Los biofísicos han usado un método automatizado para modelar un sistema vivo: la dinámica de un gusano que percibe y escapa del dolor. Actas de la Academia Nacional de Ciencias PNAS publicó los resultados, que trabajaron con datos de experimentos en el C. elegans gusano redondo
"Nuestro método es uno de los primeros en utilizar herramientas de aprendizaje automático en datos experimentales para derivar ecuaciones de movimiento simples e interpretables para un sistema vivo", dice Ilya Nemenman, autor principal del artículo y profesor de física y biología enEmory University. "Ahora tenemos una prueba de principio de que se puede hacer. El siguiente paso es ver si podemos aplicar nuestro método a un sistema más complicado".
El modelo hace predicciones precisas sobre la dinámica del comportamiento de los gusanos, y estas predicciones son biológicamente interpretables y han sido verificadas experimentalmente.
Los colaboradores en el documento incluyen al primer autor Bryan Daniels, un teórico de la Universidad Estatal de Arizona, y el coautor William Ryu, un experimentalista de la Universidad de Toronto.
Los investigadores utilizaron un algoritmo, desarrollado en 2015 por Daniels y Nemenman, que enseña a una computadora cómo buscar eficientemente las leyes que subyacen a los sistemas dinámicos naturales, incluidos los biológicos complejos. Denominaron el algoritmo "Sir Isaac", después de uno delos científicos más famosos de todos los tiempos: Sir Isaac Newton. Su objetivo a largo plazo es desarrollar el algoritmo en un "robot científico", para automatizar y acelerar el método científico de formación de hipótesis cuantitativas, y luego probarlas observando datosy experimentos.
Si bien las Tres leyes del movimiento de Newton se pueden usar para predecir la dinámica de los sistemas mecánicos, los biofísicos quieren desarrollar enfoques dinámicos predictivos similares que se puedan aplicar a los sistemas vivos.
Para el documento PNAS, se centraron en la toma de decisiones involucradas cuando C. elegans responde a un estímulo sensorial. Los datos sobre C. elegans había sido reunido previamente por el laboratorio Ryu, que desarrolla métodos para medir y analizar las respuestas conductuales del gusano redondo a nivel holístico, desde gestos motores básicos hasta programas conductuales a largo plazo.
C. elegans es un sistema de modelo animal de laboratorio bien establecido. La mayoría C. elegans tiene solo 302 neuronas, pocos músculos y un repertorio de movimiento limitado. Una secuencia de experimentos implicaba interrumpir el movimiento hacia adelante del individuo C. elegans con un golpe láser en la cabeza. Cuando el láser golpea un gusano, se retira, acelerando brevemente hacia atrás y finalmente regresando al movimiento hacia adelante, generalmente en una dirección diferente. Los gusanos individuales responden de manera diferente. Algunos, por ejemplo, invierten la dirección inmediatamente despuésestímulo láser, mientras que otros hacen una pausa breve antes de responder. Otra variable en los experimentos es la intensidad del láser: los gusanos responden más rápido a temperaturas más altas y más rápidas.
Los investigadores alimentaron a la plataforma Sir Isaac con los datos de movimiento de los primeros segundos de los experimentos, antes y poco después de que el láser golpeara un gusano y reaccionara inicialmente. A partir de estos datos limitados, el algoritmo pudo capturar las respuestas promedioque coincidía con los resultados experimentales y también para predecir el movimiento del gusano más allá de estos pocos segundos iniciales, generalizando a partir del conocimiento limitado. La predicción dejó solo el 10 por ciento de la variabilidad en el movimiento del gusano que puede atribuirse al estímulo láser sin explicación.Esto fue dos veces mejor que los mejores modelos anteriores, que no fueron ayudados por inferencia automatizada.
"Predecir la decisión de un gusano sobre cuándo y cómo moverse en respuesta a un estímulo es mucho más complicado que simplemente calcular cómo se moverá una pelota cuando la pateas", dice Nemenman. "Nuestro algoritmo tuvo que explicar las complejidades deprocesamiento sensorial en los gusanos, la actividad neuronal en respuesta a los estímulos, seguida de la activación de los músculos y las fuerzas que generan los músculos activados. Resumió todo esto en una descripción matemática simple y elegante ".
El modelo derivado por Sir Isaac estaba bien adaptado a la biología de C. elegans , que proporciona resultados interpretables tanto para el procesamiento sensorial como para la respuesta motora, insinuando el potencial de la inteligencia artificial para ayudar en el descubrimiento de modelos precisos e interpretables de sistemas más complejos.
"Es un gran paso hacer predicciones sobre el comportamiento de un gusano con respecto al de un humano", dice Nemenman, "pero esperamos que el gusano pueda servir como una especie de caja de arena para probar métodos de inferencia automatizada, de modo queSir Isaac podría algún día beneficiar directamente a la salud humana. Gran parte de la ciencia se trata de adivinar las leyes que rigen los sistemas naturales y luego verificar esas conjeturas a través de experimentos. Si podemos descubrir cómo usar las herramientas modernas de aprendizaje automático para ayudar con las conjeturas, eso podríaacelerar enormemente los avances de la investigación "
Fuente de la historia :
Materiales proporcionado por Ciencias de la salud de Emory . Original escrito por Carol Clark. Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :