Группа учёных из Калифорнийского университета в Санта-Круз (UCSC) разработала перспективное биоэлектронное устройство.
С помощью электроники и благодаря обратной связи на основе машинного обучения учёные смогли задать и часами удерживать определённое мембранное напряжение в стволовых клетках человека. Это изобретение позволит управлять ростом и специализацией стволовых клеток, что ведёт к прогрессу в регенеративной медицине.
Живая клетка человека — это устойчивая саморегулирующаяся система, а иначе и не может быть. Причём она сама себе на уме, даже если больна. Поэтому изменить гомеостаз клетки представляется сложной задачей, которую учёные всё-таки смогли решить. Сделать это помогла контролируемая алгоритмами машинного обучения электроника, которая поддерживала заданный учёными баланс ионов в непосредственной близости от культивируемых стволовых клеток человека.
Поясним, мембранное напряжение формируется как разность потенциалов между внутренней средой живой клетки и её ближним окружением. Эту разность потенциалов — довольно строго определённую для разных типов клеток — поддерживают белки в составе клеточной мембраны. Для этого белки создают в мембране ионные каналы, что ведёт к восстановлению баланса (напряжения) при нарушении концентрации ионов внутри или снаружи клетки. Попытка изменить концентрацию ионов (и мембранное напряжение) вызывает обратную реакцию клетки и сводится на нет. Во всяком случае, длительно удерживать точное напряжение клеточной мембраны простым способом не получится.
Учёные решили задачу следующим образом. Они создали вокруг колонии стволовых клеток систему протонных насосов, с помощью которых добавляли или удаляли ионы водорода из раствора в непосредственной близости от культивируемых стволовых клеток. Эта система управлялась самообучающимся алгоритмом ML. Причём система не проходила предварительного обучения на моделях, а училась на ходу по мере наблюдения за поведением клеток и оценки концентрации раствора. За мембранным напряжением система следила визуально, для чего учёные так модифицировали белок мембраны, чтобы он флюоресцировал в зависимости от величины мембранного напряжения. Тем самым алгоритм получил систему обратной связи и мог оценивать своё влияние на потенциал мембраны.
(С) 3dnews.ru