Gli scienziati hanno a lungo impiegato linee guida relativamente semplici per aiutare a spiegare il mondo fisico, dalla seconda legge del moto di Newton alle leggi della termodinamica.

Ora, Gli ingegneri biomedici della Duke University hanno utilizzato la modellazione dinamica e l'apprendimento automatico per costruire regole altrettanto semplici per la biologia complessa. Hanno ideato un quadro per interpretare e prevedere con precisione il comportamento di sistemi biologici reciprocamente vantaggiosi, come i batteri intestinali umani, piante e impollinatori, o alghe e coralli.

La ricerca appare il 16 gennaio 2019 sulla rivista Comunicazioni sulla natura .

"In un mondo perfetto, saresti in grado di seguire un semplice insieme di regole molecolari per capire come funziona ogni sistema biologico, " ha detto Lingchong You, un professore nel Dipartimento di Ingegneria Biomedica di Duke. "Ma in realtà, è difficile stabilire regole generali che racchiudano l'immensa diversità e complessità dei sistemi biologici. Anche quando stabiliamo regole generali, è ancora difficile usarli per spiegare e quantificare varie proprietà fisiche".

Tu e Feilun Wu, uno studente laureato e primo autore del documento, affrontato queste sfide esaminando il comportamento dei sistemi mutualistici. Questi sistemi simbionti sono costituiti da due o più popolazioni che forniscono reciproco beneficio, come farfalle monarca e piante asclepiade.

A determinate condizioni, i sistemi mutualistici possono crollare, portando a conseguenze ecologiche devastanti. Wu voleva sviluppare una struttura in grado di prevedere e prevenire accuratamente i risultati negativi e guidare la progettazione di nuovi sistemi mutualistici sintetici.

"Poiché questi sistemi erano così diversi, i quadri precedenti erano applicabili solo a specifici sistemi mutualistici, come reti di impollinazione delle piante o di dispersione dei semi, oppure erano troppo generali e non descrivevano la linea sottile tra le condizioni che consentono ai sistemi di coesistere, contro quelli che costringono il sistema al collasso, " disse Wu.

Per indagare se potrebbe esistere una linea guida quantitativa unificante per i sistemi mutualistici, Wu ha studiato sistematicamente 52 modelli di equazioni differenziali che catturano la diversità dei sistemi mutualistici. Questi sistemi condividevano la stessa struttura fondamentale:quando il beneficio collettivo era maggiore dello stress collettivo, le popolazioni possono coesistere. Se lo stress è maggiore del beneficio collettivo, il sistema crollerà.

Mentre è relativamente facile misurare lo stress in un sistema, è più complicato misurare il beneficio collettivo, che è una funzione di variabili come il costo, vantaggi individuali e altre complessità del sistema. Tu e il suo team avete riconosciuto che il tentativo di misurare il beneficio collettivo è diventato un collo di bottiglia a causa dei complessi criteri disponibili per misurare, e questo è diventato ancora più impegnativo quando applicato a diversi sistemi mutualistici.

Anziché, il team ha sviluppato un algoritmo di apprendimento automatico per determinare il beneficio collettivo utilizzando pochi, variabili relativamente facili da raccogliere come la temperatura, pH e genetica. L'approccio ha portato a una metrica semplificata che può essere applicata a diversi sistemi mutualistici.

Per testare le loro linee guida, il team ha utilizzato dati sperimentali di tre sistemi batterici mutualistici e dati simulati per dimostrare che la loro struttura poteva prevedere in modo coerente e accurato se un sistema coesisterebbe o collasserebbe. Le loro regole potrebbero anche prevedere informazioni quantitative, compresa la probabilità di coesistenza, resistenza e densità di popolazione totale.

Il team è ottimista sul fatto che la sua ricerca possa essere applicata anche a sistemi biologici non mutualistici. Per esempio, Si suggerisce di utilizzare la loro strategia per esaminare la resistenza agli antibiotici e le condizioni che consentono alla resistenza di persistere o scomparire.

"Quando lavoriamo in medicina o ingegneria biomedica, ci rendiamo conto che è necessario un certo livello di semplificazione per comprendere le interazioni delle comunità che stiamo studiando, " disse Lei. "La nostra procedura ci ha mostrato che c'è comunanza tra sistemi biologici apparentemente diversi, e questo è essenziale per permetterci di fare le previsioni che guidano la nostra ricerca".

I membri dello studio includono Charlotte Lee della biologia Duke e Sanyan Mukherjee nella scienza statistica, matematica, informatica, e bioinformatica e biostatistica, così come due ex membri di You lab, Allison Loptkin e Daniel ha bisogno.