Устройство, используемое для контроля мембранного напряжения в живых клетках, включает в себя набор биоэлектронных протонных насосов, которые добавляют или удаляют ионы водорода из раствора в непосредственной близости от культивируемых стволовых клеток человека. Клетки были генетически модифицированы, чтобы экспрессировать флуоресцентный белок на клеточной мембране, который реагирует на изменения мембранного напряжения. Система управляется алгоритмом машинного обучения, который отслеживает реакцию мембранного напряжения на стимулы от протонных насосов. Предоставлено: Джек Селберг.
В ходе впечатляющей демонстрации концепции, междисциплинарная группа ученых разработала биоэлектронную систему, управляемую алгоритмом машинного обучения, которая может сдвигать мембранное напряжение в живых клетках и поддерживать его на заданном уровне в течение 10 часов.
Каждая живая клетка поддерживает напряжение на клеточной мембране, которое возникает в результате различий в концентрациях заряженных ионов внутри и снаружи клетки. Это напряжение, часто называемое мембранным потенциалом или потенциалом покоя, регулируется ионными каналами в клеточной мембране и играет важную роль в физиологии клетки и таких функциях, как пролиферация и дифференцировка.
Управлять клетками с помощью биоэлектроники сложно из-за сложных способов, которыми клетки реагируют на изменения в окружающей среде, и естественного саморегулирующегося процесса обратной связи, известного как гомеостаз. Клетки регулируют движение ионов, чтобы поддерживать постоянное мембранное напряжение, поэтому исследователям пришлось разработать систему, которая могла бы противодействовать этой естественной реакции.
«Системы биологической обратной связи имеют фундаментальное значение для жизни, и их неисправность часто приводит к заболеваниям. Эта работа демонстрирует, что мы можем настроить эту обратную связь, используя комбинацию биоэлектронных устройств, приводимых в действие машинным обучением , и потенциально восстановить ее работу», – сказал Марко Роланди, профессор и заведующий кафедрой электротехники и вычислительной техники в инженерной школе Калифорнийского университета в Санта-Крус-Баскин.
Роланди – старший автор статьи, описывающей эту работу, опубликованной 24 сентября в журнале Advanced Intelligent Systems . Другими авторами-корреспондентами, которые помогли руководить проектом, являются Марселла Гомес, доцент прикладной математики Калифорнийского университета в Санта-Крус, и Майкл Левин, директор Центра регенеративной биологии и биологии развития в Университете Тафтса и доцент Института Висса Гарвардского университета. .
Исследователи разработали систему, включающую набор биоэлектронных протонных насосов, которые добавляют или удаляют ионы водорода из раствора в непосредственной близости от культивируемых стволовых клеток человека. Клетки были генетически модифицированы, чтобы экспрессировать флуоресцентный белок на клеточной мембране, который реагирует на изменения мембранного напряжения. Система управляется алгоритмом машинного обучения, который отслеживает реакцию мембранного напряжения на стимулы от протонных насосов.
Массивы протонных насосов были изготовлены на прозрачных подложках со встроенными микрофлюидными каналами, чтобы обеспечить культивирование клеток на кристалле и мониторинг производительности устройства и ответов клеток с помощью флуоресцентной микроскопии. Предоставлено: Джек Селберг.
«Это замкнутая система, поскольку она записывает поведение клеток, определяет, какое вмешательство следует осуществить с помощью протонных насосов, видит, как реагируют клетки, а затем определяет следующее вмешательство, необходимое для достижения и поддержания состояния мембранного напряжения. желание, – объяснил Роланди.
Гомес, который разработал алгоритм машинного обучения , сказал, что алгоритм не обучается заранее на каких-либо данных и не полагается на модель системы. Вместо этого «обучение» происходит в реальном времени, поскольку нейронная сеть реагирует на ввод, касающийся текущего состояния мембранного напряжения.
«Адаптивный характер биологии, то есть способность клеток изменять свою реакцию на внешние стимулы, требует адаптивного подхода к контролю, при котором статические модели и прошлая информация могут стать устаревшими», – сказал Гомес.
Поскольку мембранное напряжение стволовых клеток отличается от напряжения зрелых дифференцированных клеток, исследователи заинтересованы в возможности использования системы для индукции и направления дифференцировки стволовых клеток в определенные типы клеток. Однако они не рассматривали явно дифференцировку клеток в этом экспериментальном исследовании.
В более широком смысле, сочетание биоэлектроники и машинного обучения в биогибридной системе с замкнутым циклом имеет множество потенциальных применений в регенеративной медицине и синтетической биологии, сказал Роланди. Он отметил, что результаты этого исследования проинформируют команду о главных усилиях по разработке «умной повязки», обеспечивающей биоэлектронный интеллектуальный контроль регенерации раны.
«Это исследование является важным доказательством концепции использования биоэлектроники и машинного обучения для управления функциями клеток», – сказал он.
Источник: Университет Калифорнии – Санта – Крус
Фото: Университет Калифорнии