Использование инженерных принципов в биологии может существенно изменить способ, которым ученые обнаруживают биомаркеры заболеваний, пишет Phys. К такому выводу пришли исследователи из Мичиганского университета, которые предложили применить концепции фундаментальных идей инженерии для анализа сложных биологических систем, изменяющихся со временем.
Работа, опубликованная в журнале Proceedings of the National Academy of Sciences, показывает, как эти подходы могут повысить эффективность выявления биомаркеров — ключевых показателей состояния организма. Они используются для диагностики болезней или оценки эффективности лечения.
Авторы исследования, профессор Индика Раджапаксе и доктор Джошуа Пикард, объясняют, что основная идея заключается в использовании понятий управляемости и наблюдаемости — двух базовых принципов инженерии, основанных в 1960-х годах инженером Элмером Гилбертом.
"Теория управления касается того, как можно направить систему к желаемому состоянию, изменяя ее входные параметры. В биологии это похоже на процесс, когда клетка меняет свою функцию под действием определенных факторов", — отмечает Раджапаксе. В качестве примера он привел открытие, за которое в 2012 году была присуждена Нобелевская премия: перепрограммирование клеток кожи в стволовые клетки.
Другая ключевая концепция — наблюдаемость, которая определяет, сколько сигналов или параметров нужно измерить, чтобы полностью понять состояние системы. В контексте биологии это означает определение минимального количества биомаркеров, которые достаточны для отслеживания всех важных процессов в клетке или организме.
"Большинство существующих методов анализа биомаркеров базируются только на одном типе данных, — объясняет Пикард. — Наш подход универсален: он работает с различными источниками информации — от транскриптомики до данных ЭЭГ или нейровизуализации".
Команда протестировала метод на нескольких наборах временных транскриптомных данных, охватывающих процессы клеточного перепрограммирования, воздействия пестицидов и клеточного цикла. Используя подход "динамического выбора датчиков" (Dynamic Data Selection, DDS), исследователи смогли идентифицировать ключевые биомаркеры на каждом этапе, доказав, что даже сокращенный набор данных может точно воспроизвести поведение системы.
"Наша цель — найти минимальный набор переменных, наблюдая за которыми, можно сделать выводы обо всей системе, — объясняет Раджапаксе. — Поскольку исследование всего генома требует больших затрат, наш подход позволяет сосредоточиться лишь на части данных, из которой можно реконструировать полную картину".
Ученые убеждены, что эти результаты могут иметь непосредственное практическое значение. В частности, это может помочь в раннем выявлении болезней, оптимизации биомедицинских экспериментов и снижении их стоимости.
"Если мы можем отследить ключевой биомаркер и увидеть, что он меняется нетипично, это может свидетельствовать о развитии заболевания, например, рака. В будущем это позволит вмешиваться на ранних этапах и предотвращать болезни", — заключает Раджапаксе.
Недавно ученые разработали новый инструмент на базе искусственного интеллекта, способный прогнозировать риск развития более тысячи заболеваний, включая рак, диабет и сердечные приступы, на десятилетия вперед с высокой точностью. Модель, обученная на анонимных медицинских данных сотен тысяч людей, выявляет долгосрочные закономерности и временные интервалы между событиями, что позволяет делать более точные, хотя и не окончательные, прогнозы.