Forskere har baseret på machine learning udviklet en algoritme, der kan holde styr på adfærden af alle de forskellige partikler, der bevæger sig rundt inde i kroppens celler. Det gælder alt fra lipider og proteiner til virus, lægemidler og cellens egen organeller. Vi kan med denne teknik besvare nogle spørgsmål, som vi ikke har kunnet besvare før, siger forskerne.
Forskere har i mange år ønsket sig at kunne kortlægge adfærden af forskellige partikler inde i celler og over tid.
Det kan give forskerne afgørende indsigt i, hvordan celler fungerer – og afsløre de første tegn på sygdom, længe før symptomer viser sig. Problemet har dog været, at der findes tusindvis af forskellige molekyler inde i celler, og der er tusindvis af dem hver især. Derudover, bevæger hvert enkelt molekyle sig komplekst og nærmest tilfældigt.
Når man ser partiklerne i mikroskop, ser det ud som kaotisk mylder – som om tusindvis af prikker farer rundt uden system.
Problemet kan dog løses med machine learning, og det er netop, hvad forskere fra Kemisk institut ved Københavns Universitet og Harvard Medical School ledt af Professor Nikos Hatzakis nu har gjort. Mere præcist har forskerne udviklet en algoritme, der på baggrund af videoer af celler kan holde styr på adfærden af alle de enkelte molekyler og deres bevægelser.
»Vores metode gør det muligt at få nogle cellulære indsigter, som det ikke er muligt at få uden. Derudover er metoden automatiseret, så man kan blot putte sine data ind i vores algoritme, og så fortæller den, hvordan specifikke molekyler har bevæget sig,« fortæller førsteforfatteren bag studiet postdoc Jacob Kæstel-Hansen ved Massachusetts Institute of Technology (MIT).
Forskningen lavede Jacob Kæstel-Hansen som ph.d. ved Kemisk institut på Københavns Universitet og Novo Nordisk Foundation Center for Optimized Oligo Escape and Control of Disease.
Molekylerne bevæger sig helt uforudsigeligt
Interessen for at studere bevægelser af forskellige partikler inde i celler er ikke kun utrolig vigtig, men også flerartet, fortæller Nikos Hatzakis.
For eksempel kan bevægelse af virus inde i celler gøre forskere klogere på infektioner, og hvordan de udvikler sig. Det kan føre til nye måder at opdage, forstå og bekæmpe sygdomme på.
Kortlægning af for eksempel insulin eller andre lægemidler inde i celler kan også gøre forskere klogere på, hvordan man kan optimere lægemidlernes levering, samt til at have den ønskede effekt eller have færre bivirkninger.
Endelig kan kortlægning af biomolekyler og organellers bevægelser gøre forskere klogere på cellefunktion på et fundamentalt niveau, og hvordan tingene helst skal se ud, når en celle fungerer optimalt.
»Men problemet er, at ingen partikler bevæger sig i en lige linje fra A til B. De bevæger sig kaotisk rundt, skifter retning, bevæger sig om sig selv, bliver påvirket af andres bevægelser og så videre. Set gennem et mikroskop ligner det rent anarki – som at prøve at følge tusindvis af myrer, der løber i alle retninger på én gang. Hvis man skulle holde styr på partiklernes bevægelser i hånden, ville det tage uger – og det ville stadig være næsten umuligt at få overblik,« forklarer Jacob Kæstel-Hansen.
Algoritmen analyserer 40 egenskaber per partikel
For at hjælpe forskere i deres arbejde har Jacob Kæstel-Hansen med sine kolleger udviklet en algoritme baseret på machine learning.
Det svarer til at lære en computer at genkende ansigter – bare med partikler i stedet for mennesker.
Algoritmen kan man fodre med observationer af partikler fra et fluorescensmikroskop, og den vil så analysere og beskrive adfærden på alle de bevægende partikler enkeltvist.
Algoritmen kategoriserer bevægelse over tid og tillægger også de forskellige partikler op til 40 egenskaber, for eksempel bevægelsesretning, bevægelseshastighed, bevægelsesmønster, størrelsen af område, som partiklen udforsker, og alt muligt andet.
De 40 egenskaber afslører, hvad partiklerne laver, hvordan de bevæger sig, og hvor i cellen de arbejder – som et slags digitalt fingeraftryk for hver partikel. Algoritmen ser ikke bare, hvor partiklerne er, men hvad de ‘prøver på’ – om de leder efter noget, transporterer noget, eller bare flyder rundt.
»Ideen er, at bevægelse kan beskrive noget underliggende information. Det svarer lidt til at gå på gaden og observere personer, der går eller løber. Hvis en person går, tænker jeg, at personen nok ikke har travlt, men hvis personen løber, tænker jeg noget andet. Det er den samme slags information, man kan trække ud af algoritmen,« siger Jacob Kæstel-Hansen.
Ny viden om virus inde i celler
Skal man eksemplificere brugen af algoritmen, kan man tage eksemplet med viruspartikler.
Mange viruspartikler vil i starten, når de trænger ind i en celle, være i en form for transportboble.
Når virus slipper ud af transportboblen, kan den finde vej til cellekernen og begynde at overtage cellens maskineri.
Med algoritmen kan forskerne se, om en virus stadig er fanget i sin transportbobbel – eller om den er sluppet fri og klar til at sprede infektion. Jacob Kæstel-Hansen har med sine kolleger brugt algoritmen til netop dette.
»Det kan gøre os klogere på infektionsforløbet og underliggende mekanismer, fra når en virus trænger ind i en celle, til den producerer flere vira. Hvis man manuelt vil undersøge de samme bevægelser ved at studere videoer, der er taget under et mikroskop, kan det tage uger eller længere at kortlægge bevægelserne. Vores algoritme skærer den tid ned til sekunder eller minutter,« fortæller Professor Nikos Hatzakis.
Alle forskere kan bruge værktøjet frit
Forskerne håber, at mange vil bruge algoritmen og dele deres data, så verden kan opbygge en fælles videnbank om cellens indre liv.
På den måde kan der over tid indsamles en hel masse information om partikelbevægelse i celler.
En fælles database kan vise, hvordan medicin bevæger sig i celler – og hvordan syge og raske celler reagerer forskelligt med og uden behandling. På sigt kan værktøjet måske også bruges i udviklingen af nye behandlinger, hvor man hurtigt kan se, hvordan medicin faktisk virker inde i cellerne – molekyle for molekyle.
»Det kan give os en meget bedre forståelse af, hvad der adskiller sund og syg biologi på det cellulære niveau,« siger Nikos Hatzakis, som har startet EDGE Biotechnologies, der netop bruger denne slags information til at optimere levering af lægemidler.
Derfor har forskerne gjort algoritmen frit tilgængelig – så alle kan bruge den og få nye indsigter fra deres egne data. Det er den i to versioner, hvor den ene er gennem en letanvendelig brugerflade, mens den anden nok kræver, at man har forstand på kodning.
Algoritmen er allerede taget i brug af flere forskere.
»De forskere, som vi har samarbejdet med, melder tilbage til os, at algoritmen har accelereret deres analyse og åbnet op for nogle undersøgelser og erkendelser, der ikke var mulige før,« siger Jacob Kæstel-Hansen.
Det er første gang, forskere har fået så detaljeret overblik over det usynlige mylder inde i cellerne – og det kan ændre vores forståelse af liv på det mest grundlæggende niveau.
