Робот с ИИ ускорил разработку методов регенеративной медицины

Исследователи из Центра динамики биосистем RIKEN (BDR) под руководством Гэнки Канды создали роботизированную систему с искусственным интеллектом для автономного поиска оптимальных условий выращивания слоёв сетчатки, необходимых для зрения. ИИ управлял процессом проб и ошибок, охватывающим 200 миллионов возможных условий, и смог улучшить рецепты культивирования клеток, используемые в регенеративной медицине. Результаты опубликованы в журнале eLife 28 июня.

Создание специфических тканей из стволовых клеток (индуцированная дифференцировка) — процесс, занимающий месяцы и зависящий от множества переменных: типа, дозы и времени добавления реагентов, а также физических параметров, таких как сила пипетирования, время переноса клеток и температура. «Минимальные различия в физических условиях значительно влияют на качество, а дифференцировка занимает недели или месяцы. Влияние крошечной разницы в сроках на третий день может не проявиться в течение нескольких месяцев», — объясняет Канда.

Для оптимизации этого процесса команда BDR разработала автономную экспериментальную систему для выращивания функциональных слоёв пигментного эпителия сетчатки (RPE) из стволовых клеток. Дегенерация RPE-клеток — распространённое возрастное заболевание, ведущее к потере зрения. Трансплантация слоёв RPE уже показала некоторый клинический успех.

Система использует гуманоидного робота Maholo, способного выполнять высокоточные биологические эксперименты. Роботом управляет ИИ с новым алгоритмом оптимизации, который определяет, какие параметры и как следует изменить для повышения эффективности дифференцировки в следующем эксперименте.

Исследователи загрузили в Maholo протоколы получения RPE-клеток из стволовых. Исходная эффективность дифференцировки составляла около 50%. После запуска оптимизации ИИ перебрал возможные химические и физические параметры. Работа, которая заняла бы у человека более 2,5 лет, была выполнена роботизированной системой за 185 дней. Эффективность дифференцировки выросла до 90%. Полученные клетки демонстрировали биологические маркеры, делающие их пригодными для трансплантации.

«Мы выбрали дифференцировку RPE-клеток в качестве модели, — говорит Канда. — Но в принципе, сочетание точного робота с алгоритмами оптимизации позволит проводить автономные эксперименты методом проб и ошибок во многих областях биологии».

При этом цель исследования — не заменить людей в лаборатории. «Наше видение в том, чтобы люди занимались тем, что у них лучше всего получается — творчеством. Мы можем использовать роботов и ИИ для частей экспериментов, требующих повторяемой точности и много времени, но не требующих размышлений», — заключает Канда.