นักวิทยาศาสตร์จาก MIT พัฒนาโมเดลปัญญาประดิษฐ์ที่สามารถทำนายการเปลี่ยนแปลงของเซลล์แต่ละเซลล์ในตัวอ่อนแมลงหวี่ได้อย่างแม่นยำถึง 90% ในช่วงการเจริญเติบโตแรกเริ่ม ซึ่งเป็นการเปิดศักราชใหม่ในการทำความเข้าใจการก่อตัวของเนื้อเยื่อและอวัยวะที่ซับซ้อน และอาจนำไปสู่การระบุสัญญาณเริ่มต้นของโรคต่าง ๆ เช่น โรคหอบหืดและมะเร็ง
ทีมนักวิศวกรรมจากสถาบันเทคโนโลยีแมสซาชูเซตส์ (MIT) ได้พัฒนาวิธีการใหม่ที่สามารถทำนายได้แบบนาทีต่อนาที ว่าเซลล์แต่ละเซลล์จะเกิดการพับตัว (fold), การแบ่งตัว (divide), และการจัดเรียงตัว (rearrange) อย่างไรในช่วงการเจริญเติบโตที่แรกสุดของแมลงหวี่
วิธีนี้อาจนำไปประยุกต์ใช้เพื่อทำนายการพัฒนาของเนื้อเยื่อ อวัยวะ และสิ่งมีชีวิตที่มีความซับซ้อนมากขึ้นในอนาคตได้ นอกจากนี้ยังอาจช่วยให้นักวิทยาศาสตร์สามารถระบุรูปแบบของเซลล์ที่สัมพันธ์กับโรคที่เริ่มแสดงอาการเร็ว (early-onset diseases) เช่น โรคหอบหืด (asthma) และโรคมะเร็ง (cancer) ได้ตั้งแต่ระยะเริ่มต้น
โมเดล Deep Learning คู่ขนาน ทำนายการเปลี่ยนแปลงทางเรขาคณิต
ในงานวิจัยที่ตีพิมพ์ในวารสาร Nature Methods ทีมวิจัยได้นำเสนอโมเดลการเรียนรู้เชิงลึก (deep-learning model) ใหม่ ที่สามารถเรียนรู้และทำนายว่าคุณสมบัติทางเรขาคณิตบางอย่างของเซลล์แต่ละเซลล์จะเปลี่ยนแปลงไปอย่างไรเมื่อตัวอ่อนแมลงหวี่พัฒนาขึ้น
โดยทั่วไป นักวิทยาศาสตร์จะจำลองการพัฒนาของตัวอ่อนด้วยวิธีหลัก ๆ สองวิธี คือ
- กลุ่มจุด (Point Cloud) แต่ละจุดแทนเซลล์หนึ่งเซลล์ที่เคลื่อนที่ไปตามกาลเวลา
- โฟม” (Foam) แต่ละฟองแทนเซลล์หนึ่งเซลล์ที่เลื่อนและสไลด์เข้าหากัน
แต่แทนที่จะเลือกเพียงวิธีใดวิธีหนึ่ง ทีมนักวิจัยกลับนำแนวคิดทั้งสองมาผสมผสานกันเป็นโครงสร้างที่เรียกว่า “กราฟคู่ขนาน” (dual-graph) ซึ่งเป็นการแทนตัวอ่อนที่กำลังพัฒนาในลักษณะของทั้ง จุดเคลื่อนที่และฟองอากาศไปพร้อมกัน
การเป็นตัวแทนแบบคู่ขนานนี้ช่วยให้โมเดลสามารถเก็บรายละเอียดคุณสมบัติทางเรขาคณิตของเซลล์ได้มากขึ้น เช่น ตำแหน่งของนิวเคลียส การที่เซลล์สัมผัสกับเซลล์ข้างเคียง และการที่เซลล์กำลังพับตัวหรือแบ่งตัว ณ ขณะใดขณะหนึ่ง
ความแม่นยำ 90% ในช่วง Gastrulation
ทีมวิจัยได้นำโมเดลดังกล่าวไปฝึกฝนกับวิดีโอคุณภาพสูงของตัวอ่อนแมลงหวี่ในช่วงที่เรียกว่า Gastrulation ซึ่งเป็นช่วงการเจริญเติบโตแรกเริ่มที่ใช้เวลาประมาณหนึ่งชั่วโมง โดยตัวอ่อนจะเปลี่ยนจากรูปร่างที่เรียบเนียนสม่ำเสมอไปสู่โครงสร้างและลักษณะที่มีการกำหนดที่ชัดเจนขึ้น
ตัวอ่อนแมลงหวี่เริ่มต้นด้วยกลุ่มเซลล์ประมาณ 5,000 เซลล์ และผลการทดสอบพบว่า โมเดลนี้สามารถทำนายได้อย่างแม่นยำถึง 90% ว่าเซลล์แต่ละเซลล์จาก 5,000 เซลล์นี้จะพับตัว เคลื่อนที่ และจัดเรียงตัวใหม่ได้อย่างไรในแบบนาทีต่อนาทีตลอดช่วงหนึ่งชั่วโมงแรกของการพัฒนา
ศาสตราจารย์ Ming Guo แห่งภาควิชาวิศวกรรมเครื่องกลของ MIT และผู้เขียนงานวิจัยกล่าวว่า “ด้วยการสร้างแบบจำลองช่วงเริ่มต้นนี้ได้อย่างแม่นยำ เราสามารถเริ่มค้นพบว่าการโต้ตอบกันของเซลล์ในระดับท้องถิ่นนำไปสู่การเกิดเนื้อเยื่อและสิ่งมีชีวิตในระดับสากลได้อย่างไร”
ก้าวต่อไป ทำนายโรคตั้งแต่แรกเริ่ม
นักวิจัยหวังว่าจะนำโมเดลนี้ไปใช้ทำนายการพัฒนาแบบเซลล์ต่อเซลล์ในสิ่งมีชีวิตอื่น ๆ เช่น ปลาม้าลาย (zebrafish) และหนู เพื่อระบุรูปแบบที่พบร่วมกันในสิ่งมีชีวิตหลากหลายชนิด
นอกจากนี้ ทีมวิจัยยังคาดการณ์ว่าวิธีนี้สามารถนำไปใช้เพื่อตรวจหารูปแบบเริ่มต้นของโรคต่าง ๆ ได้ ตัวอย่างเช่น โรคหอบหืด ซึ่งเนื้อเยื่อปอดในผู้ป่วยโรคหอบหืดมีลักษณะที่แตกต่างจากเนื้อเยื่อปอดที่มีสุขภาพดีอย่างเห็นได้ชัด การทำความเข้าใจกระบวนการเริ่มต้นของการพัฒนาเนื้อเยื่อที่มีแนวโน้มจะเป็นโรคหอบหืดจึงเป็นสิ่งที่ไม่ทราบมาก่อน ซึ่งวิธีการใหม่นี้อาจช่วยเผยความลับนั้นได้
“เนื้อเยื่อที่เป็นโรคหอบหืดแสดงให้เห็นถึงพลวัตของเซลล์ที่แตกต่างกันเมื่อถ่ายภาพแบบมีชีวิต” Haiqian Yang นักศึกษาปริญญาโทของ MIT และผู้ร่วมเขียนงานวิจัยกล่าว “เราเชื่อว่าโมเดลของเราสามารถจับความแตกต่างของพลวัตที่ละเอียดอ่อนเหล่านี้ได้ และให้ข้อมูลที่เป็นตัวแทนที่ครอบคลุมมากขึ้นเกี่ยวกับพฤติกรรมของเนื้อเยื่อ ซึ่งอาจปรับปรุงการวินิจฉัยหรือการทดสอบคัดกรองยาได้”
ความสำเร็จของโมเดล Deep Learning ในการทำนายการพัฒนาของสิ่งมีชีวิตแบบละเอียดระดับเซลล์ต่อเซลล์นี้ ถือเป็นความก้าวหน้าครั้งสำคัญในสาขาชีววิทยาระบบและการแพทย์ ซึ่งมีศักยภาพในการขยายความเข้าใจของเราเกี่ยวกับกลไกพื้นฐานของการเกิดโรคและการพัฒนาสิ่งมีชีวิตที่ซับซ้อน ข้อจำกัดหลักในปัจจุบันคือความพร้อมของข้อมูลวิดีโอคุณภาพสูงระดับเซลล์ต่อเซลล์ แต่เมื่อข้อมูลพร้อม โมเดลนี้ก็พร้อมที่จะถูกนำไปประยุกต์ใช้เพื่อทำนายการพัฒนาของเนื้อเยื่อและอวัยวะของมนุษย์ต่อไปในอนาคต
ข้อมูลอ้างอิง : MIT News
- Deep-learning model predicts how fruit flies form, cell by cell
About Author
