Bioinformatica

Il pancreas umano in un minuscolo dispositivo. Gli organoidi cresciuti nel dispositivo microfluidico possono aiutare i pazienti affetti da diabete.

Gli scienziati hanno creato il pancreas umano su un chip che ha permesso loro di identificare la possibile causa di una frequente e mortale complicazione della fibrosi cistica (CF) chiamata diabete correlato alla fibrosi cistica o CFRD (CF-Related Diabetes). Secondo i ricercatori del Cincinnati Children's Hospital Medical Center, la cui ricerca è stata pubblicata su Nature Communications, (1) il chip si potrebbe utilizzare anche come dispositivo bicamerale. Ciò presenterebbe organoidi pancreatici umani bioingegnerizzati per studiare le cause di condizioni non correlate alla CF (fibrosi cistica) come il diabete di tipo 1 e 2.

Tuttavia, per prima cosa, gli scienziati vogliono verificare se il loro dispositivo può aiutare le persone con CF (fibrosi cistica) - una malattia polmonare genetica causata da una mutazione del gene CFTR (CF-Related Diabetes). La mutazione porta ad uno squilibrio di acqua e sale sulle superfici cellulari che ostruisce i polmoni con muco denso.

Man mano che le persone con FC invecchiano, diventano sempre più a rischio di CFRD, secondo il dottor Anjaparavanda P. Naren, (2) ricercatore principale dello studio e direttore del Centro di ricerca sulla fibrosi cistica (divisione di medicina polmonare). A peggiorare le cose è che fino ad ora non c'è stato un modo efficace per studiare CFRD in laboratorio per cercare trattamenti migliori.

Gli ingegneri hanno imitato il cervello umano con un chip elettronico che utilizza la luce per creare e modificare i ricordi

I ricercatori della RMIT University hanno tratto ispirazione da uno strumento emergente in biotecnologia - l'optogenetica - per sviluppare un dispositivo che replica il modo in cui il cervello immagazzina e perde informazioni. L'optogenetica consente agli scienziati di scrutare nel sistema elettrico del corpo con incredibile precisione, usando la luce per manipolare i neuroni in modo che possano essere accesi o spenti.

Il nuovo chip si basa su un materiale ultrasottile che modifica la resistenza elettrica in risposta a diverse lunghezze d'onda della luce, consentendogli di imitare il modo in cui i neuroni lavorano per archiviare ed eliminare le informazioni nel cervello.

il dottor Sumeet Walia, (1) leader del team di ricerca, sostiene che la tecnologia ci avvicina all'intelligenza artificiale (AI) che può sfruttare la piena funzionalità sofisticata del cervello. A tal proposito afferma: “Il nostro chip, di ispirazione optogenetica, imita la biologia fondamentale del miglior computer della natura: il cervello umano. Essere in grado di archiviare, eliminare ed elaborare le informazioni è fondamentale per il calcolo e il cervello lo fa in modo estremamente efficiente. Siamo in grado di simulare l'approccio neurale del cervello semplicemente splendendo colori diversi sul nostro chip. Questa tecnologia ci porta oltre nel cammino verso un'elaborazione della luce rapida, efficiente e sicura. Ci conferisce anche un importante passo avanti verso la realizzazione di un cervello bionico - un cervello su un chip che può imparare dal suo ambiente proprio come fanno gli umani.”

L'apprendimento automatico sta superando gli umani nel predire la morte o l'infarto. Questo è quello che suggerisce uno studio presentato recentemente all'ICNC 2019.

Analizzando ripetutamente 85 variabili in 950 pazienti con aspettative di vita di sei anni, un algoritmo ha “imparato” come interagiscono i dati dei loro volti. Ha quindi identificato i modelli che correlavano le variabili alla morte e all'attacco cardiaco con una precisione superiore al 90%.

L'apprendimento automatico, il moderno fondamento dell'intelligenza artificiale (AI), viene utilizzato ogni giorno. Il motore di ricerca di Google, il riconoscimento facciale su smartphone, le auto a guida autonoma, i sistemi di raccomandazione di Netflix e Spotify utilizzano tutti algoritmi di apprendimento automatico per adattarsi al singolo utente.

I medici si basano sui punteggi inerenti alle probabilità di rischio per prendere decisioni terapeutiche. Tuttavia, questi punteggi derivano da una serie di variabili e spesso hanno una precisione modesta nei singoli pazienti. Tuttavia, mediante la reiterazione e l'aggiustamento di alcuni processi di calcolo, l'apprendimento automatico può sfruttare grandi quantità di dati e identificare modelli complessi che potrebbero non essere evidenti agli esseri umani.

L'autore dello studio, il dottor Luis Eduardo Juarez-Orozco, (1) del Turku PET Centre, (2) in Finlandia, ha dichiarato: “Gli umani hanno difficoltà a pensare oltre tre dimensioni (un cubo) o quattro dimensioni (un cubo nel tempo). Il momento in cui saltiamo nella quinta dimensione ci perdiamo. i modelli ad alta dimensionalità sono più utili dei modelli a singola dimensione per prevedere i risultati negli individui e per questo abbiamo bisogno dell'apprendimento automatico.”