RNA-Design: KI lernt von Top-Puzzlespielern

Grafik: TheDigitalArtist, pixabay.com

Designer-RNA gilt als Hoffnungsträger beispielsweise für die Krebstherapie, doch bislang sind Computer dabei keine große Hilfe: Sie kommen bei gewissen Strukturdesign-Aufgaben einfach nicht an den Menschen heran. Damit sich das ändert, haben Forscher jetzt eine Künstliche Intelligenz (KI) entwickelt, die praktisch von Top-Spielern des RNA-Puzzle-Games "Eterna" lernt. Denn das neuronale Netzwerk "EternaBrain" fängt gewisse Tendenzen der Gamer ein - und erzielt letztlich bessere Ergebnisse als andere RNA-Design-Algorithmen.

Lernen aus Crowdsourcing

RNA-Design hat teils etwas von einem Puzzlespiel, denn es bedarf ganz bestimmter Sequenzen der vier RNA-Bausteine, damit gewünschte Strukturen entstehen. Beim Game "Eterna", das vom Labor des Biochemie- und Physikprofessors Rhiju Das an der Stanford University betreut wird, versuchen Spieler, die richtigen Sequenzen zu finden, damit fertige Moleküle auch die gewünschte Form annehmen. Manche Top-Gamer stechen dabei jegliche Computeralgorithmen aus - das Spiel ist also ein wertvoller Crowdsourcing-Beitrag zum RNA-Design.

Das und sein Team haben sich also damit befasst, was Maschinen eben davon lernen können. Mithilfe eines Datensatzes von rund 1,8 Mio. Design-Zügen von Eterna-Spielern haben die Forscher das neuronale Netzwerk EternaBrain entwickelt, das Vorlieben und Strategien der Spieler aufdeckt. Es kann so weitere - oft vielversprechende - Züge von Top-Spielern viel besser vorhersagen als durch einfaches Raten möglich wäre. Ein erweiterter Algorithmus ist dadurch beim Lösen von Eterna-Aufgaben ebenso gut oder besser als bisherige Algorithmen.

Noch ein sehr weiter Weg

"Unsere Ergebnisse legen nahe, dass es möglich sein sollte, automatisierte Algorithmen für computerisiertes RNA-Design zu schaffen, die menschliche RNA-Designer nachahmen oder ausstechen", meint Das. Allerdings müsste man noch viel von Gamern und KI-Forschern lernen. Die Forscher wollen nun jedenfalls versuchen, ob es eine Kombination von EternaBrain mit anderen algorithmischen Zugängen schafft, bessere Ergebnisse zu erzielen als Top-Spieler. Das Team hofft auch, dass EternaBrain für komplexere Aufgaben wie das Design von RNA-Computern anwendbar ist.

Quelle: www.pressetext.com/Thomas Pichler