Usare l’intelligenza artificiale per costruire un organoide migliore
La prossima svolta per l’intelligenza artificiale potrebbe aiutare gli scienziati a progettare e stampare strutture cellulari più intelligenti che imitano gli organi umani, riducendo così i tentativi e gli errori e i costi contribuendo al contempo a nuovi metodi per combattere le malattie e migliorare la salute umana.
Queste strutture cellulari tridimensionali sono chiamate organoidi: possono essere progettate per esibire una funzione organica unica e sono utilizzate per condurre ricerche complesse sulla fisiologia dei tessuti umani, malattie genetiche, malattie infettive organo-specifiche e cancro. Gli organoidi possono replicare lo sviluppo del tessuto nativo nell’architettura, nella funzione, nella composizione cellulare e nel profilo trascrizionale di quasi tutti gli organi.
Ma ci sono dei limiti. Gli attuali metodi di produzione degli organoidi devono ancora dimostrare l’estrazione coerente e robusta di organoidi maturi da cellule rinnovabili. È qui che entra in gioco l’intelligenza artificiale: progettare e testare organoidi utilizzando i computer anziché i metodi di laboratorio tradizionali.
Ipsita Banerjee dell’Università di Pittsburgh Swanson School of Engineering, insieme a un team multidisciplinare di diversi ricercatori co-principali, ha recentemente ricevuto un premio di $ 500.000 dalla National Science Foundation per realizzare la loro visione di produzione scalabile di organoidi di alta qualità.
“La nostra visione è consentire alla tecnologia degli organoidi di realizzare finalmente il suo potenziale nella ricerca clinica e nello sviluppo di farmaci”, ha affermato Banerjee, professore di ingegneria chimica e petrolifera. “Questa ricerca rivoluzionaria andrà a beneficio della società e del sistema sanitario in generale, creando un modo più efficiente, efficace e sostenibile per progettare queste strutture”.
La maggior parte della produzione di organoidi si basa su esperimenti chimici, ma l’approccio di Banerjee prevede il coinvolgimento di percorsi di meccano-trasduzione, o il processo in cui le cellule rispondono a stimoli meccanici, per regolare la produzione sfruttando anche i riarrangiamenti citoscheletrici che fanno parte del fenotipo organoide. La meccano-trasduzione sarà controllata mediante bioprinting del fenotipo organoide, mentre i modelli di machine learning identificheranno gli stati caratteristici del citoscheletro associati al fenotipo.
Il team prevede che l’utilizzo di modelli di intelligenza artificiale migliorerà anche l’accuratezza nelle previsioni del comportamento degli organoidi per ulteriori ricerche.
“Al centro del nostro obiettivo di produzione di organoidi è l’integrazione della biostampa e dell’intelligenza artificiale per consentire l’apprendimento automatizzato e non invasivo di diversi tipi di organoidi”, ha spiegato Banerjee. “La biostampa ci consentirà inoltre di aumentare nel tempo la produzione di queste strutture in quantità e qualità, senza le restrizioni che attualmente dobbiamo affrontare utilizzando i metodi tradizionali”.
Questo sarà il primo tentativo di creare una tabella di marcia per la produzione di organoidi di alta qualità, oltre a integrare il controllo di qualità nella pipeline di produzione.
“Questa sarà una nuova applicazione delle tecniche di intelligenza artificiale nel campo della ricerca sugli organoidi”, ha affermato Shandong Wu, co-principale ricercatore del progetto ed esperto di intelligenza artificiale presso il Dipartimento di Radiologia dell’Università di Pittsburgh. “Negli ultimi anni, l’intelligenza artificiale, in particolare l’apprendimento automatico, ha mostrato potere di trasformazione nell’analisi dei dati di imaging medico. L’adozione dell’apprendimento automatico nell’elaborazione di immagini biologiche creerà una strada innovativa per una solida valutazione della funzione organoide”.
Banerjee sarà affiancato da un team di collaboratori multidisciplinari:
Prashant Kumta, Edward R. Weidlan Chair Professor di Bioingegneria a Pitt
Shandong Wu, professore associato di radiologia, informatica biomedica, bioingegneria, sistemi intelligenti e scienze cliniche e traslazionali presso il Center for Artificial Intelligence Innovation in Medical Imaging
Yong Fan, professore associato presso Allegheny Health Network
Kimberly Forsten Williams, professore associato presso la Rangos School of Health Sciences Engineering presso la Duquesne University
Bin Yang, assistente professore della Rangos School of Health Sciences Engineering presso la Duquesne University
