KI entschlüsselt komplexe Wurmverhaltensdynamik mit Laserreizen

Ein neuer ML-Algorithmus sagt Verhalten eines Fadenwurms präzise voraus. Er analysiert, wie Caenorhabditis elegans auf einen Laserreiz reagiert. Der Algorithmus findet präzise und interpretierbare Modelle komplexerer Systeme.

Experiment an Caenorhabditis elegans

In den letzten Jahrzehnten ermöglichten Fortschritte in quantitativer Biologie präzise Messung der Dynamik komplexer biologischer Systeme auf Störungen.

Beispielsweise kann das vollständige Fluchtverhalten von Caenorhabditis elegans – ein transparenter Fadenwurm, ~1 mm Länge – auf Reiz mehrere Sekunden lang an tausenden Würmern gemessen werden.

Biophysiker der Arizona State University und University of Toronto entwickelten kürzlich ein KI-Tool zur Modellierung der Dynamik von Wurmflucht und Schmerzperzeption. Das Tool nutzt ML, um Wurmverhalten präzise vorherzusagen.

In der Biologie ergeben diese Vorhersagen Sinn und wurden mit Experimentdaten an C. elegans verifiziert.

Die ML-Methode basiert auf einem 2015 entwickelten Algorithmus: Er sucht nach spezifischen Gesetzen, die komplexe biologische Systeme zugrunde liegen. Das Team nannte ihn «Sir Isaac», nach Physiker Sir Isaac Newton. Während Newtons Bewegungsgesetze Dynamik mechanischer Systeme zeigen, tut der Algorithmus Ähnliches für lebende Systeme.

Sir Isaac Plattform

Das Team zeichnete Bewegungsdaten der ersten Sekunden der Experimente auf und speiste sie in die ML-Methode ein. Das System schätzte die Wurmbewegung weit über diese Anfangssekunden hinaus. ~90 % der Variabilität in der Wurmbewegung (nach Laserreiz) lässt sich biologisch erklären.

Eine Fadenwurmbewegung auf Reiz vorherzusagen, ist weit schwieriger als Ballbewegung beim Kicken. Der Sir-Isaac-Algorithmus macht dasselbe, während er komplexe sensorische Verarbeitung, neuronale Aktivitäten und Muskelaktivierung berücksichtigt – summiert in einer bescheidenen mathematischen Beschreibung.

Referenz: PNAS | doi:10.1073/pnas.1816531116 | Emory Health Sciences

Caenorhabditis elegans | Bildquelle: genome.gov

Forscher unterbrachen Vorwärtsbewegung jedes C. elegans durch Laserlicht auf den Kopf. Jeder Wurm reagierte anders: Einige pausierten kurz vor Reaktion, andere kehrten Richtung schnell um. Gemeinsam: Alle reagierten schnell auf höhere Temperaturen (intensiver Laser).

Ausblick

Diese ML-Methode kann helfen, präzise und interpretierbare Modelle komplexerer Systeme zu finden. Langfristiges Ziel: KI bauen, die wissenschaftlichen Prozess quantitativer Hypothesenbildung und experimenteller Testung beschleunigt.