Kunstmatige intelligentie voorspelt dynamiek van wormgedrag

• Een nieuw machine learning-algoritme voorspelt nauwkeurig het gedrag van een spoelworm.
• Het analyseert hoe Caenorhabditis elegans reageert op een laserstimulus.
• Het algoritme kan nauwkeurige en interpreteerbare modellen van complexere systemen vinden.

In de afgelopen decennia hebben de vorderingen in de kwantitatieve biologie wetenschappers in staat gesteld om de dynamiek van complexe biologische systemen nauwkeurig te meten als reactie op verstoringen.

Zo kan het volledige ontsnappingsgedrag van een Caenorhabditis elegans - een transparante rondworm van ongeveer 1 millimeter lang - als reactie op een stimulus gedurende enkele seconden worden gemeten in duizenden wormen.

Onlangs hebben biofysici van de Arizona State University en de University of Toronto een tool voor kunstmatige intelligentie ontwikkeld om de dynamiek van het ontsnappen van wormen en het waarnemen van pijn te modelleren. De tool gebruikt een machine learning-methode om het gedrag van een worm nauwkeurig te voorspellen.

In de biologie zijn al deze voorspellingen logisch en ze zijn geverifieerd met gegevens die zijn verkregen uit experimenten die zijn uitgevoerd op de Caenorhabditis elegans.

De machine learning-methode is gebaseerd op een in 2015 ontwikkeld algoritme:het zoekt naar de specifieke wetten die ten grondslag liggen aan complexe biologische systemen. Het team heeft dit algoritme 'Sir Isaac' genoemd, naar de beroemde natuurkundigen Sir Isaac Newton. Terwijl de bewegingswetten van Newton de dynamiek van mechanische systemen laten zien, doet het algoritme iets soortgelijks voor levende systemen.

Experiment op de Caenorhabditis Elegans

In deze studie analyseerden onderzoekers het beslissingsvermogen van de Caenorhabditis elegans:hoe ze reageren op een sensorische stimulus. Caenorhabditis elegans is een standaard proefdiermodelsysteem en wordt sinds de jaren 70 op grote schaal gebruikt als modelorganisme.

Referentie:PNAS | doi:10.1073/pnas.1816531116 | Emory Gezondheidswetenschappen

Net als mensen heeft Caenorhabditis elegans een dendriet dat zich vanuit de cel uitstrekt om neurotransmitters te verzamelen, en zich uitstrekt naar de hersenen voor een synaptische verbinding tussen neuronen. Het heeft slechts 302 neuronen en een beperkt aantal bewegingen.

Caenorhabditis elegans | Afbeelding tegoed:genome.gov 

Het onderzoeksteam onderbrak de voorwaartse beweging van elke Caenorhabditis elegans door een laserlicht op zijn hoofd te slaan. Elke worm reageerde anders. Sommigen pauzeerden even voordat ze reageerden, terwijl anderen snel van richting veranderden na laserstimulus. Maar één ding was gemeen:alle wormen reageerden snel op hogere temperaturen (intensieve laser).

Sir Isaac Platform

Het team nam de bewegingsgegevens van de eerste paar seconden van de experimenten op en voerde deze door aan de machine learning-methode. Het systeem was in staat om de beweging van de rondworm veel langer dan deze eerste paar seconden te schatten. Ongeveer 90% van de variabiliteit in de wormbeweging (na de laserstimulus) kan biologisch worden verklaard.

Het voorspellen van de beweging van een rondworm als reactie op een stimulus is veel moeilijker dan het inschatten van de beweging van een bal wanneer deze wordt geschopt. Het Sir Isaac-algoritme doet hetzelfde, rekening houdend met complexe sensorische verwerking in de wormen en hun neurale activiteiten, gevolgd door de activering van spieren. Dit alles wordt samengevat in een bescheiden wiskundige beschrijving.

Lezen:Ingenieurs stoppen het brein van een worm in een kleine robot en het werkte

Deze machine learning-methode kan helpen bij het vinden van nauwkeurige en interpreteerbare modellen van meer ingewikkelde systemen. Het doel op lange termijn is het bouwen van een kunstmatige intelligentie die de wetenschappelijke procedure van het creëren van kwantitatieve hypothesen kan versnellen en deze vervolgens via experimenten kan testen.