Znanstvenici su otkrili da stanice ostavljaju jedinstvene „otiske prstiju” u svojoj genskoj aktivnosti, a umjetna inteligencija sada može te zapise čitati brže i točnije nego tradicionalne laboratorijske metode.
Istraživači s Whitehead Instituta predvođeni Pulin Lijem i doktorandom Nicholasom Hutchinsom razvili su model strojnog učenja nazvan IRIS koji prepoznaje obrasce aktivnosti gena povezane sa specifičnim signalnim putevima – kemijskim porukama koje stanice šalju i primaju tijekom razvoja. Ključno otkriće, objavljeno u časopisu Nature Methods, jest da su ti obrasci dosljedni u različitim tipovima stanica, što znači da znanstvenici više ne moraju zasebno mapirati svaki signalni put u svakoj vrsti stanice.
Razvoj embrija ovisi o tome koji su geni uključeni ili isključeni u pojedinoj stanici. Te obrasce oblikuju signali iz okolnih stanica koji prolaze kroz višestupanjske kaskade reakcija. Dosad se smatralo da učinci tih signalnih puteva toliko variraju među tipovima stanica da bi njihovo mapiranje zahtijevalo godine mukotrpnog laboratorijskog rada. IRIS to mijenja – model se može nositi i sa stanicama koje nikada prije nije vidio.
Učenje poput prepoznavanja glasa
Li uspoređuje IRIS sa sustavima za prepoznavanje glasa poput Sirija, koji su trenirani na engleskom, ali to znanje primjenjuju na druge jezike. „To se zove transferno učenje i zato IRIS može raditi na mnogo različitih tipova stanica”, objašnjava Li. Treniranje je provedeno na tisućama ljudskih embrionalnih matičnih stanica izloženih desecima kombinacija šest glavnih signalnih puteva u različitim fazama razvoja.
Testiranje na mišjim embrijima tijekom gastrulacije – faze kada se stanice naglo diferenciraju – pokazalo je da IRIS točno predviđa kada i gdje će se signalni putevi aktivirati u stanicama predodređenima za srce, crijeva, mišiće i leđnu moždinu. To je ključan napredak za regenerativnu medicinu: kada istraživači znaju koji signali vode matičnu stanicu prema točno određenom tipu stanice, mogu te signale reproducirati u laboratoriju.
Od predviđanja do modela pluća
Praktična primjena već je testirana na modelima plućnog tkiva. IRIS je predvidio da će aktiviranje specifičnog signalnog puta potaknuti razvoj stanica kritičnih za razvoj pluća, a pokusi na mišjim embrijima potvrdili su predviđanje. To otvara put pouzdanijem stvaranju laboratorijskih modela plućnog tkiva za proučavanje bolesti poput astme, raka pluća i plućne fibroze – stanja u kojem plućno tkivo ožiljkuje često bez poznatog uzroka.
Hutchins naglašava da IRIS „pomaže dešifrirati jezik kojim stanice komuniciraju mnogo brže nego što bismo to realno mogli postići eksperimentima”. Pitanje koje se nameće, a koje izvor ne postavlja, jest koliko će ovakvi modeli ubrzati razvoj personalizirane medicine i hoće li se ista metodologija moći primijeniti na tumore – gdje stanice komuniciraju na načine koji omogućuju širenje bolesti. Već sada je jasno da je ovo korak prema dešifriranju biološkog jezika kojim se donose odluke o sudbini svake stanice u tijelu.