Inteligência Artificial prevê a dinâmica do comportamento do worm

• Um novo algoritmo de aprendizado de máquina prevê com precisão o comportamento de uma lombriga.
• Analisa como Caenorhabditis elegans responde a um estímulo de laser.
• O algoritmo pode encontrar modelos precisos e interpretáveis ​​de sistemas mais complexos.

Nas últimas décadas, os avanços na biologia quantitativa permitiram aos cientistas medir com precisão a dinâmica de sistemas biológicos complexos em resposta a perturbações.

Por exemplo, o comportamento de escape completo de um Caenorhabditis elegans - uma lombriga transparente, com cerca de 1 milímetro de comprimento - em resposta a um estímulo pode ser medido por vários segundos em milhares de vermes.

Recentemente, biofísicos da Arizona State University e da University of Toronto desenvolveram uma ferramenta de inteligência artificial para modelar a dinâmica do verme que foge e percebe a dor. A ferramenta usa um método de aprendizado de máquina para prever com precisão o comportamento de um worm.

Em biologia, todas essas previsões fazem sentido e foram verificadas com dados obtidos em experimentos realizados no Caenorhabditis elegans.

O método de aprendizado de máquina é baseado em um algoritmo desenvolvido em 2015:busca as leis específicas que fundamentam sistemas biológicos complexos. A equipe chamou este algoritmo de ‘Sir Isaac’, em homenagem aos famosos físicos Sir Isaac Newton. Enquanto as leis do movimento de Newton mostram a dinâmica dos sistemas mecânicos, o algoritmo faz algo semelhante para os sistemas vivos.

Experiência no Caenorhabditis Elegans

Neste estudo, os pesquisadores analisaram a capacidade de tomada de decisão dos Caenorhabditis elegans:como eles respondem a um estímulo sensorial. Caenorhabditis elegans é um sistema modelo de animal de laboratório padrão e, desde 1970, tem sido amplamente utilizado como organismo modelo.

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

Como os humanos, Caenorhabditis elegans tem um dendrito que se estende da célula para coletar o neurotransmissor e se estende até o cérebro para uma conexão sináptica entre os neurônios. Possui apenas 302 neurônios e um conjunto limitado de movimentos.

Caenorhabditis elegans | Crédito da imagem:genome.gov

A equipe de pesquisa interrompeu o movimento para a frente de cada Caenorhabditis elegans, atingindo uma luz laser em sua cabeça. Cada verme respondeu de forma diferente. Alguns pausaram por um curto período de tempo antes de responder, enquanto outros inverteram rapidamente sua direção com o estímulo do laser. Mas havia uma coisa comum:todos os vermes respondiam rapidamente a temperaturas mais altas (laser intensivo).

Plataforma Sir Isaac

A equipe gravou os dados de movimento dos primeiros segundos dos experimentos e os alimentou no método de aprendizado de máquina. O sistema foi capaz de estimar o movimento da lombriga bem além desses poucos segundos iniciais. Cerca de 90% da variabilidade no movimento do verme (após o estímulo do laser) pode ser explicada biologicamente.

Prever o movimento de uma lombriga em resposta a um estímulo é muito mais difícil do que estimar o movimento de uma bola quando chutada. O algoritmo de Sir Isaac faz o mesmo ao considerar o complexo processamento sensorial nos vermes e suas atividades neurais, seguidas pela ativação dos músculos. Tudo isso se resume em uma modesta descrição matemática.

Leia:Engenheiros colocam o cérebro de um verme em um pequeno robô e funcionou

Este método de aprendizado de máquina pode ajudar a encontrar modelos precisos e interpretáveis ​​de sistemas mais complexos. O objetivo de longo prazo é construir uma inteligência artificial que possa acelerar o procedimento científico de criação de hipóteses quantitativas e, em seguida, testá-las por meio de experimentos.