AI助力高通量微生物实验

  微生物组“革命”已经确定了数千种值得科学研究的细菌。科学家们无法跟上生命之树不断扩大的步伐，大多数细菌种类仍未得到相应的研究。人工智能和自动化可以通过挖掘整合已有信息和设计新实验来加速科学发现，并且使我们更好地了解那些研究较少的细菌。然而缺乏大量数据来训练这样的系统。现在，人工智能在游戏中的表现时常超越人类，这些惊人的进步由深度强化学习(R L，reinforcement learning)提供支持。这是人工智能的一个分支，其中RL代理通过反复试验来完成游戏，他可以从一张白纸开始学习，无须事先了解策略甚至游戏规则。

  BacterAI使用自动化工作流和AI代理来研究细菌代谢

  如果将生物学研究问题转化为游戏，RL技术能够成为研究微生物的高效工具。近期，研究者基于RL开发了一种强化学习代理BacterAI，通过自动化实验来解决综合性科学研究问题。通过BacterAI可以绘制微生物代谢途径，并且不需要先验知识。从白纸阶段开始学习可以避免先验知识产生的偏见结果。该文章使用BacterAI来学习两种口腔链球菌的氨基酸需求：Streptococcus gordonii和Streptococcus sanguinis，并了解到S. sanguinis具有与S. gordonii不同的氨基酸需求，尽管这两个物种密切相关并且生活在相同的环境中。BacterAI可以被扩展应用于解决更大、更复杂的问题，了解不同物种和不同环境之间的代谢逻辑。

  原文链接

  https://www.nature.com/articles/s41564-023-01376-0