Το νέο σύστημα τεχνητής νοημοσύνης αποκαλύπτει εύκολα τη συμπεριφορά της μύγας

Οι μύγες των φρούτων, που συχνά πιάνονται να σέρνονται πάνω σε μια μπανάνα που μαυρίζει ή σε υπερώριμα κολοκυθάκια, είναι

έντομα

που είναι προφανώς αρκετά διαφορετικά από τους ανθρώπους. Αλλά στο εσωτερικό, στην πραγματικότητα

μοιράζονται το 75 τοις εκατό της νόσου

-προκαλώντας γονίδια στον άνθρωπο. Για δεκαετίες, το γονιδίωμα αυτών των μικροσκοπικών όντων ήταν ένα πρωταρχικό θέμα για τους επιστήμονες να διερευνήσουν ερωτήματα σχετικά με τον τρόπο με τον οποίο ορισμένα χαρακτηριστικά μεταδίδονται από γενιά σε γενιά. Οι μύγες, ωστόσο, μπορεί να είναι δύσκολο να παρακολουθούνται επειδή είναι μικροσκοπικές και δύσκολο να τις ξεχωρίσουν οι επιστήμονες.

Αυτός είναι ο λόγος για τον οποίο μια ομάδα ερευνητών στο Πανεπιστήμιο Tulane δημιούργησε λογισμικό που ονομάζεται Automatic Fly-Behavioral Detection and Annotation με βάση τη μηχανική μάθηση ή MAFDA, το οποίο ήταν

περιγράφεται σε άρθρο στο

Προόδους της Επιστήμης


στα τέλη Ιουνίου. Το ειδικά σχεδιασμένο σύστημά τους χρησιμοποιεί μια κάμερα για να παρακολουθεί πολλές μύγες φρούτων ταυτόχρονα και μπορεί να αναγνωρίσει πότε μια συγκεκριμένη μύγα είναι πεινασμένη, κουρασμένη ή ακόμα και τραγουδά μια σερενάτα σε έναν πιθανό σύντροφο. Παρακολουθώντας τα χαρακτηριστικά μεμονωμένων μυγών με ποικίλο γενετικό υπόβαθρο, το σύστημα AI μπορεί να δει τις ομοιότητες και τις διαφορές μεταξύ τους.

«Οι μύγες είναι ένα τόσο σημαντικό μοντέλο στη βιολογία. Πολλές από τις θεμελιώδεις ανακαλύψεις ξεκίνησαν με τη μύγα των φρούτων – από τη γενετική βάση των χρωμοσωμάτων έως την ακτινοβολία και τις μεταλλάξεις έως την έμφυτη ανοσία – και αυτό σχετίζεται με την ανθρώπινη υγεία», λέει ο αντίστοιχος συγγραφέας Wu-Min Deng, καθηγητής βιοχημείας και μοριακής βιολογίας στο Tulane. «Θέλουμε να χρησιμοποιήσουμε αυτό το σύστημα για να μπορέσουμε να προσδιορίσουμε και να ποσοτικοποιήσουμε τη συμπεριφορά των φρουτόμυγων».

Ο Deng και η ομάδα ερευνητών του όχι μόνο ανέπτυξαν ένα σύστημα μηχανικής μάθησης που μειώνει το ανθρώπινο λάθος και βελτιώνει την αποτελεσματικότητα της μελέτης

Drosophila melanogaster,

αλλά ήταν σε θέση να αναγνωρίσουν ένα γονίδιο που ονομάζεται άκαρπο γονίδιο ή Fru.

Αυτό το γονίδιο, γνωστό ότι ελέγχει την παραγωγή φερομόνης, ανακαλύφθηκε ότι ελέγχει επίσης τον τρόπο με τον οποίο οι μύγες μυρίζουν τις φερομόνες και άλλα χημικά σήματα που απελευθερώνονται από τις γύρω μύγες φρούτων που συμμετέχουν στο ζευγάρωμα. Το γονίδιο μπορεί να ελέγχει το ίδιο κύκλωμα συμπεριφοράς (όταν εκφράζεται υπερβολικά ή λιγότερο) από εντελώς ξεχωριστά όργανα του σώματος, λέει ο Deng.

«Το άκαρπο γονίδιο είναι ο κύριος ρυθμιστής της νευροσυμπεριφοράς της ερωτοτροπίας των μυγών», είπε ο Ντενγκ.

Επειδή αυτό το λογισμικό επιτρέπει στους ερευνητές να οπτικοποιήσουν τη συμπεριφορά των εργαστηριακών ζώων (συμπεριλαμβανομένων των ποντικών και των ψαριών) στο χώρο και το χρόνο, ο Jie Sun, μεταπτυχιακός φοιτητής στην Ιατρική Σχολή του Πανεπιστημίου Tulane και συγγραφέας στην εργασία, λέει ότι τους δίνει τη δυνατότητα να χαρακτηρίσουν τις συμπεριφορές που είναι φυσιολογικές και τις συμπεριφορές που μπορεί να σχετίζονται με παθήσεις. «Το σύστημα MAFDA μας επιτρέπει επίσης να συγκρίνουμε προσεκτικά διαφορετικές μύγες και τη συμπεριφορά τους και να το δούμε σε άλλα ζώα», λέει ο Sun.

Οι επιστήμονες μπορούν να αντλήσουν έμπνευση από την επιστήμη των υπολογιστών και να την ενσωματώσουν σε άλλους τομείς όπως η βιολογία, λέει ο Navlakha Saket, καθηγητής επιστήμης υπολογιστών στο Cold Spring Harbor Laboratory που δεν συμμετείχε στη μελέτη. Μεγάλο μέρος της δημιουργικότητάς μας μπορεί να προέλθει από την ύφανση διαφορετικών πεδίων και δεξιοτήτων μαζί.

Από την παρακολούθηση των πηδημάτων, του περπατήματος ή των πτερυγίων των μυγών, το καινοτόμο σύστημα τεχνητής νοημοσύνης μπορεί να «μας επιτρέψει να σχολιάσουμε τις κοινωνικές συμπεριφορές και να τις ψηφιοποιήσουμε», λέει ο Wenkan Liu, μεταπτυχιακός φοιτητής στην Ιατρική Σχολή του Πανεπιστημίου Tulane. «Εάν χρησιμοποιήσουμε τη μύγα του καρκίνου, για παράδειγμα, μπορούμε να προσπαθήσουμε να βρούμε τι είναι διαφορετικό μεταξύ της κοινωνικής εκδήλωσης, της αλληλεπίδρασης των καρκινομυγών [and] κοινωνικές συμπεριφορές σε κανονική κοινωνική συμπεριφορά».

Αυτό το εργαλείο βαθιάς μάθησης είναι επίσης ένα παράδειγμα προώθησης δύο χωριστών πεδίων: της επιστήμης των υπολογιστών και της βιολογίας. Όταν μελετώνται τα ζώα, οι άνθρωποι ή το περιβάλλον, κερδίζουμε νέους αλγόριθμους, λέει ο Saket. «Στην πραγματικότητα μαθαίνουμε νέα επιστήμη των υπολογιστών από τη βιολογία».

Το σύστημα θα μπορούσε επίσης να εφαρμοστεί σε εξετάσεις φαρμάκων και να χρησιμοποιηθεί για τη μελέτη της εξέλιξης ή του βιο-υπολογισμού στο μέλλον.

«Είναι μια νέα περιοχή για να μελετήσουμε», λέει ο Deng. «Μαθαίνουμε νέα πράγματα κάθε μέρα».