Il team ha ingegnerizzato i batteri aggiungendo quelli che i biologi sintetici chiamano “circuiti genetici”: sistemi di parti genetiche, compilati logicamente per far sì che i batteri si comportino nel modo desiderato.
I batteri ingegnerizzati hanno percepito la presenza dell’input scelto dai ricercatori, che va dalla temperatura alle molecole di zucchero, ai metalli pesanti come il mercurio e il rame, e hanno risposto modificando la loro capacità di brulicare, che ha cambiato visibilmente il modello di output.
Utilizzo dell’intelligenza artificiale per decodificare il modello dello sciame
Uno dei ceppi ingegnerizzati di P. mirabilis, il ceppo “pLac-lrp”; quando cresciuto su una capsula di Petri con la molecola IPTG presente nel mezzo di crescita, come mostrato qui, il ceppo risponde cambiando il suo schema ad anello in uno schema di punte. Immagine di credito: Danino Lab/Columbia Engineering
Lavorando con Andrea LainePercy K. e Vida LW Hudson Professore di Ingegneria Biomedica e un membro DSI e Jia Guoassistente professore di neurobiologia (in psichiatria) presso il Centro medico Irving della Columbia University i ricercatori hanno quindi applicato il deep learning, una tecnica di intelligenza artificiale all’avanguardia, per decodificare l’ambiente dal modello, nello stesso modo in cui gli scienziati guardano gli anelli in un tronco d’albero per comprendere la storia del suo ambiente.
Hanno utilizzato modelli in grado di classificare i modelli in modo olistico per prevedere, ad esempio, la concentrazione di zucchero in un campione e modelli in grado di delineare o “segmentare” i bordi all’interno di un modello per prevedere, ad esempio, il numero di volte in cui la temperatura è cambiata durante la crescita della colonia .
Un vantaggio di lavorare con P. mirabilis è che, rispetto a molti dei tipici pattern batterici ingegnerizzati, il pattern nativo di P. mirabilis è visibile ad occhio nudo senza costose tecnologie di visualizzazione e si forma su un supporto durevole e facile da usare terreno agar solido.
Queste proprietà aumentano la possibilità di applicare il sistema come lettura del sensore in varie impostazioni. L’utilizzo del deep learning per interpretare i modelli può consentire ai ricercatori di estrarre informazioni sulle concentrazioni delle molecole di input anche da modelli complessi.
Il ceppo di rilevamento del rame ingegnerizzato, cresciuto con campioni di acqua contenente rame alto (50 mM) che sono stati aggiunti come gocce sul lato sinistro della capsula di Petri. Il rame viene percepito dai batteri, che rispondono modificando la loro sciamatura e quindi il modello ad anello, in modo tale che la presenza invisibile del rame diventi visibile ad occhio nudo. Il modello sul lato destro della lastra, senza campione, può essere utilizzato come linea di base con cui confrontare il modello del lato sinistro. Credito immagine: Danino Lab/Columbia Engineering
“Il nostro obiettivo è sviluppare questo sistema come un sistema di rilevamento e registrazione a basso costo per condizioni come inquinanti e composti tossici nell’ambiente”, ha affermato Anjali Doshi, l’autore principale dello studio e un neolaureato del laboratorio di Danino.
“A nostra conoscenza, questo lavoro è il primo studio in cui i biologi sintetici hanno progettato una specie batterica che forma naturalmente modelli per modificare la sua capacità di brulicare nativa e funzionare come sensore”.
Un nuovo approccio farà progredire la biotecnologia
Tale lavoro può aiutare i ricercatori a comprendere meglio come si formano i modelli nativi e, oltre a ciò, può contribuire ad altre aree della biotecnologia oltre l’area dei sensori.
Essere in grado di controllare i batteri come gruppo piuttosto che come individui, e controllarne il movimento e l’organizzazione in una colonia, potrebbe aiutare i ricercatori a costruire materiali viventi su scale più grandi e aiutare con l’obiettivo parallelo del laboratorio Danino di ingegnerizzare i batteri per vivere “intelligenti” terapeutici, consentendo un migliore controllo dei comportamenti batterici nel corpo.
Questo lavoro è un nuovo approccio per la costruzione di registratori batterici su macroscala, ampliando la struttura per l’ingegneria dei comportamenti microbici emergenti.
Il team prevede quindi di costruire sul proprio sistema ingegnerizzando i batteri per rilevare una gamma più ampia di inquinanti e tossine e spostando il sistema su batteri “probiotici” sicuri. In definitiva, mirano a sviluppare un dispositivo per applicare il sistema di registrazione al di fuori del laboratorio.
Fonte: Università della Columbia
Da un’altra testata giornalistica. news de www.technology.org
