Теперь биомедицинские инженеры из Университета Дьюка использовали динамическое моделирование и машинное обучение, чтобы построить такие же простые правила для сложной биологии. Они разработали основу для точной интерпретации и прогнозирования поведения взаимовыгодных биологических систем, таких как кишечные бактерии человека, растения и опылители или водоросли и кораллы.
Исследование опубликовано 16 января 2019 года в журнале Nature Communications.
«В идеальном мире вы могли бы следовать простому набору молекулярных правил, чтобы понять, как работает каждая биологическая система», – сказал Линчонг Ю, профессор кафедры биомедицинской инженерии Герцога. "Но на самом деле трудно установить общие правила, охватывающие огромное разнообразие и сложность биологических систем. Даже когда мы устанавливаем общие правила, их все еще сложно использовать для объяснения и количественной оценки различных физических свойств."
Ю и Фейлун Ву, аспирант и первый автор статьи, решили эти проблемы, изучив поведение мутуалистических систем. Эти симбиотические системы состоят из двух или более популяций, которые обеспечивают взаимную выгоду, например бабочек-монархов и растений молочай.
При определенных условиях мутуалистические системы могут разрушиться, что приведет к разрушительным экологическим последствиям. Ву хотел разработать структуру, которая могла бы точно предсказывать и предотвращать негативные результаты и направлять дизайн новых синтетических мутуалистических систем.
«Поскольку эти системы были настолько разнообразными, предыдущие структуры были либо применимы только к конкретным мутуалистическим системам, таким как сети растений-опылителей или семян-распространителей, либо они были слишком общими и не описывали тонкую грань между условиями, которые позволяют системам сосуществовать. , по сравнению с теми, которые заставляют систему рушиться ", – сказал Ву.
Чтобы выяснить, может ли существовать единое количественное руководство для мутуалистических систем, Ву систематически изучил 52 модели дифференциальных уравнений, отражающие разнообразие мутуалистических систем.
Эти системы имели одну и ту же фундаментальную структуру: когда коллективная выгода превышала коллективный стресс, группы населения могли сосуществовать. Если стресс больше, чем коллективная выгода, система рухнет.
Хотя измерить напряжение в системе относительно легко, сложнее измерить коллективную выгоду, которая является функцией таких переменных, как затраты, индивидуальные выгоды и другие сложности системы. Вы и его команда признали, что попытка измерить коллективную выгоду стала узким местом из-за сложных критериев, доступных для измерения, и это стало еще более сложной задачей при применении к различным мутуалистическим системам.
Вместо этого команда разработала алгоритм машинного обучения для определения коллективной выгоды с использованием нескольких, относительно легко собираемых переменных, таких как температура, pH и генетика. Подход привел к упрощенной метрике, которую можно применить к различным мутуалистическим системам.
Чтобы проверить свои рекомендации, команда использовала экспериментальные данные из трех мутуалистических бактериальных систем и смоделированные данные, чтобы показать, что их структура может последовательно и точно предсказать, будет ли система сосуществовать или разрушиться. Их правила также могут предсказывать количественную информацию, включая вероятность сосуществования, сопротивление и общую плотность населения.
Команда надеется, что их исследования могут быть применены и к немутуалистическим биологическим системам.
Например, Вы предлагаете использовать их стратегию для изучения устойчивости к антибиотикам и условий, при которых устойчивость сохраняется или исчезает.
«Когда мы работаем в области медицины или биомедицинской инженерии, мы понимаем, что некоторый уровень упрощения необходим, чтобы понять взаимодействия сообществ, которые мы изучаем», – сказал Ю. "Наша процедура показала нам, что между очевидно разными биологическими системами есть общность, и это важно для того, чтобы мы могли делать прогнозы, которые лежат в основе наших исследований."