复杂的、相互关联的动态系统的初始条件。生物学家花了几十年的时间来建立和管理大量的属性,包括调节、关联、变化速度和功能,以描述这个复杂的动态系统。其他资源如基因网络、已知的功能关联、蛋白质与蛋白质的相互作用、蛋白质与代谢物的相互作用、知识驱动的转录、翻译和相互作用的动态模型等,为人工智能模型提供了丰富的资源。模型的可解释性对于揭示新的设计原则也是至关重要的。这些模型使生物学家能够解决关于生物系统的更复杂的问题,并建立全面和可解释的模型来加快发现和研究。我们可以从合成生物学的出版物数量和商业机会中清楚地看到该领域知识和资源的增长。

2

人工智能及其对合成生物学的影响

相对于AI在合成生物学中的潜力,它在合成生物学中的影响力是有限的。我们看到了AI的成功应用,但仍局限于具体的数据集和研究问题。目前,AI在该领域的挑战仍然是它对更广泛的应用程序和其他数据集有多普遍。数据挖掘、统计和机械建模是目前计算生物学和生物信息学在该领域的主要驱动力,但这些技术与人工智能/机器学习之间的界限往往很模糊。例如,聚类是一种数据挖掘技术,它可以识别基因表达数据中的模式和结构,这些模式可以指示工程改变顺序是否会导致细胞的毒性结果。这些聚类技术也可以用作无监督学习模型,以在未标记的数据集中找到结构。这些经典技术和正在开发的新AI/ML(机器学习)方法将在合成生物学的未来领域发挥更大的作用和影响,因为到那时人们将习惯于更大的数据集。转录组数据量每七个月翻一番,蛋白质组学和代谢组学的高通量工作流程变得越来越可用。此外,用于实验室工作的微流控芯片的逐渐自动化和小型化表明,数据处理和分析将在未来使合成生物学的生产率提高一倍。DARPA的协作发现和设计(SD2,2018-2021)计划专注于构建人工智能模型,旨在缩小AI与合成生物学需求之间的差距。这一点在该领域采用SoTA技术的一些公司(如Amyris、Zymergen或银杏生物工程公司)也很明显。AI和合成生物学在某些方面有重叠,比如将现有的AI/ML应用于现有的数据集;生成新的数据集(如即将推出的NIH Bridge 2AI);并创建新的AI/ML技术以应用于新的或现有的数据。SD2虽然贡献了最后一项,但还是有一定潜力的,未来还有很长的路要走。人工智能可以帮助合成生物学克服一个很大的挑战,那就是预测生物工程方法对生物制剂和环境的影响。因为生物工程的结果是无法预测的,所以合成生物学中细胞工程的目标(即逆向设计)只能通过大量的试错来实现。人工智能提供了使用公共数据和实验数据来预测对生物制剂和环境的影响的机会。为细胞编程设计遗传结构。合成生物学的许多研究都集中在基因结构/基因电路的工程上,这与设计电子电路所面临的挑战截然不同。人工智能技术结合了已知的生物物理学、机器学习和强化学习模型,可以有效地预测结构对主体的影响,反之亦然。虽然挺厉害的,但还是有提升空间空。在机器辅助基因电路设计方面,各种人工智能技术已经投入使用,包括专家系统、多智能体系统、约束推理、启发式搜索、优化和机器学习。基于序列的模型和图卷积网络在工程生物系统领域也引起了关注。因子图神经网络已经被用于将生物学知识结合到深度学习模型中。卷积网络已经被用于从蛋白质和蛋白质之间的相互作用网络预测蛋白质的功能。基于序列的卷积和递归神经网络模型已被用于识别蛋白质的潜在结合位点、基因表达和新生物结构的设计。人工智能最有用的地方在于,它被应用于集成模型的开发,这将减少需要进行的实验或设计的数量。代谢工程。在代谢工程中,人工智能已经应用于生物工程的几乎所有阶段,例如,人工神经网络已经用于预测翻译起始位点、注释蛋白质功能、预测合成途径、优化多个外源基因的表达水平、预测调控元件的强度、预测质粒表达、优化营养浓度和发酵条件、预测酶动力学参数、了解基因型和表型的关系、预测CRISPR的指导作用。聚类已被用于发现次级代谢物的生物合成基因簇和鉴定催化特定反应的酶。set方法已被用于预测途径动力学和最佳生长温度,并且在定向进化方法中发现了具有更高适应度的蛋白质。支持向量机(SVM)已被用于优化核糖体结合位点序列和预测CRISPR指导的RNA行为。在代谢工程的各个阶段中,人工智能最有希望应用于过程放大(这是该领域的一个主要瓶颈),以及下游加工(如从发酵液中系统提取产生的分子)。实验自动化。在帮助自动化实验室工作和推荐实验设计方面,人工智能的影响已经远远超出了DBTL周期的“学习”阶段。自动化在实践中逐渐变得非常重要,因为自动化是获得训练人工智能算法所需的高质量、大容量和低偏差数据的最可靠方式,自动化也使可预测的生物工程成为可能。自动化提供了将复杂方案快速转移和扩展到其他实验室的机会。例如,液体处理机器人站构成了生物铸造和云实验室的骨干。这些代工厂已经能够看到自己未来会被机器人和规划算法颠覆,从而获得快速迭代DBTL循环的能力。语义、本体和模式彻底改变了设计和协议的表示、通信和交换。这些工具支持快速实验,并以结构化和可查询的格式生成更多数据。在一个大部分内容要么丢失,要么手工记录在实验室笔记中的领域,人工智能的前景推动了该领域的重大变化,从而减少了数据生成的障碍。微流控是宏观液体处理的替代品,具有更高的通量、更少的试剂消耗和更便宜的缩放。事实上,微流体可能是实现自动驾驶实验室的关键技术,利用人工智能增强自动化实验平台有望大大加快研发进程。自动驾驶实验室涉及全自动DBTL循环,其中人工智能算法会根据之前的实验结果做出假设,并积极寻找有前景的实验方案。所以,这可能是人工智能研究者在合成生物学领域最大的机会。虽然自动DBTL循环已经在液体治疗机器人工作站中得到证明,但微流控芯片提供的可扩展性、高通量能力和制造灵活性可能会提供最终的技术飞跃,并使人工智能成为现实。

三

人工智能在合成生物学研究中面临的挑战

人工智能已经开始进入合成生物学应用的各个领域,但是仍然存在的技术和社会问题已经成为这两个领域之间的障碍。技术挑战。将人工智能应用于合成生物学的技术挑战是:数据以不同模式分散,难以组合且无结构,往往缺乏数据采集的后台;该模型需要的数据比通常在单个实验中收集的数据多得多,并且缺乏可解释性和不确定性量化。并且在更大的设计任务中,没有一个度量或标准来有效地评估模型的性能。此外,实验往往被设计为只探索积极的结果,这使得模型的评估变得复杂或有偏差。

图示:将人工智能技术应用于合成生物学的挑战。数据挑战。缺乏合适的数据集仍然是人工智能和合成生物学结合的首要障碍。人工智能在合成生物学中的应用,需要大量标记的、精选的、高质量的、内容丰富的个体实验数据。虽然社区在建立包含各种生物序列(甚至全基因组)和表型的数据库方面取得了进展,但标记数据仍然很少。这里,“标记数据”指的是映射到捕获其生物功能或细胞反应的测量值的表型数据。正是这种度量和标签,使得AI/ML和合成生物学的解决方案日益成熟,也使得AI像其他领域一样与人类的能力竞争。缺乏对数据工程的投资是缺乏适用数据集的部分原因。在人工智能技术进步的掩盖下,人们往往看不到计算基础设施支持和确保其成功的必要性。AI界称之为需求金字塔,数据工程是其中重要的一部分。数据工程包括实验计划、数据收集、结构、访问和探索等步骤。成功的人工智能应用故事包含标准化的、一致的和可复制的数据工程步骤。虽然我们现在可以以前所未有的规模和细节收集生物数据,但这些数据往往不能立即适用于机器学习。目前,在采用社区范围的标准来存储和共享测量数据、实验条件和其他使数据更受AI技术影响的元数据方面,仍然存在许多障碍。需要严格的工作和高度的共识来使这些标准迅速得到采用,同时促进数据质量评估的共同标准。简而言之,AI模型需要在所有实验中进行一致和可比的测量,这将延长实验时间线。这一要求给遵循复杂协议的研究人员增加了巨大的负担。因此,为了满足迫在眉睫的项目期限,常常牺牲收集数据的长期需要。

图注:标准化的AI/ML基础设施可以支持合成生物学研究。虽然中期的研究往往是人们关注的焦点,但它是至关重要的基础,需要大量的资源投入。这种情况通常导致数据集稀疏,仅代表组成组学数据堆栈的多层中的一小部分。在这种情况下,数据表示对集成这些孤立的数据集以进行全面建模的能力具有重大影响。目前,业界已经在各个垂直领域投入了大量工作,执行数据清洗、模式对齐以及提取、转换和加载操作(ETL)。以这种方式,难以控制的数字数据被收集并准备成适于分析的形式。这些任务占用了数据科学家近50%到80%的时间,限制了他们深入探索的能力。处理大量数据类型(数据多模态)是合成生物学研究人员面临的一个挑战。与数据量相比,预处理活动的复杂性随着数据多样性的增加而急剧增加。建模/算法的挑战。许多推动人工智能进步的流行算法(如计算机视觉和NLP中的算法)在分析组学数据时并不健壮。当应用于具体实验中收集的数据时,这些模型的传统应用往往会遭遇“维数灾难”。在某些条件下,一个实验者可以对一个生物体产生超过12,000个测量(维度)的基因组学、转录组学和蛋白质组学数据。对于这样一个实验,被标记的实例(例如成功或失败)的数量通常最多只有几十到几百个。对于这些高维数据类型,很少捕捉到系统的动态(时间分辨率)。这些测量误差使得推断复杂的动态系统成为一个巨大的挑战。

注意:维度灾害组学数据与其他数据模式(如顺序数据、文本数据和基于网络的数据)之间存在相似性和差异,但经典方法并不总是适用。这些数据的相同特征包括位置编码和依赖性,以及复杂的交互模式。然而,这些数据之间存在一些基本差异,例如它们的潜在表示、有意义分析所需的背景以及用于生物学有意义比较的跨模态相关标准化。因此,很难找到能够准确描述组学数据的稳健生成模型(类似于高斯模型或随机块模型)。此外,生物序列和系统表示复杂的生物功能代码,但很少有系统的方法以类似于解释语义的方式或从书面文本的上下文来解释这些代码。这些不同的特征使得通过数据探索提取见解、生成和验证假设具有挑战性。生物学涉及到学习黑盒系统的挑战。我们可以观察输入和输出,但我们对系统的内部工作了解有限。考虑到这些生物系统运行在组合大参数室空中,人工智能解决方案通过使用策略有效地设计实验来探索生物系统,从而产生各种假设并加以验证,相当于在这个房间空中提出了巨大的需求和机会。最后,许多流行的AI算法解决方案没有明确考虑不确定性,也没有显示出在输入干扰下控制误差的鲁棒机制。考虑到我们试图设计的生物系统中固有的随机性和噪声,这一基本差距在合成生物空中尤为重要。指标/评估的挑战。基于预测性和准确性的标准AI评价指标不足以应用于合成生物学。像这样的回归模型或基于分类模型准确性的度量标准都无法解释我们试图建模的潜在生物系统的复杂性。在这个领域中,同样重要的是量化其他指标,一个模型可以阐明生物系统的内部工作,并获取现有领域的知识。因此,包含可解释性和透明性原则的人工智能解决方案是支持迭代和跨学科研究的关键。此外,对于正确量化不确定性的能力,我们需要创造性地开发新的指标来衡量这些方法的有效性。我们还需要适当的实验设计指标。评估和验证合成生物学中的模型有时需要额外的实验和资源。少数分类错误或微小错误可能对研究目标产生重大影响。这些成本应该被整合到人工智能模型的目标函数或评估中,以反映误分类对现实世界的影响。社会学的挑战。在使用人工智能和合成生物学时,社会学问题可能比技术障碍更具挑战性(反之亦然)。我们的印象是,研究中涉及的完全不同的文化之间缺乏协调和理解,这将导致一些社会学障碍。尽管已经有一些方法可以解决这一障碍,但有趣的是,学术界和工业界仍然存在一些长期存在的社会学问题。社会问题的出现是因为两个非常不同的专家群体,计算科学家和实验室科学家,在工作中相互碰撞,产生了一定的差异。计算科学家和实验室科学家的培养有太多的不同。受过训练的计算科学家往往专注于抽象,并热衷于自动化、计算效率和破坏性方法。他们天生倾向于专攻任务,尽可能把重复性的任务留给自动化的计算机系统。然而,实验室科学家是务实的。他们受过具体观察的训练,喜欢通过可解释的分析来准确描述实验的具体结果。

图示:计算科学家和实验室科学家来自不同的研究文化背景。他们必须学会合作,以充分受益于人工智能和合成生物学的结合。两个世界有不同的文化,这不仅体现在这两类人如何解决问题,还体现在他们认为什么问题值得解决。例如,在建设基础设施以支持一般性研究的努力和研究具体研究问题的努力之间一直存在着紧张关系。计算科学家倾向于提供可用于各种项目的可靠基础设施,而实验科学家倾向于关注最终目标。计算科学家喜欢开发数学模型来解释和预测生物系统的行为,而实验室科学家喜欢产生定性假设,并尽快通过实验进行检验(至少在研究微生物时是这样,因为这些实验可以在3-5天内快速完成)。此外,计算机科学家往往只会对一些崇高的目标感到兴奋,例如对抗火星的生物工程生物学,生命编写编译器能够创建符合所需规范的DNA,重建具有所需形状的树木,现实生活中的生物工程龙,或者用人工智能取代科学家。我们实验室的科学家认为这个目标纯属“炒作”,因为在之前的案例中,计算型承诺了很多,但并没有兑现。他们更愿意只考虑通过使用当前的技术状态可以实现的目标。解决社会的挑战。解决这些社会学问题的方法是鼓励跨学科的团队和需求。虽然我们不可否认,在公司(团队有荣有辱)这样的包容性环境下可能比在学术环境下更容易实现,因为在学术环境下,一个研究生或博士后往往是通过发表几篇第一作者论文就宣告成功,而不需要与其他学科融合。实现这种融合的一种可能方式是提供交叉培训课程,让实验室科学家接受编程和机器学习的培训,让计算科学家接受实验的培训。这将为两个社区带来一些有价值的、独特的和必要的文化交流。你越早发现这一点,合成生物学就会发展得越快。从长远来看,我们需要将生物学和生物工程与自动化和数学相结合的大学课程。虽然目前也有一些学校在开设这样的课程,但目前来看只是杯水车薪。

四

观点和机会

人工智能可以从根本上增强合成生物学,它可以通过在工程阶段增加一个第三轴,如物理、化学或生物,来充分发挥其影响力空。最明显的是,人工智能可以在生物工程结果中产生准确的预测,从而实现有效的逆向设计。此外,人工智能还可以支持科学家设计实验,选择何时何地采样。目前,这个问题需要训练有素的专家来解决。人工智能还可以支持基于大数据源的自动搜索、高通量分析和假设生成,包括历史实验数据、在线数据库、本体等技术资料。人工智能可以让合成生物学领域的专家更快地探索大规模设计空,提出一些有趣的“开箱即用”的假设,从而增长知识。合成生物学对当前的人工智能解决方案提出了一些独特的挑战。如果这些挑战得到解决,合成生物学和人工智能领域将得到根本性的改善。生物系统的设计本质上取决于对系统的控制能力,这是对系统基本规律理解的终极考验。因此,能够实现合成生物学研究的人工智能解决方案必须能够描述能够做出最佳预测的机制。虽然基于深度学习架构的人工智能技术最近改变了我们对特征工程和模式发现的看法,但就其推理和解释学习机制的能力而言,它们仍处于初级阶段。因此,结合因果推理、可解释性、鲁棒性和不确定性估计要求的人工智能解决方案在这一跨学科领域具有巨大的潜在影响。系统的复杂性使得单纯基于蛮力关联发现的人工智能解决方案无法有效描述系统的内部特征。将物理力学模型与数据驱动模型成功结合的新算法是一个令人振奋的新研究方向。目前,我们已经在气候科学和计算化学方面看到了一些初步的积极成果,并希望在生物系统研究方面取得类似的进展。因为人工智能提供了修改生物系统的工具,所以合成生物学也可以反过来刺激新的人工智能方法。生物学启发了人工智能的基本元素,如神经网络、遗传算法、强化学习、计算机视觉和群体机器人。事实上,有许多生物现象可以用数字技术来模拟。例如,基因调控涉及一个微妙的相互作用网络,它不仅允许细胞感知和响应环境,还能保持细胞的存活和稳定。维持体内平衡(由生命系统维持的稳定的内部、物理和化学条件的状态)涉及在正确的时间和正确的数量产生适当的细胞成分,感知内部梯度,并仔细调节细胞与环境的交换。我们能理解并利用这种能力生产出真正自我调节的人工智能或机器人吗?另一个例子涉及紧急属性(即系统显示但其组件不显示的属性)。例如,一个蚁群的行为和反应是一个单一的有机体,而不仅仅是单个蚂蚁的总和。同样,意识(即对内部或外部存在的感知或意识)是来自物理基础(如神经元)的定性特征。自我组织和集体建造结构的群体机器人已经存在。我们能否利用新兴的一般理论创造出机器人和生物系统的混合体?我们能从一个完全不同的物理衬底上创造意识吗,比如晶体管?最后一个可能的例子涉及自我修复和复制:即使是最简单的生命例子也显示了自我修复和复制的能力。我们能理解这种现象导致的人工智能自我修复和复制的困境吗?虽然之前已经考虑过这种生物模拟,但是“合成生物学”的美妙之处在于,它为我们提供了“修补”生物系统的能力,以测试生物模拟的模型和基本原理。例如,我们现在可以在基因组水平上修复细胞基因调控,修改它,并测试是什么导致了它非凡的弹性和适应性。或者我们可以生物工程蚂蚁来测试接下来会发生什么样的蚁群行为,以及这种行为会如何影响蚂蚁的存活率。或者我们可以改变细胞的自我修复和自我复制机制,测试长期进化对其竞争力的影响。此外,在细胞建模中,我们可以很好地理解所涉及的生物学机制。即使我们知道神经网络如何检测眼睛的形状,也不太可能理解大脑是如何做同样的事情的,但合成生物学的研究就不一样了。机械预测并不完美,但它产生了可接受的结果。将这些机制模型与ML的预测能力相结合,可以帮助弥合它们之间的差距,并提供生物学见解来解释为什么一些ML模型在预测生物学行为方面比其他模型更有效。这种认识可以引导我们研究新的ML体系结构和方法。人工智能可以帮助合成生物学,合成生物学又可以反过来帮助人工智能。这两个学科在一个持续的反馈回路中相互作用,将会创造一个我们现在无法想象的未来,就像本杰明·富兰克林无法想象他对电的发现,有一天会让未来的互联网成为可能。原文链接:https://cacm . ACM . org/magazines/2022/5/260341-人工智能-合成生物学/全文# r2

转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/news/1665919.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号