Ljudska stanica je složen stroj kao nijedan drugi, pun bioloških lančanih reakcija koje čine razliku između života i smrti. Razumijevanje tih delikatnih odnosa i kako oni pođu po zlu pri pojavi bolesti jedna je od središnjih fascinacija biologije.

Jedna jedina greška u genu može saviti bjelančevinu koju stvara u pogrešan oblik te ona zbog toga ne može obavljati svoj posao, što ima negativne posljedice na cijeli organizam. Recimo, vas.

Zbog visoke razine složenosti teško je pratiti kako se problem sa samo jednim proteinom širi na cijeli sustav, a u tome bi mogao pomoći računalni model stanice s visokom razinom detalja omogućujući znanstvenicima promatranje simulacija takvih procesa.

Zahvaljujući usponu umjetne inteligencije to bi moglo postati ostvarivo. Googleov DeepMind radi na takvom projektu, a organizacija Chan Zuckerberg Initiative stavila je virtualne stanice u fokus svoje istraživačke mreže Biohub.

Postoji čak i nova nagrada, koju je osnovao Arc Institute, za modele u stilu virtualnih stanica. Cilj svih ovih nastojanja je predvidjeti kako funkcioniraju i zdrave i bolesne stanice, s toliko detalja da je moguće ubrzati razvoj lijekova i znanstvena otkrića, kao i pojednostaviti temeljna istraživanja.

Što je uopće virtualna stanica?

Točna definicija virtualne stanice varira. Neki znanstvenici nadaju se da će uključivati ​​vizualni prikaz na koji možete kliknuti i istražiti, a drugi je prvenstveno smatraju skupom računalnih programa koji mogu odgovoriti na pitanja i dati predviđanja o tome što će se vjerojatno dogoditi.

Koncept nije nov jer su desetljećima biolozi gradili matematičke modele staničnih procesa. Kako bi ih napravili, oslanjaju se na podatke iz eksperimenata sa stvarnim stanicama, izrađujući jednadžbe koje opisuju što se događa.

Sada postoji više podataka o ljudskoj stanici nego ikad prije, dijelom zahvaljujući tehnologiji koja znanstvenicima omogućuje špijuniranje aktivnosti pojedinačnih stanica. Ali određivanje jednadžbi za svaki proces i njihovo sastavljanje zajedno monumentalan je zadatak.

Stoga je predložen drugi pristup, koji podatke o stanicama izravno dostavlja specijaliziranoj umjetnoj inteligenciji, a ons uči izravno iz njih, umjesto što pokušava izraditi jednadžbe. Prvi pokušaji dali su zanimljive rezultate.

Za trening umjetne inteligencije korišteni su podaci o stanicama 12 vrsta. Umjetna inteligencija mogla je dati točna predviđanja o stanicama vrsta koje nikada prije nije vidjela, kao i donijeti zaključke o odnosima između različitih vrsta stanica u jednoj vrsti, unatoč tome što nije dobila nikakve informacije o tim vezama.

Drugi smjer istraživanja koristi umjetnu inteligenciju za stvaranje virtualnih stanica. Obučena na velikim skupovima informacija o stanicama, korisnicima omogućuje postavljanje pitanja poput: 'Kako će ova stanica reagirati na ovaj lijek?' da bi zatim dobili odgovore o tome koji bi dijelovi stanice mogli biti pogođeni.

Vjerojatno će na kraju postojati mnogo vrsta virtualnih stanica, dizajniranih za korištenje različitim vrstama istraživača. Virtualna stanica koju koristi biolog za rak, naprimjer, mogla bi se razlikovati od one koju koristi stanični biolog jer traži odgovore na pitanja o tome kako se razvila određena struktura. Moguće je da će usporedno nastaviti koristiti tradicionalne pristupe modeliranja uz umjetnu inteligenciju.

Što bi nam virtualne stanice mogle omogućiti?

Virtualne stanice mogle bi ubrzati i olakšati otkrivanje novih lijekova. Također bi mogli dati uvid u to kako stanice raka izbjegavaju imunološki sustav ili kako bi pojedinačni pacijent mogao reagirati na određenu terapiju.

Mogle bi pomoći znanstvenicima i u osmišljavanju hipoteze o tome kako stanice funkcioniraju, što ih može usmjeriti prema eksperimentima koje treba provoditi sa stvarnim stanicama. Neki znanstvenici dovode u pitanje to koliko će korisna biti predviđanja umjetne inteligencije ako ne može pružiti objašnjenje za njih.

Bez obzira na to kako su izgrađene, moglo bi proći neko vrijeme prije nego što neke virtualne stanice budu pokrenute i prorade. Moguće je da će proteći i cijelo desetljeće do ostvarivanja njihova punog potencijala, piše Time.