Systembiologi möter AI: Från kartläggning till kontroll av celler
Fabian Theis vid Helmholtz München leder forskning som inte bara vill kartlägga biologi på cellnivå, utan faktiskt förutsäga och styra biologiska processer – ett skifte från beskrivning till kontroll. Det handlar om att kombinera maskininlärning med storskalig biologisk data för att förstå hur celler beter sig och reagerar. Intressant nog är det just AI-metoderna som gör det möjligt att hoppa från 'vi ser ett mönster' till 'vi kan påverka utfallet'.
Djupdykning
Fabian Theis och hans team på Helmholtz Munich jobbar med något som är ett naturligt nästa steg efter den stora cellatlasvågen – om vi nu kan kartlägga varje cell i kroppen med häpnadsväckande precision, vad kan vi då faktiskt *göra* med den kunskapen? Skiftet från kartläggning till kontroll handlar om att behandla biologiska system som ingenjörsproblem: du har en cell i ett sjukdomstillstånd, och du vill styra den tillbaka till ett friskt tillstånd, ungefär som en termostat fast för genuttryck. Det kräver inte bara bra data utan matematiska modeller som kan simulera vad som händer när du petar på systemet – något som kallas "perturbationsmodellering" – och det är här maskininlärning börjar bli genuint användbart i biologin snarare än bara som ett sorteringsverktyg. Det de flesta missar i hype-cykeln kring AI och biologi är att den svåra delen inte är att träna en modell på befintlig data, utan att generera rätt data från början och att validera om modellen faktiskt förstår kausalitet eller bara hittat korrelationer. Om Theis och liknande grupper lyckas bygga tillförlitliga kontrollerbara modeller av cellulär biologi förflyttar det läkemedelsutveckling från trial-and-error i laboratoriet mot något som liknar hur vi designar chip – simulera först, bygg sedan.