Künstliche Intelligenz sagt die Dynamik des Wurmverhaltens voraus

• Ein neuer Algorithmus für maschinelles Lernen sagt das Verhalten eines Spulwurms genau voraus.
• Es analysiert, wie Caenorhabditis elegans auf einen Laserreiz reagiert.
• Der Algorithmus kann präzise und interpretierbare Modelle komplexerer Systeme finden.

In den letzten Jahrzehnten haben Fortschritte in der quantitativen Biologie es Wissenschaftlern ermöglicht, die Dynamik komplexer biologischer Systeme als Reaktion auf Störungen präzise zu messen.

Zum Beispiel kann das vollständige Fluchtverhalten eines Caenorhabditis elegans – eines transparenten Spulwurms von etwa 1 Millimeter Länge – als Reaktion auf einen Reiz bei Tausenden von Würmern mehrere Sekunden lang gemessen werden.

Kürzlich haben Biophysiker der Arizona State University und der University of Toronto ein Tool für künstliche Intelligenz entwickelt, um die Dynamik des Entkommens von Würmern und der Schmerzwahrnehmung zu modellieren. Das Tool verwendet eine Methode des maschinellen Lernens, um das Verhalten eines Wurms genau vorherzusagen.

In der Biologie machen all diese Vorhersagen Sinn und sie wurden mit Daten verifiziert, die aus Experimenten an Caenorhabditis elegans gewonnen wurden.

Die Methode des maschinellen Lernens basiert auf einem 2015 entwickelten Algorithmus:Sie sucht nach den spezifischen Gesetzmäßigkeiten, die komplexen biologischen Systemen zugrunde liegen. Das Team hat diesen Algorithmus „Sir Isaac“ benannt, nach dem berühmten Physiker Sir Isaac Newton. Während Newtons Bewegungsgesetze die Dynamik mechanischer Systeme zeigen, macht der Algorithmus etwas Ähnliches für lebende Systeme.

Experiment zu den Caenorhabditis Elegans

In dieser Studie analysierten die Forscher die Entscheidungsfähigkeit der Caenorhabditis elegans:wie sie auf einen Sinnesreiz reagieren. Caenorhabditis elegans ist ein Standard-Labortiermodellsystem und wird seit den 1970er Jahren ausgiebig als Modellorganismus verwendet.

Referenz:PNAS | doi:10.1073/pnas.1816531116 | Emory Gesundheitswissenschaften

Wie der Mensch hat Caenorhabditis elegans einen Dendriten, der sich von der Zelle aus erstreckt, um Neurotransmitter zu sammeln, und sich zum Gehirn für eine synaptische Verbindung zwischen Neuronen ausdehnt. Es hat nur 302 Neuronen und eine begrenzte Anzahl von Bewegungen.

Caenorhabditis elegans | Bildquelle:genom.gov 

Das Forscherteam unterbrach die Vorwärtsbewegung jedes Caenorhabditis elegans, indem es mit einem Laserlicht auf seinen Kopf traf. Jeder Wurm reagierte anders. Einige hielten kurz inne, bevor sie reagierten, während andere auf Laserstimulation ihre Richtung schnell umkehrten. Eines war jedoch gemeinsam:Alle Würmer reagierten schnell auf heißere Temperaturen (intensiver Laser).

Sir Isaac-Plattform

Das Team zeichnete die Bewegungsdaten aus den ersten Sekunden der Experimente auf und speiste sie in das Machine-Learning-Verfahren ein. Das System war in der Lage, die Bewegung des Spulwurms weit über diese ersten Sekunden hinaus abzuschätzen. Etwa 90% der Variabilität der Wurmbewegung (nach dem Laserstimulus) kann biologisch erklärt werden.

Die Bewegung eines Spulwurms als Reaktion auf einen Stimulus vorherzusagen ist weitaus schwieriger als die Bewegung eines Balls, wenn er getreten wird. Der Sir Isaac-Algorithmus macht dasselbe, während er die komplexe sensorische Verarbeitung in den Würmern und ihre neuralen Aktivitäten, gefolgt von der Aktivierung der Muskeln, berücksichtigt. Dies alles lässt sich in einer bescheidenen mathematischen Beschreibung zusammenfassen.

Lesen Sie:Ingenieure steckten das Gehirn eines Wurms in einen kleinen Roboter und es funktionierte

Diese Methode des maschinellen Lernens kann dabei helfen, präzise und interpretierbare Modelle komplexerer Systeme zu finden. Langfristiges Ziel ist der Aufbau einer künstlichen Intelligenz, die das wissenschaftliche Verfahren zur Erstellung quantitativer Hypothesen und deren anschließender experimenteller Überprüfung beschleunigen kann.