在一个令人印象深刻的概念验证演示中，一个跨学科的科学家团队开发了一个由机器学习算法驱动的生物电子系统，该系统可以改变活细胞的膜电压，并将其维持在一个设定的点10个小时。

 

每个活细胞都维持细胞膜上的电压，这是由细胞内外不同浓度的带电离子引起的。这种电压通常被称为膜电位或静息电位，由细胞膜内的离子通道调节，在细胞的生理和增殖、分化等功能中发挥重要作用。

 

利用生物电子学控制细胞是困难的，因为细胞对其环境的变化作出反应的复杂方式和被称为稳态的自然自我调节反馈过程。细胞通过调节离子运动来维持稳定的膜电压，因此研究人员必须开发一种能够抵消这种自然反应的系统。

 

“生物反馈系统是生命的基础，杏2注册而它们的故障往往与疾病有关。这项工作表明，我们可以利用由机器学习驱动的生物电子设备组合来调整这种反馈，并有可能恢复其功能，”加州大学圣克鲁兹巴斯金工程学院电子与计算机工程教授兼主席Marco Rolandi说。

 

Rolandi是描述这项工作的论文的高级通讯作者，该论文发表在9月24日的《先进智能系统》杂志上。协助指导该项目的其他通讯作者是加州大学圣克鲁兹分校应用数学助理教授玛塞拉·戈麦斯，以及塔夫斯大学再生和发育生物学中心主任、哈佛大学维斯研究所副教员迈克尔·莱文。

 

研究人员开发了一个包含一系列生物电子质子泵的系统，可以在靠近培养的人类干细胞的溶液中添加或移除氢离子。这些细胞经过基因改造，在细胞膜上表达一种荧光蛋白，这种荧光蛋白可以对膜电压的变化做出反应。该系统由机器学习算法控制，跟踪膜电压对质子泵刺激的反应。

 

Rolandi解释说:“这是一个闭环系统，它记录细胞的行为，决定使用质子泵进行何种干预，观察细胞如何反应，然后决定下一个需要的干预来实现和维持我们想要的膜电压状态。”

 

开发机器学习算法的戈麦斯表示，该算法没有预先根据任何数据进行训练，也不依赖于系统的模型。相反，当神经网络根据膜电压的当前状态对输入作出响应时，“学习”会实时发生。

 

戈麦斯说:“生物学的适应性本质——也就是说，细胞改变对外部刺激反应的能力——要求在控制中采用一种适应性方法，静态模型和过去的信息可能会变得过时。”

 

由于干细胞的膜电压不同于成熟、分化的细胞，研究人员对利用该系统诱导和指导干细胞向特定细胞类型分化的可能性很感兴趣。然而，在这个概念验证的研究中，他们没有明确地观察细胞分化。

 

更广泛地说， 杏耀平台经营之道 ，在闭环生物混合系统中，杏耀yl注册生物电子学和机器学习的结合在再生医学和合成生物学上有许多潜在的应用，Rolandi说。他指出，这项研究的结果将为该团队开发一种“智能绷带”的工作提供信息，这种“智能绷带”提供生物电子智能控制伤口再生。

 

他说:“这项研究是利用生物电子学和机器学习来控制细胞功能的概念的一个重要证明。”