Ouvrir la « boîte noire » d’un algorithme d’IA – une nouvelle technologie d’apprentissage automatique pour découvrir ce qui fait vibrer les plantes et les humains –

Les rythmes circadiens, tels que le cycle veille-sommeil, sont innés à la plupart des organismes et essentiels à la vie sur Terre. Le mot circadien vient de l’expression latine « environ un jour » qui signifie « environ un jour ».

Biologiquement, l’horloge circadienne régule temporairement la physiologie, la biochimie et le métabolisme sur un cycle jour-nuit de 24 heures. C’est pourquoi un manque de forme physique peut affecter notre condition physique, notre santé ou notre capacité à survivre. Par exemple, souffrir du décalage horaire est un problème biologique – nos horloges biologiques sont désynchronisées parce que des signaux externes normaux comme la lumière ou la température ont changé.

L’horloge circadienne n’est pas unique aux humains. Chez les plantes, l’horloge minute aide à réguler la floraison et est essentielle pour synchroniser le métabolisme et la physiologie avec le lever et le coucher du soleil. Comprendre les rythmes circadiens pourrait aider à améliorer la croissance et les rendements des plantes, sans parler de révéler de nouvelles façons de traiter les maladies humaines.

Au-delà des plantes

Dans cette dernière recherche, l’équipe a appliqué l’apprentissage automatique pour prédire les modèles complexes d’expression des gènes de l’horloge circadienne dans une plante modèle Arabidopsis thaliana. À l’aide d’ensembles de données nouvellement générés, d’ensembles de données temporelles publiées et de génomes d’Arabidopsis, l’équipe de scientifiques a formé des modèles ML pour faire des prédictions sur la régulation des gènes circadiens et les modèles d’expression.

Présenté dans le magazine PNASLe travail démontre la puissance des méthodes basées sur l’intelligence artificielle et l’apprentissage automatique pour permettre une analyse plus rentable et un aperçu plus approfondi de la fonction et de l’organisation de l’horloge circadienne. Ces méthodes redéfinissent la façon dont les scientifiques utilisent les données publiques et créent des hypothèses vérifiables pour comprendre le contrôle de l’expression des gènes chez les plantes et les humains.

Auteur principal Dr Laura-Jayne Gardiner d’IBM Research Europe (Auparavant à l’Institut Earlham où la recherche a été menée)Essentiellement, a-t-il dit, « Notre rythme interne est entraîné par une horloge circadienne, qui est un oscillateur biochimique synchronisé avec l’heure solaire ou la position du soleil dans le ciel. Dans la plupart des organismes, y compris les animaux, les plantes, les champignons et même les cyanobactéries, en interne les horloges circadiennes synchronisées permettent à l’organisme d’anticiper les changements environnementaux quotidiens qui correspondent au cycle jour-nuit et d’ajuster sa biologie et son comportement en conséquence.

Détecter les rythmes circadiens

Le professeur Anthony Hall, chef de groupe à l’Earlham Institute, a déclaré: « Les gènes impliqués dans l’horloge circadienne montrent généralement une oscillation entre des modèles de rythmes d’état déconnectés sur une période de 24 heures. Ce modèle est appelé rythme circadien.

« La détection du rythme circadien avec les méthodes actuelles est difficile car elle nécessite l’utilisation de techniques de séquençage pour créer de longs ensembles de données chronologiques à haute résolution pour mesurer l’expression des gènes au cours d’une journée. Non seulement cela coûte cher, mais cela prend aussi du temps. C’est pourquoi nos connaissances sur la façon dont le contrôle et la régulation des gènes dans l’horloge circadienne sont limitées.

Le développement de la technologie basée sur l’intelligence artificielle et l’apprentissage a d’abord été appliqué à l’usine modèle Arabidopsis, et les progrès réalisés dans le test d’autres modèles d’expression génique complexes ou temporels ainsi que d’autres espèces à travers les écotypes d’Arabidopsis. De plus, l’équipe a adapté l’approche ML au blé pour montrer que les méthodes utilisées permettent une analyse précise des principales cultures vivrières.

Arabidopsis thaliana C’est un organisme modèle scientifique commun utilisé par la biologie végétale et la génétique. Première plante dont le génome a été séquencé, elle a été utilisée pour comprendre la biologie moléculaire et la génétique de nombreux traits végétaux, y compris la régulation de l’horloge circadienne.

« Nos modèles ML classent les modèles d’expression circadienne en utilisant fréquemment moins de points de temps de transcription, ce qui représente une amélioration de la précision par rapport aux modèles modernes existants », a expliqué le professeur Hall.

« Nous avons développé un modèle ML qui génère un ensemble de gènes de substitution pour prédire le temps circadien (phase) à partir d’un seul point de temps d’échantillonnage transcriptionnel par jour. Il existe des milliers d’ensembles de données de transcriptome publics et en comparant ce temps prédit avec le temps expérimental, il peut identifier des gènes ou des conditions spécifiques qui modifient la fonction de l’horloge, augmentant ainsi notre compréhension du mécanisme et de la fonction de l’horloge.

« Nous avons redéfini le domaine en développant des modèles ML pour distinguer les transcrits circadiens qui n’utilisent pas d’informations de point de temps de transcription, mais plutôt des caractéristiques de séquences d’ADN générées à partir de ressources génomiques publiques. Par conséquent, cela nous permet de prédire la régulation circadienne des gènes simplement en analysant l’ADN séquences du génome. « .

Les chercheurs ont basé leur étude sur la théorie selon laquelle l’un des principaux mécanismes de contrôle de l’expression des gènes, qu’il s’agisse de l’horloge circadienne ou d’autres mécanismes, est médié par des facteurs de transcription (et d’autres facteurs) qui se lient à une séquence régulatrice de l’ADN.

Les facteurs de transcription sont des biomolécules qui peuvent contrôler l’expression des gènes – et diriger quand, où et à quel degré les gènes sont exprimés. Ils se lient à des séquences d’ADN spécifiques et contrôlent la transcription de l’ADN en ARNm.

IA explicable

Le Dr Gardiner ajoute : « Nos modèles ML et leur application dans les cultures, où les rythmes circadiens sont essentiels au maintien d’une croissance et d’un développement sains, peuvent conduire à des rendements plus élevés à mesure que les agronomes et les agriculteurs commencent à utiliser le modèle pour comprendre les rythmes internes des plantes qu’ils grandir et récolter. »

« Cependant, la technologie que nous avons développée va au-delà des plantes. Nous examinons maintenant différents types de contrôles circadiens et leur lien avec les maladies chez l’homme, par exemple, où les irrégularités circadiennes ont été liées à une gamme de maladies allant de la dépression au cancer. « 

Le Dr Gardiner démontre la valeur du ML et de l’IA pour mieux comprendre la régulation circadienne : « Ce qui rend nos modèles les plus utiles, c’est notre utilisation d’algorithmes d’IA interprétables », explique-t-elle. « Nous voulions utiliser l’interprétation de nos modèles ML pour faire la lumière sur ce qu’il y a à l’intérieur de la » boîte noire « , afin que nous puissions mieux comprendre les prédictions qu’ils font.

« Nous avons utilisé des interprétations de modèles locaux spécifiques au transcrit pour classer les caractéristiques des séquences d’ADN, qui fournissent un profil détaillé des mécanismes régulateurs circadiens potentiels de chaque transcrit. L’utilisation de l’interprétation locale dérivée des caractéristiques des séquences d’ADN ordonnées nous permet de caractériser la phase temporelle du transcrit. expression et, ce faisant, révéler les sous-dossiers de catégories cachés dans la classe quotidienne. Par exemple, si le texte est susceptible de montrer le pic de son expression le matin, l’après-midi, le soir ou la nuit.