Een onderzoeksgroep van het RIKEN Center for Biosystems Dynamics Research (BDR) heeft een robotsysteem met kunstmatige intelligentie ontwikkeld om autonoom de optimale omstandigheden te bepalen voor het laten groeien van vervangende netvlieslagen. De AI stuurde een proces van trial and error op bassi van 200 miljoen mogelijke omstandigheden.
Hiermee konden celcultuurrecepten die in de regeneratieve geneeskunde worden gebruiktworden verbeterd. Dit wordt beschreven in het wetenschappelijke tijdschrift eLife. Het is één voorbeeld van de manier waarop AI en robotics kunnen worden ingezet in wetenschappelijke experimenten om de efficiëntie en snelheid van life science-onderzoek te vergroten.
Onderzoek in regeneratieve geneeskunde vereist vaak enorm veel experimenten die zowel tijdrovend als arbeidsintensief zijn. Vooral het creëren van specifiek weefsel uit stamcellen – een proces dat geïnduceerde celdifferentiatie wordt genoemd – vereist maanden werk en de mate van succes hangt af van een breed scala aan variabelen.
Het vinden van het optimale type, de dosis en de timing van reagentia, evenals optimale fysieke variabelen zoals pipetsterkte, celoverdrachtstijd en temperatuur is moeilijk en vereist een enorme hoeveelheid vallen en opstaan. Onderzoeker Gendi Kanda zegt: “Omdat minieme verschillen in fysieke omstandigheden een significante impact hebben op de kwaliteit, en omdat het induceren van celdifferentiatie weken tot maanden tijd kost in de kweek, kan de impact van een klein verschil in timing op dag 3 pas gedurende enkele maanden worden gedetecteerd.”
Om dit proces efficiënter en praktischer te maken, ging het BDR-team een autonoom experimenteel systeem ontwikkelen dat de optimale omstandigheden kan bepalen en functionele retinale pigmentlagen uit stamcellen kan laten groeien. Er werd gekozen voor retinale pigmentepitheelcellen (RPE) omdat degeneratie van deze cellen een veelvoorkomende leeftijdsgebonden aandoening is waardoor mensen niet meer kunnen zien. Even belangrijk is dat getransplanteerde RPE-retinale lagen al enig klinisch succes hebben.
Om autonome experimenten te laten slagen, moet de robot herhaaldelijk dezelfde reeks nauwkeurige bewegingen en manipulaties produceren, en moet de AI in staat zijn om de resultaten te evalueren en het volgende experiment te formuleren. Het nieuwe systeem bereikt deze doelen met behulp van een humanoïde robot voor algemeen gebruik – Maholo genaamd – die in staat is tot zeer nauwkeurig experimenteel biowetenschappelijk gedrag. Maholo wordt bestuurd door AI-software die een nieuw ontworpen optimalisatie-algoritme gebruikt om te bepalen welke parameters moeten worden gewijzigd en hoe ze moeten worden gewijzigd om de differentiatie-efficiëntie in de volgende ronde van experimenten te verbeteren.
De onderzoekers benadrukken dat het doel van het onderzoek niet is om menselijke laboratoriummedewerkers te vervangen door robots. “Het gebruik van robots en AI voor het uitvoeren van experimenten zal van groot belang zijn “, zegt Kanda. “Het is echter een vergissing om ze als vervangers te zien. Onze visie is dat mensen doen waar ze goed in zijn, namelijk creatief zijn. We kunnen robots en AI gebruiken voor de trial-and-error-onderdelen van experimenten die herhaalbare precisie vereisen en veel tijd in beslag nemen, maar waarvoor geen denkwerk nodig is.”
Image: The AI controlled a trial and error process spanning 200 million possible conditions that succeeded in improving cell culture recipes used in regenerative medicine. Credit: RIKEN
