El aprendizaje automático ayuda a desarrollar órganos artificiales
Crédito: CC0 Dominio público
Investigadores del Instituto de Física y Tecnología de Moscú, el Instituto Ivannikov de Programación de Sistemas y el Instituto de Investigación Ocular Schepens, afiliado a la Facultad de Medicina de Harvard, han desarrollado una red neuronal capaz de reconocer tejidos retinianos durante el proceso de su diferenciación en una placa. A diferencia de los humanos, el algoritmo logra esto sin la necesidad de modificar las células, lo que hace que el método sea adecuado para cultivar tejido retiniano para desarrollar terapias de reemplazo celular para tratar la ceguera y realizar investigaciones sobre nuevos medicamentos. El estudio fue publicado en Frontiers in Cellular Neuroscience.
Esto permitiría expandir las aplicaciones de la tecnología a múltiples campos, incluido el descubrimiento de fármacos y el desarrollo de terapias de reemplazo celular para tratar la ceguera
En los organismos multicelulares, las células que componen diferentes órganos y tejidos no son lo mismo. Tienen distintas funciones y propiedades, adquiridas en el curso del desarrollo. Comienzan igual, como las llamadas células madre, que tienen el potencial de convertirse en cualquier tipo de célula que incorpore el organismo maduro. Luego se diferencian mediante la producción de proteínas específicas para ciertos tejidos y órganos.
La técnica más avanzada para replicar la diferenciación de tejidos in vitro se basa en agregados de células tridimensionales llamados organoides. El método ya ha demostrado su eficacia para estudiar el desarrollo de la retina, el cerebro, el oído interno, el intestino, el páncreas y muchos otros tipos de tejidos. Dado que la diferenciación basada en organoides imita de cerca los procesos naturales, el tejido resultante es muy similar al de un órgano biológico real.
Algunas de las etapas en la diferenciación celular hacia la retina tienen una naturaleza estocástica (aleatoria), dando lugar a variaciones considerables en el número de células con una función determinada incluso entre órganos artificiales del mismo lote. La discrepancia es aún mayor cuando están involucradas diferentes líneas celulares. Como resultado, es necesario tener un medio para determinar qué células ya se han diferenciado en un momento dado. De lo contrario, los experimentos no serán realmente replicables, lo que hará que las aplicaciones clínicas también sean menos confiables.
Para detectar células diferenciadas, los ingenieros de tejidos usan proteínas fluorescentes. Al insertar el gen responsable de la producción de dicha proteína en el ADN de las células, los investigadores se aseguran de que se sintetice y produzca una señal una vez que se haya alcanzado una determinada etapa en el desarrollo celular. Si bien esta técnica es altamente sensible, específica y conveniente para evaluaciones cuantitativas, no es adecuada para células destinadas a trasplantes o modelos de enfermedades hereditarias.
Para abordar ese escollo, los autores del estudio reciente en Frontiers in La neurociencia celular ha propuesto un enfoque alternativo basado en la estructura de los tejidos. Hasta el momento no se han formulado criterios fiables y objetivos para predecir la calidad de las células diferenciadas. Los investigadores propusieron que los mejores tejidos retinianos, los más adecuados para el trasplante, la detección de fármacos o el modelado de enfermedades, deberían seleccionarse utilizando redes neuronales e inteligencia artificial.
«Uno de los principales enfoques de nuestro laboratorio es aplicar los métodos de la bioinformática , aprendizaje automático e inteligencia artificial para tareas prácticas en genética y biología molecular. Y esta solución también se encuentra en la interfaz entre las ciencias. En ella, las redes neuronales, que se encuentran entre las cosas en las que MIPT tradicionalmente sobresale, abordan un problema importante para la biomedicina. : predecir la diferenciación de células madre en la retina», dijo el coautor del estudio Pavel Volchkov, quien dirige el Laboratorio de ingeniería del genoma en MIPT.
«La retina humana tiene una capacidad de regeneración muy limitada», continuó el genetista. . «Esto significa que cualquier pérdida progresiva de neuronas, por ejemplo, en el glaucoma, conduce inevitablemente a la pérdida completa de la visión. Y no hay nada que un médico pueda recomendar, salvo comenzar a aprender Braille. Nuestra investigación lleva a la biomedicina un paso más cerca de crear un sistema celular». terapia para enfermedades de la retina que no solo detendría la progresión sino que revertiría la pérdida de la visión».
El equipo entrenó una red neuronal, es decir, un algoritmo informático que imita la forma en que funcionan las neuronas en el cerebro humano para identificar los tejidos en un retina en desarrollo a partir de fotografías realizadas con un microscopio de luz convencional. Primero, los investigadores hicieron que varios expertos identificaran las células diferenciadas en 1200 imágenes a través de una técnica precisa que implica el uso de un indicador fluorescente. La red neuronal se entrenó en 750 imágenes, con otras 150 utilizadas para validación y 250 para probar predicciones. En esta última etapa, la máquina pudo detectar células diferenciadas con una precisión del 84 %, en comparación con el 67 % logrado por humanos.
«Nuestros hallazgos indican que los criterios actuales utilizados para la selección de tejido retiniano en etapa temprana pueden ser subjetivos. Dependen del experto que toma la decisión. Sin embargo, planteamos la hipótesis de que la morfología del tejido, su estructura, contiene pistas que permiten predecir la diferenciación retiniana, incluso en etapas muy tempranas. Y a diferencia de un humano, el programa de computadora puede extraer eso ¡información!» comentó Evgenii Kegeles del MIPT Laboratory for Orphan Disease Therapy and Schepens Eye Research Institute, EE. UU.
«Este enfoque no requiere imágenes de muy alta calidad, indicadores fluorescentes o colorantes, lo que hace que sea relativamente fácil de implementar ”, agregó el científico. «Nos lleva un paso más cerca del desarrollo de terapias celulares para enfermedades de la retina como el glaucoma y la degeneración macular, que hoy en día conducen invariablemente a la ceguera. Además, el enfoque puede transferirse no solo a otras líneas celulares, sino también a otras células artificiales humanas». órganos».
Explore más
El estudio arroja luz sobre por qué las células ganglionares de la retina son vulnerables al glaucoma Más información: Evgenii Kegeles et al, Convolutional Neural Networks Can Predict Retinal Differentiation in Retinal Organoids, Frontiers in Cellular Neurociencia (2020). DOI: 10.3389/fncel.2020.00171 Proporcionado por el Instituto de Física y Tecnología de Moscú Cita: El aprendizaje automático ayuda a cultivar órganos artificiales (7 de julio de 2020) consultado el 31 de agosto de 2022 en https://medicalxpress.com/news /2020-07-machine-artificial.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.