Forskare från UC San Diego skapar virtuell cell i fyra dimensioner för att förutsäga läkemedelsreaktioner

Forskare från University of California San Diego (UC San Diego) har utvecklat ett AI‑verktyg som kallas MitoSpace för att analysera hur läkemedel påverkar levande celler. Genom att mata in 40 000 videoklipp av rörliga cancerceller i tre dimensioner tränade forskarna modellen själv att identifiera olika läkemedel utan att någon manuell etikett gavs. Modellens förutsägelser av hur läkemedel påverkar cellernas energikällor, mitokondrierna, var exakt 75 % korrekt, vilket är en betydlig förbättring jämfört med dagens metoder som bygger på stillbilder och uppnår omkring 56 % noggrannhet. Detta visar att en virtuell representation av cellen kan lära sig komplexa biologiska mönster utan att behöva explicit information om vilket läkemedel som testas.

En annan del av forskningen presenterar en "digital twin" av en levande cell, skapad med fysikaliska regler snarare än maskininlärning. Genom att kombinera mikroskopi av högupplöst ljus (Lattice Light‑Sheet) med en fysikalisk modell kan forskarna simulera hur mitokondrierna rör sig, delas och samlas ihop i realtid. Detta ger en möjlighet att jämföra simuleringar med faktiska mikroskopsnuttar och därmed förstå hur förändringar i cellens form påverkar dess funktion.

Johannes Schöneberg, biträdande professor i farmakologi vid UC San Diego och huvudförfattare till studierna, betonar att en cell är ett fyndimensionellt objekt som aldrig står stilla. Virtuella celler måste därför byggas på data som fångar både djup och rörelse. Genom att använda MitoSpace kan forskarna upptäcka nya mönster i hur olika läkemedel påverkar energiproduktionen i celler utan att behöva förhandsinformera modellen om vilka substanser som används.

En annan innovation är att MitoSpace kan gruppera läkemedel som inte tidigare har testats tillsammans och samtidigt förutsäga energitillståndet i celler baserat enbart på deras form och rörelse. Detta öppnar vägen för en bredare tillämpning av verktyget inom cellbiologi, till exempel för att studera organoider från mänsklig lungvävnad eller för att kartlägga sjukdomsmekanismer i huvud‑ och halscancer.

Forskarna planerar nu att förena AI‑metoden med den fysikaliska modellen för att skapa en komplett virtuell mänsklig cell. Genom att först låta AI hitta mönster i stora datamängder och sedan låta den fysikaliska modellen förklara varför dessa mönster uppstår, hoppas de kunna simulera hela vävnader och i slutändan ge mer precisa förutsägelser för kliniska behandlingar.

Denna kombination av AI‑driven mönsterupptäckt och fysikalisk simulering kan revolutionera hur läkemedel testas och hur sjukdomar förstås, och kan i framtiden bli ett centralt verktyg för att utveckla nya terapier utan att behöva experimentera på varje enskild cell.

Rapporterat av Techsauce.