近期，美国加州理工学院开发了一个可以通过读取基因的内容来预测细菌行为的新软件。这一突破对我们理解细菌生物化学和开发新药物均具有重要意义。
现代药理学的重点之一是通过开发靶向于膜蛋白的药物来治疗疾病。这些被称为整合膜蛋白（IMP）的蛋白质是允许物质进出细胞的受体或“门”。
为获得更多的IMP，研究人员通常会将细菌作为载体来获得大量的蛋白。但是我们能用的细菌并不多，并且产生的蛋白也很少。而且研究人员也无法提前确定他们要用的细菌是否可以成功。“现在研究膜蛋白的主要问题就是它们的表达量，”Clemons说，“我们使用这些细菌作为工厂为我们制造东西，但总是失败，成功的几率只有10%。”这会浪费大量的时间和资源。当让细菌产生一种它通常不会产生的新蛋白时，细菌会如何反应，Clemons想知道是否可用计算机对此进行预测。他说：“我们通过对细菌细胞DNA进行定量读取，以确定这些蛋白质的产生量。”我们想知道我们是否可以使用计算工具来提高我们找到蛋白质高表达细菌的成功率。
Clemons和他的研究生Shyam Saladi创建了机器学习软件IMProve，该软件可以把细菌的DNA同细菌产生了多少蛋白质的数据进行对比，然后建立数据库。研究人员用这些结果和细菌表达蛋白的遗传密码来完善该软件，以便此软件了解哪种DNA序列会有更高的蛋白生产率。完成优化后，研究人员发现它可以很好地预测细菌的行为，因而能够使找到高产蛋白的细菌的成功率翻倍。Clemons说，“细胞是极其复杂的，我们现在做的是让一个相对简单的统计模型来预测细胞行为，这是相当令人震惊的。”但是，Clemons补充说，也许事后来看他们的结果并不让人吃惊。 “这强调了一种观点，即细胞是计算机，它们只是在计算一些东西。
科界原创
编译：小贝 审稿：阿淼 编辑：张梦
来源：https://phys.org/news/2018-04-machine-learning-software-behavior-bacteria.html
