In precedenza limitato dall’interpretazione umana della realtà, ora è possibile dimostrare uno dei principi più basilari della biologia cellulare utilizzando l’apprendimento automatico
Affinché le nostre cellule possano proliferare, differenziarsi o migrare, il nucleo ha bisogno dell’aiuto del suo citoscheletro, l’impalcatura che circonda il nucleo che fornisce alle cellule forma e struttura solida. L’interruzione di questo forte accoppiamento, come la dislocazione del nucleo dal suo citoscheletro, è solitamente un sintomo di malattia nel corpo.
Tuttavia, questa relazione tra il posizionamento del nucleo e l’organizzazione del citoscheletro non è mai stata dimostrata prima a causa della difficoltà nel poter definire matematicamente l’intricato disegno del citoscheletro.
Utilizzando metodi scientifici convenzionali, uno scienziato dovrebbe prima determinare i parametri necessari per definire e misurare il sistema che viene studiato. Questa interpretazione umana della realtà consente la misurazione di sistemi semplici utilizzando parametri ben noti come dimensioni, velocità e distanza. Tuttavia, per molti sistemi complessi, come la rete di fibre che formano il citoscheletro, definire i parametri importanti diventa un compito impossibile.
“Interpretare sistemi così complessi è difficile perché dobbiamo inserirli nella nostra interpretazione della realtà e dei suoi misurabili predefiniti. Con le migliaia di fibre simili a spaghetti mescolate, sarebbe umanamente impossibile dire dove inizia una e finisce l’altra, per non parlare dei parametri dello studio”, ha spiegato il ricercatore principale Assoc Prof Fernandez di SUTD.
I ricercatori hanno quindi deciso di districare la questione da una prospettiva completamente nuova, spostando invece la loro attenzione dal sistema all’osservatore.
Assoc Prof Javier G. Fernandez e Ph.D. il candidato Jyothsna Vasudevan della Singapore University of Technology and Design (SUTD) ha collaborato con la National University of Singapore e la Nanyang Technological University e ha dimostrato con successo la correlazione tra l’organizzazione del citoscheletro e la posizione nucleare rivolgendosi all’intelligenza artificiale. Il loro studio, “Dai dati qualitativi alla correlazione utilizzando reti generative profonde: dimostrare la relazione della posizione nucleare con la disposizione dei filamenti di actina” è stato pubblicato su PLOS .
Per garantire che i parametri dello studio non fossero limitati dalla concettualizzazione umana, hanno sviluppato un algoritmo generativo unico per interpretare il citoscheletro delle cellule eucariotiche utilizzando dati qualitativi, senza dire al sistema cosa stava osservando e come misurarlo.
“Abbiamo separato le informazioni relative al nucleo e alle fibre in database indipendenti di immagini, assicurandoci che non ci fossero informazioni sul nucleo trovate nelle immagini delle fibre, in modo che il sistema non potesse imbrogliare. Quindi abbiamo addestrato il sistema a trovare la posizione del nucleo utilizzando solo informazioni specifiche per le fibre. Per fare ciò, il sistema doveva prendere i dati qualitativi e capire da solo se esisteva una relazione tra l’organizzazione delle fibre e la posizione del nucleo. Ciò ha costretto il programma a trovare i parametri che definiscono il sistema, libero dall’interpretazione umana e dai concetti predefiniti”, ha aggiunto il professor Fernandez di Assoc.
L’algoritmo è stato in grado di prevedere con successo la presenza e la posizione dei nuclei in più di 8.000 cellule, con quasi la metà di tali previsioni che risultavano in una deviazione inferiore a 1 μm dalla loro posizione esatta. Ciò ha dimostrato, con sbalorditivo significato, l’ipotesi di una relazione deterministica tra la disposizione dei filamenti di actina e la posizione del nucleo, una delle relazioni più basilari della biologia cellulare. Il Prof. Assoc Fernandez ritiene che ciò abbia portato anche a un esito epistemologico.
“Questo studio ha trasformato il modo in cui pensiamo di adattare i nostri metodi di ricerca scientifica per consentire all’apprendimento automatico di essere utilizzato non solo come strumento per analizzare i dati, ma anche per interpretare la realtà. Per i sistemi intrinsecamente complessi della biologia, ciò accelererà senza dubbio la prossima rivoluzione tecnologica: la “biologizzazione” della tecnologia. Ciò consentirà di svelare e dominare davvero le complessità e le complessità dei sistemi biologici utilizzando l’apprendimento automatico”, ha aggiunto il professor Fernandez di Assoc.
