Robot wykorzystujący uczenie maszynowe usprawnia proces badań genetycznych

Robot wykorzystujący uczenie maszynowe usprawnia proces badań genetycznych

Naukowcy z University of Minnesota Twin Cities skonstruowali robota, który wykorzystuje uczenie maszynowe do pełnej automatyzacji skomplikowanego procesu mikroiniekcji wykorzystywanego w badaniach genetycznych.

W swoich eksperymentach naukowcom udało się wykorzystać tego zautomatyzowanego robota do manipulowania genetyką organizmów wielokomórkowych, w tym zarodków muszek owocowych i danio pręgowanego. Technologia ta pozwoli laboratoriom zaoszczędzić czas i pieniądze, jednocześnie umożliwiając im łatwiejsze przeprowadzanie nowych eksperymentów genetycznych na dużą skalę, które wcześniej nie były możliwe przy użyciu technik ręcznych

Wyniki badania można znaleźć na okładce wydania z kwietnia 2024 rGENETYKArecenzowane czasopismo naukowe o otwartym dostępie. Pracami współprowadzili studenci inżynierii mechanicznej Uniwersytetu Minnesota, Andrew Alegria i Amey Joshi. Zespół pracuje także nad komercjalizacją tej technologii, aby była ona powszechnie dostępna za pośrednictwem start-upu Objective Biotechnology Uniwersytetu Minnesoty.

Mikroiniekcja to metoda wprowadzania komórek, materiału genetycznego lub innych czynników bezpośrednio do zarodków, komórek lub tkanek przy użyciu bardzo cienkiej pipety. Naukowcy wytrenowali robota w zakresie rozpoznawania zarodków o wielkości jednej setnej ziarenka ryżu. Po wykryciu maszyna może obliczyć ścieżkę i zautomatyzować proces wtrysku.

Ta nowa procedura jest bardziej niezawodna i powtarzalna niż wstrzyknięcia ręczne. Model ten umożliwi poszczególnym laboratoriom wyobrażenie sobie nowych eksperymentów, które nie byłyby możliwe bez tego typu technologii.”

Suhasa Kodandaramaiah, profesor inżynierii mechanicznej i główna autorka badania na Uniwersytecie Minnesota

Zazwyczaj tego typu badania wymagają wysoko wykwalifikowanych techników do wykonania mikroiniekcji, czego wiele laboratoriów nie posiada. Ta nowa technologia może zwiększyć możliwości przeprowadzania dużych eksperymentów w laboratoriach, jednocześnie redukując czas i koszty.

„To bardzo ekscytujące dla świata genetyki. W ostatnich latach radykalnie poprawiło się pisanie i odczytywanie DNA, ale technologia ta poszerzy naszą zdolność do przeprowadzania eksperymentów genetycznych na dużą skalę na różnych organizmach” – powiedział Daryl Gohl, współautor badania, kierownik grupy Laboratorium Innowacji przy University of Minnesota Genomics Center i adiunkt naukowy na Wydziale Genetyki, Biologii Komórki i Rozwoju.

Oprócz wykorzystania w eksperymentach genetycznych technologia ta może również pomóc w ochronie zagrożonych gatunków poprzez kriokonserwację – technikę konserwacji przeprowadzaną w ekstremalnie niskich temperaturach.

„Za pomocą tego robota można wstrzykiwać nanocząsteczki do komórek i tkanek, co pomaga w kriokonserwacji i późniejszym procesie podgrzewania” – wyjaśnił Kodandaramaiah.

Inni członkowie zespołu zwrócili uwagę na inne zastosowania tej technologii, które mogą mieć jeszcze większy wpływ.

„Mamy nadzieję, że tę technologię można ostatecznie zastosować do zapłodnienia in vitro, w którym będzie można wykryć te komórki jajowe w mikroskali” – powiedział Andrew Alegria, współautor artykułu i pracownik naukowy w dziedzinie biosensoryzacji w Laboratorium Inżynierii Mechanicznej i Biorobotyki Uniwersytetu Minnesota.

Oprócz Kodandaramaiaha, Gohla, Alegrii i Joshiego w skład zespołu wchodziło kilku badaczy z College of Science and Engineering Uniwersytetu Minnesota oraz Laboratorium Innowacji Centrum Genomiki Uniwersytetu Minnesota. Zespół niedawno wygrał uniwersytecki konkurs nauk przyrodniczych dotyczących czołgów Walleye Tank. Ten konkurs ofert w dziedzinie nauk przyrodniczych zapewnia możliwości edukacyjne i promocyjne powstającym i uznanym firmom z branży medycznej i nauk przyrodniczych.

Badania te przeprowadzono we współpracy z Engineering Research Center for Advanced Technologies for the Preservation of Biological Systems (ATP-Bio) i University of Minnesota Zebrafish Core.

Prace zostały sfinansowane przez National Institutes of Health, Minnesota Sea Grant i National Science Foundation. Dodatkowe wsparcie zapewniono w ramach grantu Uniwersytetu Minnesota na rzecz różnorodności poglądów i doświadczeń (DOVE) oraz grantu Minnesota’s Discovery, Research, and Innovation Economy (MnDRIVE) przyznanego przez Instytut Informatyki Uniwersytetu Minnesota (UMII).

Źródła: