Изучение движений и поведения клеток и биологических молекул под микроскопом дает фундаментальную информацию для лучшего понимания процессов, связанных с нашим здоровьем. Изучение того, как клетки ведут себя в различных сценариях, важно для разработки новых медицинских технологий и методов лечения.

"За последние два десятилетия оптическая микроскопия значительно продвинулась вперед. Это позволяет нам изучать биологическую жизнь вплоть до мельчайших деталей как в пространстве, так и во времени. Живые системы движутся во всех возможных направлениях и с разной скоростью", - говорит Хесус Пинеда, докторант Гетеборгского университета и первый автор научной статьи в Природа машинного интеллекта.

Математика описывает взаимосвязи частиц

Достижения дали современным исследователям такие большие объемы данных, что анализ практически невозможен. Но теперь исследователи из Гетеборгского университета разработали метод искусственного интеллекта, сочетающий теорию графов и нейронные сети, который может извлекать достоверную информацию из видеоклипов.

Теория графов - это математическая структура, которая используется для описания взаимосвязей между различными частицами в исследуемом образце. Это сравнимо с социальной сетью, в которой частицы взаимодействуют и прямо или косвенно влияют на поведение друг друга.

"Метод искусственного интеллекта использует информацию на графике для адаптации к различным ситуациям и может решать множество задач в разных экспериментах. Например, наш искусственный интеллект может реконструировать путь, по которому движутся отдельные клетки или молекулы для достижения определенной биологической функции. Это означает, что исследователи могут протестировать эффективность различных лекарств и увидеть, насколько хорошо они работают в качестве потенциальных методов лечения рака", - говорит Хесус Пинеда.

Фармацевтические компании, уже использующие искусственный интеллект

Искусственный интеллект также позволяет описывать все динамические аспекты частиц в ситуациях, когда другие методы были бы неэффективны. По этой причине фармацевтические компании уже включили этот метод в свой процесс исследований и разработок.

Факты: Нейронные сети Нейронные сети учатся собирать конкретную информацию, которую хочет получить исследователь, из изображения, используя самоконтролируемое обучение. Этот инструмент упрощает процесс анализа и позволяет собирать большие объемы подробной информации из видеороликов, содержащих данные.