Komórki przyszłości
Biologia syntetyczna rozwija się w zawrotnym tempie, a jednym z jej najnowszych osiągnięć są komórki zdolne do wykonywania złożonych obliczeń, podobnych do tych, które wykonują sztuczne sieci neuronowe. Artykuł, który ukazał się właśnie na łamach prestiżowego czasopisma „Science”, opisuje badania dr. Zibo Chena z Westlake University, (Hangzhou, Zhejiang, China) i California Institute of Technology (Pasadena, USA) i prof. Michaela B. Elowitza z California Institute of Technology oraz ich zespołu naukowców. Badacze przedstawili w nim nowe możliwości w diagnostyce medycznej i terapii. Naukowcy zaprojektowali syntetyczny obwód białkowy działający na zasadzie sieci neuronowej typu „zwycięzca bierze wszystko” (ang. winner-takes-all), co pozwala na zaawansowaną klasyfikację sygnałów w żywych komórkach.
Sztuczne sieci neuronowe (ang. Artificial Neural Networks, ANN) to systemy obliczeniowe inspirowane działaniem ludzkiego mózgu, w którym neurony komunikują się ze sobą poprzez skomplikowane sieci połączeń. Są podstawą wielu technologii związanych ze sztuczną inteligencją (AI). Ich kluczowym elementem jest zdolność do uczenia się na podstawie dostarczanych danych, co pozwala im rozwiązywać złożone problemy w różnych dziedzinach, takich jak rozpoznawanie obrazów, analiza mowy czy prognozowanie. Naukowcy od dawna zastanawiali się, czy podobne mechanizmy można zaimplementować w żywych komórkach, tak aby mogły podejmować decyzje na podstawie wielu sygnałów.
Tak "zaprojektowane" komórki mogą być potężnymi narzędziami diagnostycznymi i terapeutycznymi. Chen z zespołem naukowców zaprojektowali opartą na białkach sieć neuronową, która pozwala na porównywanie wielu danych wejściowych. Podstawą systemu jest zasada „zwycięzca bierze wszystko”, znana ze sztucznych sieci neuronowych. W tym przypadku naukowcy zastosowali zaprojektowane białka, które wiążą się z określonymi cząsteczkami docelowymi i tworzą tzw. heterodimery. To związki chemiczne, dimery zbudowane z dwóch różnych fragmentów (w przeciwieństwie do homodimerów), wykazujących jednak podobieństwo strukturalne. Przykładami heterodimerów są dwucukry, takie jak sacharoza (zbudowana z reszt glukozy i fruktozy) lub laktoza (zbudowana z reszt glukozy i galaktozy).
Proces ten aktywuje proteazy (enzymy), które rozszczepiają inne białka, prowadząc do wzajemnego hamowania pomiędzy węzłami wyjściowymi. Działanie sieci polega na tym, że z wielu sygnałów wejściowych jeden zostaje uznany za „zwycięzcę”, a jego efekt dominuje nad innymi. Jeżeli komórka odbierze kilka różnych sygnałów chemicznych, system wybierze ten najsilniejszy i przetworzy go w odpowiedni rezultat – na przykład w postaci zmiany funkcjonalnej komórki, takiej jak indukcja apoptozy (programowanej śmierci komórki).
Zastosowania biologicznych sieci neuronowych są ogromne. Przede wszystkim mogą one posłużyć do precyzyjnej diagnostyki chorób, poprzez analizę wielu biomarkerów jednocześnie. W tradycyjnych metodach diagnostycznych każdy biomarker jest analizowany osobno, co może prowadzić do niedokładnych wyników. Biologiczne obwody pozwalają na jednoczesne przetwarzanie wielu sygnałów i wybór tego najistotniejszego dla diagnozy.
W kontekście terapii komórki z syntetycznymi obwodami białkowymi mogą podejmować decyzje w odpowiedzi na zmienne warunki środowiskowe. Na przykład, w leczeniu nowotworów takie komórki mogłyby rozpoznać specyficzne sygnały związane z obecnością guza i aktywować mechanizmy prowadzące do jego zniszczenia, jednocześnie ignorując zdrowe tkanki. Jest to szczególnie obiecujące w terapii ukierunkowanej, która minimalizuje skutki uboczne leczenia.
Choć technologia ta jest jeszcze na wczesnym etapie rozwoju, jej potencjał jest ogromny. W przyszłości biologiczne sieci neuronowe mogą stać się podstawą inteligentnych terapii komórkowych, zdolnych do monitorowania i leczenia chorób w sposób bardziej precyzyjny niż kiedykolwiek dotąd.
Opracowana na podstawie:
A synthetic protein-level neural network in mammalian cells
