Laboratorijski uzgojeni kortikalni organoidi iz mišjih matičnih ćelija koristili su adaptivnu električnu povratnu informaciju da poboljšaju kontrolu virtuelnog "cartpole" zadatka. Dok su organoidi bez povratne informacije ili sa nasumičnom stimulacijom retko uspevali (2,3% i 4,4%), adaptivna stimulacija je dovela do proficijentnosti u 46% ciklusa. Efekat je bio kratkotrajan (gubitak učenja nakon ~45 minuta), ali istraživanje pokazuje da se neuronske mreže u posudi mogu ciljno oblikovati radi proučavanja plastičnosti i neuroloških bolesti.
Mini-moždani organoidi naučeni da balansiraju virtuelni štap — adaptivna stimulacija podiže uspeh na 46%
Scientists Grew Mini Brains, Then Trained Them to Solve an Engineering Problem
Sažetak: Laboratorijski uzgojeni kortikalni organoidi iz mišjih matičnih ćelija pokazali su da se neuronske mreže u posudi mogu oblikovati kroz strukturisanu, adaptivnu električnu povratnu informaciju: u zatvorenoj petlji su postepeno poboljšali kontrolu virtuelnog "cartpole" zadatka.
Iako daleko od funkcionalnog hibridnog bioračunara ili bilo kakve svesti, ovaj rad predstavlja jasno dokazani koncept da živo moždano tkivo reaguje na ciljanu povratnu stimulaciju i kratkoročno se „uči“ da reši nestabilan kontrolni problem. Rezultati otvaraju nove mogućnosti za proučavanje moždane plastičnosti i efekata neuroloških bolesti.
Kako je eksperiment funkcionisao
Istraživači su uzgajali male kortikalne organoide iz mišjih matičnih ćelija. Ti organoidi nisu bili dovoljno kompleksni za razmišljanje ili svesnost, ali su mogli da šalju i primaju električne impulse, a njihove unutrašnje veze su bile podložne promenama.
Mature organoids grown for the experiment. (Robbins et al.,bioRxiv, 2024)
U eksperimentu su organoidi bili povezani sa virtuelnim "cartpole" zadatkom (balansiranje štapa na pomičnom kolicima). Različiti obrasci električne stimulacije predstavljali su pravac i ugao nagiba štapa, a zabeleženi odgovori mreže tumačeni su kao komande za pomeranje kolica ulevo ili udesno.
Uslovi i adaptivni trening
Svaka serija pokušaja trajala je dok štap ne bi pao preko unapred postavljenog ugla. Organoidi su podeljeni u tri grupe: bez bilo kakve povratne informacije, sa nasumičnom povratnom stimulacijom, i sa adaptivnom povratnom stimulacijom koja se menjala na osnovu prethodnih performansi.
Ključni element je bio adaptivni algoritam: ako bi prosečan učinak u poslednjih 5 epizoda pao u odnosu na prosek iz 20 prethodnih epizoda, sistem bi isporučio kratak niz visokofrekventne stimulacije. Algoritam je podešavao koje neurone stimulisati prema tome da li su slični obrasci ranije dovodili do poboljšanja.
Subscribe to ScienceAlert's free fact-checked newsletter
„Možete to zamisliti kao veštačkog trenera koji kaže: ‚radiš pogrešno, pomeri to malo na ovaj način‘,“ objašnjava Ash Robbins iz UC Santa Cruz.
Rezultati
Da bi isključili slučajnost, istraživači su definisali benchmark zasnovan na performansama potpuno nasumičnog kontrolera. Samo ako bi najbolje epizode organoida premašile granicu koju nasumični kontroler može verovatno postići, sesija je računata kao proficijentna.
Stope proficijentnosti su bile sledeće: bez povratne informacije 2,3%, sa nasumičnom povratnom informacijom 4,4%, dok su organoidi trenirani adaptivnom povratnom informacijom postizali proficijentnost u 46% ciklusa. To jasno pokazuje da aktivno biranje trening-stimulusa može oblikovati mrežu u željenom pravcu.
Međutim, efekat je bio kratkotrajan: nakon samo ~45 minuta neaktivnosti organoidi su "zaboravili" obuku i vratili se na početni nivo performansi. Autori predlažu da će buduća istraživanja raditi na produženju memorije, na primer povećanjem složenosti mreža.
Etika i cilj istraživanja
Autori naglašavaju da cilj nije stvaranje biokompatibilnih računara niti zamena klasičnih kontrolera, već bolji uvid u fundamentalne mehanizme učenja i plastičnosti, što može pomoći u razumevanju i lečenju neuroloških oboljenja. Upotreba mišjih matičnih ćelija umanjuje, ali ne uklanja, etička pitanja koja bi se otvorila korišćenjem ljudskih organoida.
Rad je objavljen u časopisu Cell Reports.
Pomozite nam da budemo bolji.
