Umetna inteligenca odkrije namige o tem, zakaj se zarodki razvijejo nenormalno: Melanomske celice v paglavcih lahko posnemajo variabilnost človeških odzivov na dražljaje raka | 2020

Vsebina:

Anonim

Ugotovitve, objavljene 6. oktobra Znanstvena signalizacija Spletna pred tiskanjem, je verjel, da označujejo prvič umetna inteligenca je bila uporabljena za odkrivanje molekularnega modela, ki pojasnjuje, zakaj nekatere skupine celic odstopajo od normalnega razvoja v času embriogeneze, je dejal glavni avtor Michael Levin, dr. Bush profesor biologije pri Tuftsu in direktor Centra za regenerativno in razvojno biologijo Tufts.

Članek temelji na zgodnejših raziskavah centra za razumevanje razvoja in metastaz melanomskih celic v paglavcih ter delo z umetno inteligenco, ki pomaga razložiti regeneracijo planarjev. Nove ugotovitve, je povedal Levin, kažejo, da "lahko našo metodologijo prevzamemo daleč od preprostih organizmov in uporabimo za fiziologijo vedenja celic v vretenčarjih."

Za Znanstvena signalizacija Raziskovalci so uporabili tip umetne inteligence, imenovane evolucijsko računanje, za določitev molekularnih mehanizmov, ki so temeljili na prejšnjih raziskavah, v katerih so inducirali normalne pigmentne celice v zarodnih žabah Xenopus laevis za metastaziranje. Raziskovalci so uporabili vrsto zdravil za prekinitev normalnega bioelektričnega in serotonergičnega signaliziranja celic v ključni fazi razvoja. Tudi v odsotnosti poškodbe DNK ali izpostavljenosti rakotvornim snovem so pigmentne celice prizadetih zarodkov pridobile bizarne, podobne oblike in razvile druge melanomske značilnosti, ki so se nekontrolirano širile in napadale notranje žabje organe.

Glede na to, katera beljakovina v bioelektrični poti je bila prilagojena, je samo določen odstotek žabov razvil melanom, ostalo pa je zdravo. "V tem procesu je naključnost. Nimajo enakega rezultata pri vseh živalih, ki so izpostavljene točno enakemu sredstvu, kar lahko posnema variabilnost človeških odzivov na dražljaje, ki povzročajo raka," je dejal Levin.

Poleg tega so ga bili paglavci, ki so razvili melanom, razvili v vsaki pigmentni celici - vsaka žaba je bila 100-odstotno metastatska ali popolnoma normalna. V bistvu, pravi Levin, so vse pigmentne celice v paglavcu del enega samega kovanca, ki obrne glave (normalno) ali rep (rakasto). "Zdi se, da so metastaze skupinska dinamika, ne pa odločitev z eno celico," je dejal.

Nedavna raziskava je uporabila evolucijski izračun za razumevanje tega kompleksnega vedenja celic.

Maria Lobikin, doktorska disertacija iz Levinovega laboratorija in prvi avtor na Znanstvena signalizacija papir, najprej opredelil gradnike - receptorje, hormone in druge signalne beljakovine - serotonergične signalne poti, ki je uravnavala obnašanje celic, podobnih melanomu. Nato je ekipa uporabila umetno inteligenco, ki je posnemala evolucijo in ustvarila mrežo za kemijsko signalizacijo v "virtualnem zarodku", ki je pokazala enako vedenje kot raziskovalci v svojih poskusih s pravimi paglavci.

Tako kot biološka evolucija, evolucijski izračun ne naključno ali izčrpno preizkuša vsake možnosti, temveč uporablja inkrementalno izboljšanje in izbiro za hitro približevanje rešitvi. "Sistem umetne inteligence je razvil pot, ki pravilno razloži vse obstoječe in zelo zmedene podatke. Najboljše od vsega je, da je tudi pravilno napovedala podatke, ki jih še ni videla," je dejal Levin.

Znanje, pridobljeno o teh molekularnih signalnih poteh, vpliva na iskanje novih zdravil in ciljev za preprečevanje tumorjev ter boljše razumevanje mnogih drugih na videz naključnih odločitev, ki jih sprejmejo celice v živih organizmih. Ko je dovolj podatkov, so povedali Levin, bi raziskovalci lahko uporabili ta pristop za razvoj sistema, ki bi zdravnikom pomagal razumeti individualne genetske odzive bolnikov na zdravljenje in okoljske dejavnike, ki povzročajo raka.