Budowaniem systemów informacyjnych inspirowanych naturą, a konkretnie DNA, zajmuje się interdyscyplinarny zespół naukowców z Polski, Australii i Chin. Jego współliderem jest prof. Edward Szczerbicki z Politechniki Gdańskiej.
Jak bioinspirowane badania pomagają prostować chromosomy i wspierać diagnostykę genetyczną? Od ponad 15 lat interdyscyplinarny zespół naukowców z Polski, Australii i Chi,n kierowany przez prof. Edwarda Szczerbickiego z Wydziału Zarządzania i Ekonomii Politechniki Gdańskiej oraz prof. Haoxi Zhang z Chengdu University of Information Technology w Chinach, zajmuje się budowaniem systemów informacyjnych inspirowanych naturą, a konkretnie DNA.
Ich badania, początkowo skoncentrowane na tworzeniu tzw. decyzyjnych chromosomów i genów oraz Decyzyjnego DNA, otworzyły drzwi w dziedzinie przetwarzania informacji. Dziś, dzięki połączeniu biologii, informatyki, medycyny i sztucznej inteligencji, zespół skupia się na jednym z najbardziej ambitnych wyzwań współczesnej medycyny: automatyzacji analizy kariotypu.
Co to jest kariotyp?
Kariotypowanie to badanie, które pozwala ocenić strukturę i liczbę chromosomów w komórkach pacjenta. Może wykryć różne nieprawidłowości genetyczne – od zespołu Downa po zmiany nowotworowe. Jednak analiza kariotypu nie jest prostym zadaniem. Obraz chromosomów uzyskany z próbki biologicznej wygląda zwykle jak splątane nitki. Aby je zbadać, trzeba je najpierw „rozplątać i wyprostować”. Do tej pory była to trudna, żmudna praca technika laboratoryjnego. Teraz może się to zmienić.
Punktem zwrotnym dla zespołu była rozmowa z technikiem laboratoryjnym na jednej z konferencji. Opisał on zmagania z obrazami chromosomów, których nie da się przeanalizować bez wcześniejszego przygotowania – czasochłonnego, żmudnego i wymagającego wieloletniego doświadczenia. Wtedy zrodziła się idea wykorzystania do tego celu komputera. Nie chodzi jednak o wykorzystanie zwykłego algorytmu, a o generatywną sieć przeciwstawną (ang. Generative Adversarial Network). GAN to zaawansowana technologia w dziedzinie sztucznej inteligencji, która umożliwia tworzenie niezwykle realistycznych obrazów, opierając się na współpracy dwóch rywalizujących modeli: generatora i dyskryminatora. Potrafi uczyć się, a następnie tworzyć nowe dane na podstawie poznanych wzorców. W tym przypadku uczy się rozpoznawać, jak wygląda „dobrze wyprostowany chromosom” i potrafi taki obraz samodzielnie wygenerować z nieczytelnego kłębowiska.
– GAN-em jestem zauroczony od lat – to niezwykle inteligentna architektura, która może pomóc tam, gdzie człowiek myli się lub nie nadąża – stwierdza prof. Edward Szczerbicki.
Od bio-inspiracji do praktyki medycznej
Efektem intensywnych badań były pierwsze publikacje na międzynarodowej konferencji poświęconej przetwarzaniu informacji, big data i AI – konferencji, na której zespół zdobył prestiżową nagrodę Best Paper Award za pracę Chromosome Straightening via Disentangled Representations Exploring Semantic Trajectories in GAN’s Latent Space. Opisano w niej, jak naukowcy uczą maszynę „rozplątywania i prostowania” genetycznych nitek chromosomów, by można je było szybciej i dokładniej analizować. To może mieć realne przełożenie na diagnostykę genetyczną, terapię nowotworową, a nawet projektowanie leków.
To dopiero początek – tworzenie solidnych podstaw teoretycznych z perspektywą nieodległego przełożenia ich na praktyczne aplikacje. Jak podkreślają naukowcy, rozwój badań w tym kierunku może oznaczać przełom nie tylko w automatyzacji analiz biologicznych, ale też w tworzeniu nowych modeli przetwarzania informacji – takich, które inspirację czerpią wprost z kodu życia.
źródło: PG