研究人员开发了一个系统,包括一系列生物电子质子泵,可以在培养的人类干细胞附近的溶液中添加或移除氢离子。这些细胞经过基因修饰后,在细胞膜上表达一种荧光蛋白,这种荧光蛋白可以响应膜电压的变化。该系统由机器学习控制算法追踪膜电压如何响应质子泵的刺激。Rolandi解释说:“这是一个闭环系统,它记录细胞的行为,决定使用质子泵传递何种干预,观察细胞如何反应,然后决定需要的下一个干预,以实现和维持我们想要的膜电压状态。”
开发机器学习算法的戈麦斯说,算法没有事先根据任何数据进行训练,也不依赖于系统的模型。相反,“学习”是实时发生的,因为神经网络响应输入关于膜电压的当前状态。“生物学的适应性本质——即细胞改变其对外部刺激反应的能力——要求在控制中采用适应性方法,静态模型和过去的信息可能会过时,”戈麦斯说。
由于干细胞的膜电压不同于成熟的、分化的细胞,研究人员对利用该系统诱导和引导干细胞分化为特定细胞类型的可能性感兴趣。然而,他们并没有在这个概念验证研究中明确地观察细胞分化。
更广泛地说,生物电子学和机器学习在闭环生物混合系统中结合在再生医学和合成生物学中有许多潜在的应用,罗兰迪说。他指出,这项研究的结果将为该团队的工作提供信息,以开发一种“聪明的绷带提供生物电子智能控制伤口再生。“这项研究是使用生物电子学和机器学习控制细胞功能概念的重要证明,”他说。
这项研究发表在杂志上先进的智能系统年代。
来源:加州大学圣克鲁斯分校