IA descifra dinámicas complejas de comportamiento de gusano con estímulos láser

Nuevo algoritmo de machine learning predice con precisión comportamiento de gusano redondo.

Analiza cómo Caenorhabditis elegans responden a estímulo láser.

El algoritmo encuentra modelos precisos e interpretables de sistemas más intrincados.

Experimento en Caenorhabditis Elegans

En biología, todas estas predicciones tienen sentido y se verificaron con datos de experimentos en C. elegans.

El método de machine learning se basa en algoritmo desarrollado en 2015: busca leyes específicas subyacentes a sistemas biológicos complejos. El equipo nombró este algoritmo "Sir Isaac", tras el famoso físico Sir Isaac Newton. Mientras las leyes de Newton muestran dinámicas de sistemas mecánicos, el algoritmo hace algo similar para sistemas vivos.

Referencia: PNAS | doi:10.1073/pnas.1816531116 | Emory Health Sciences

En este estudio, investigadores analizaron capacidad de decisión de C. elegans: cómo responden a estímulo sensorial. C. elegans es modelo animal estándar de laboratorio, usado extensivamente como organismo modelo desde los 1970s.

Como humanos, C. elegans tiene dendrita que se extiende de la célula para recolectar neurotransmisor y extender al cerebro para conexión sináptica entre neuronas. Tiene solo 302 neuronas y conjunto limitado de movimientos.

Caenorhabditis elegans | Crédito imagen: genome.gov

El equipo interrumpió movimiento forward de cada C. elegans golpeando luz láser en su cabeza. Cada gusano respondió diferente. Algunos pausaron breve antes de responder, otros invirtieron dirección rápidamente tras estímulo láser. Pero una cosa común: todos respondieron rápido a temperaturas más altas (láser intensivo).

Plataforma Sir Isaac

El equipo registró datos de movimiento de primeros segundos de experimentos y los alimentó al método de machine learning. El sistema estimó movimiento del gusano redondo más allá de esos segundos iniciales. ~90% de variabilidad en movimiento del gusano (tras estímulo láser) puede explicarse biológicamente.

Predecir movimiento de gusano redondo ante estímulo es mucho más difícil que estimar movimiento de pelota pateada. El algoritmo Sir Isaac hace lo mismo contabilizando procesamiento sensorial complejo en gusanos y sus actividades neuronales seguidas de activación muscular. Todo resumido en descripción matemática modesta.

Leer: Ingenieros ponen cerebro de gusano en robot pequeño y funcionó

Este método de machine learning ayuda a encontrar modelos precisos e interpretables de sistemas más intrincados. Objetivo a largo plazo: construir IA que acelere procedimiento científico de crear hipótesis cuantitativas y testearlas vía experimentos.