Искусственный интеллект открывает новое понимание биофизики рака: машинное обучение предсказывает невиданный ранее раковый фенотип

Ранее исследователи показали, что пигментные клетки (меланоциты) у развивающихся лягушек могут быть преобразованы в метастатическую форму, подобную раку, путем нарушения их нормальной биоэлектрической и серотонинергической передачи сигналов, и использовали ИИ для реинжиниринга модели, объясняющей этот сложный процесс. Однако в ходе этих обширных экспериментов биологи наблюдали кое-что замечательное: все меланоциты в одной личинке лягушки либо преобразовались в раковую форму, либо остались полностью нормальными.
Преобразование только некоторых пигментных клеток у одного головастика никогда не наблюдалось; Как, спросили исследователи, можно объяснить и контролировать такую ​​полную координацию клеток в теле головастика??
В новом исследовании исследователи попросили созданную ими модель искусственного интеллекта ответить на вопрос о том, как достичь частичной конверсии меланоцитов у одного и того же животного с помощью одного или нескольких вмешательств.

«Мы хотели посмотреть, сможем ли мы нарушить согласованность между клетками, что поможет нам понять, как клетки принимают групповые решения и определяют сложные результаты в масштабах всего организма», – сказал автор статьи, Майкл Левин, доктор философии.D., Ванневар Буш, профессор биологии и директор Центра открытий Аллена в Тафтсе и Центра регенеративной биологии и биологии развития Тафтса.
Модель AI в конечном итоге предсказала, что точная комбинация трех реагентов (альтансерина, ингибитор 5HTR2; резерпин, ингибитор VMAT, и VP16-XlCreb1, мРНК, кодирующая конститутивно активный CREB) позволит достичь этого результата. Когда этот фармацевтический коктейль применялся in vivo на настоящих головастиках, в результате фактически происходила конверсия меланоцитов в одних регионах, но не в других в отдельных личинках лягушек, чего раньше никогда не наблюдалось.

"Наша система предсказывала трехкомпонентное лечение, которое мы никогда бы не придумали самостоятельно, которое дало бы точный результат, которого мы хотели, и которого мы не видели раньше в течение многих лет разнообразных экспериментов. Такие подходы являются ключевым шагом для регенеративной медицины, где основным препятствием является тот факт, что обычно очень трудно знать, как манипулировать сложными сетями, обнаруженными биоинформатикой и влажными лабораторными экспериментами, таким образом, чтобы достичь желаемого терапевтического результата. "сказал Левин.
Он добавил: «Большая часть биомедицины сводится к следующему: у нас есть сложная биологическая система и тонна данных о том, что с ней делают различные возмущения. Теперь мы хотим сделать что-то другое – вылечить болезнь, контролировать поведение клеток, регенерировать ткань.

Практически для любой проблемы, когда доступно много данных, мы можем использовать эту платформу обнаружения моделей, чтобы найти модель, а затем опросить ее, чтобы увидеть, что нам нужно сделать для достижения результата X."
Для нового исследования система использовала модель, открытую ИИ, для проведения 576 виртуальных экспериментов, каждый из которых с помощью вычислений моделирует 100-кратное развитие эмбриона под действием другой новой комбинации лекарств; 575 не дали ожидаемого результата.

Но одной точной комбинацией трех препаратов была пресловутая игла в экспериментальном стоге сена, предсказывающая частичное превращение меланоцитов.
"Даже с полной моделью, описывающей точный механизм, который управляет системой, один ученый-человек не смог бы найти точную комбинацию лекарств, которая привела бы к желаемому результату. Это подтверждает концепцию того, как система искусственного интеллекта может помочь нам найти точные вмешательства, необходимые для получения конкретного результата », – сказал первый автор статьи Дэниел Лобо, доктор философии.D., бывший сотрудник лаборатории Левина, а теперь доцент кафедры биологии и информатики в Университете Мэриленда, округ Балтимор.

К Левину и Лобо в написании статьи присоединилась Мария Лобикина, к.D., ранее работал в лаборатории Левина, а сейчас – ученый в Homology Medicines Inc.
Компьютерная модель предсказывала процент головастиков, которые сохраняли бы полностью нормальные меланоциты в пределах 1 процента от результатов in vivo, при этом суммируя процент головастиков, которые показали частичную или полную конверсию in vivo. Планы будущих исследований включают расширение платформы для включения данных временных рядов, которые позволят еще более точно сравнивать компьютерные модели и модели in vivo.

Исследователи также надеются расширить этот подход на другие аспекты регенеративной медицины, обнаружив вмешательства, которые помогают перепрограммировать опухоли, запускать регенерацию и контролировать динамику стволовых клеток. Левин отметил, что укрощение физиологических сетей, подобных той, которая отвечает за конверсию меланоцитов, потребует все более сложных вычислительных и математических методов моделирования и представления данных, а также новых лабораторных методов, чтобы повысить способность количественной оценки информации in vivo, особенно у людей.