Merkityksellisiä Askeleita Kohti Organoiditiedettä

Artificial Intelligence (AI) on tänään teknologian maailmassa tuttu termi, muokaten monia arkipäivän elämämme osa-alueita. Kuitenkin tieteessä nousee uusi raja-alue – Organoid Intelligence (OI) – joka, vaikka ei olekaan yhtä laajasti tunnettu kuin AI, sisältää merkittävää potentiaalia. Mutta mitä tarkalleen ottaen Organoid Intelligence on, ja miksi se kerää huomiota tieteellisissä piireissä?

Institute of Electrical and Electronics Engineers (IEEE) määrittelee Organoid Intelligence -käsitteenä “yhteinen ponnistus edistää aivoorganoidien—pienten pallomaisten aivokudoksen massojen, jotka on kasvatettu kantasoluista—käyttöä laskentaan, lääkekehitykseen ja mallina, jonka avulla voidaan pienessä mittakaavassa tutkia, miten kokonainen aivo toimii.”

Järjestö myös mainitsee kaksi läpimurtotutkimusta, jotka ovat mahdollistaneet organoidien kehittämisen. Palaamme näihin tutkimuksiin hetken kuluttua. Ennen sitä syvennymme tarkemmin siihen, mitä tieteellinen yhteisö ajattelee Organoid Intelligence -potentiaalista.

Huolestunut tutkijaryhmä uskoo, että OI-pohjaiset biolaskentajärjestelmät mahdollistavat nopeamman päätöksenteon. Ne auttavat jatkuvassa oppimisessa tehtävien aikana ja tuovat prosessiin suurempaa energiatehokkuutta ja datatehokkuutta. Ne auttavat myös ymmärtämään vakavasti haittaavien kehitys- ja rappeumasairauksien, kuten dementia, patofysiologiaa. Ymmärrettävästi ne tukevat näiden sairauksien hoitoa tunnistamalla uusia terapeuttisia lähestymistapoja.

Ottaen huomioon OI:n valtavan kyvyn tehdä hyvää, useita merkityksellisiä askeleita kohti Organoid Intelligence (OI) on otettu. Tarkastelemme niitä tulevissa osioissa. Aloitamme kuitenkin kahdesta läpimurtotutkimuksesta, jotka on jo mainittu organoidien kehityksessä.

Indusoituja Pluripotentteja Kantasoluista Johdetut Organoidit

IPSC-johdetut organoidit nousivat keskusteluun COVID-19-pandemian aikana. Tieteellinen tutkimusartikkeli esitteli yksityiskohtia IPSC-johdetuista hengitysteiden organoideista, aivoorganoideista, suoliston organoideista, maksan organoideista, verisuonten organoideista, munuaisten organoideista, sisäkorvan organoideista ym. Ottaen huomioon tämän moninaisuuden, keskitymme nyt erityisesti aivoorganoideihin.

Artikkeli luettelee kolme keskeistä kohtaa:

• Ensimmäistä kertaa tutkijat kehittivät aivoorganoideja spontaanin embryoidirakenteiden (EB) erilaistumisen avulla.
• Ensimmäiset aivoorganoidit olivat erittäin heterogeenisia.
• Heterogeenisuus johti tutkijoita kehittämään aluekohtaisia aivoorganoideja vaikuttamalla tiettyihin signalointireitteihin.

Toinen tutkimus, joka edisti organoidien kehitystä, liittyi 3D-solukultivaatiotekniikoihin.

3D Solukulttuuri

3D-solukultivaatiotekniikoiden kehittämisen taustalla oli kahden ulottuvuuden solukulttuurin havaitut puutteet. Kaksidimensionaaliset solukulttuurikäytännöt eivät pysty jäljittelemään kudoksen anatomiaa tai fysiologiaa informatiivista tai hyödyllistä tutkimusta varten.

3D-solukultivaatiotekniikat – toisaalta – ovat lähempänä eläin- ja ihmisen fysiologiaa. Kun ne kehittyvät kypsemmiksi, ne auttavat suunnittelemaan ja kehittämään yhteiskulttuureja. Nämä tekniikat voivat osoittautua hyödyllisiksi kudosten suunnittelussa kliinistä käyttöä varten sekä mallien kehittämisessä lääkekokeisiin.

Tällaiset edistysaskeleet 3D-solukulttuurissa ovat myös keskeisiä IPSC-johdettujen organoidien ja organoiditiedon tutkimuksessa. IPSC:t voivat esimerkiksi kehittyä mihin tahansa eläimen elimistössä olevaan soluun.

3D-kultivaatiotekniikat ja 3D-tukirakenteet auttavat erityisesti biologeja kasvattamaan IPSC-johdettuja hermokudoksia pystysuunnassa ja vaakasuunnassa, raivaten tietä eläimen aivoissa havaittavien hermoyhteyksien kehittämiseen.

Tämän monimutkaisen verkoston toistaminen auttaa syventymään organoiditiedon tutkimukseen ja kehittämään hienostuneempia menetelmiä.

Aivoorganoidien Varasto Laskenta AI:lle

Tutkimus julkaistu lehdessä Nature Electronics tuo esiin aivoihin perustuvan laskentalaitteiston saavutukset, jotka jäljittelevät aivojen rakennetta ja toimintaperiaatteita. Tutkijat uskovat, että tämä kehitys voi ratkaista nykyisiä AI:n rajoitteita.

Tutkimus erityisesti raportoi AI-laitteistolähestymistavan, joka hyödyntää aivoorganoidin biologisten hermoverkkojen adaptiivista varastolaskentaa. Lähestymistapa tunnetaan nimellä Brainoware. Se perustuu laskentaan lähettämällä ja vastaanottamalla tietoa aivoorganoidista korkean tiheyden monielektrodiarrayn kautta.

Orgaanisen Puolijohteiden Synteesi: Uusien Horisonttien Avaaminen Super-Tehokkaille Elektronisille Laitteille

UNISTin kemian laitoksen tutkijaryhmä avasi tilaa innovaatio-mahdollisuuksille saavuttaen läpimurron orgaanisen puolijohteen synteesissä. Tutkijat raportoivat B2N2-antratsenijohdannaisen synteesistä ja karakterisoinnista, jossa BNBN-yksikkö muodostui BOBN-yksikön muuntamisesta sahalaitakärjessä. Tuloksia odotetaan auttavan suurempien acenien kehittämisessä, joissa on useita BN-yksiköitä, ja joilla on monia sovelluksia orgaanisessa elektroniikassa.

Tutkimuksen ensimmäisen kirjoittajan Songhua Jeongin mukaan:

“Tutkimuksemme antratsenista, acenilajista, joka on laajalti tunnustettu orgaaniseksi puolijohteeksi, on luonut perustan tuleville edistysaskeleille alalla.”

Herra Jeong lisäsi:

“Tämän tutkimuksen kautta syntynyt jatkuva BN-sidonta tarjoaa suuren potentiaalin orgaanisten puolijohteiden sovelluksille.”

Monipuolisen tutkimuksen avautuessa polkuja Organoid Intelligence -kehitykselle, alan asiantuntijat uskovat, että organoiditieto voi tulevaisuudessa olla tarpeeksi voimakas ruokkimaan tietokoneitamme.
Tulevaisuus ei enää vaikuta epärealistiselta, jossa laboratoriossa kasvatetut aivosolut tallentaisivat ja hakisivat suuria määriä dataa pienemmällä energiankulutuksella. Kun skaalaus etenee, nämä ratkaisut voivat jopa kehittää tietoisuuden ajatella tai tuntea itsenäisesti.

Organoid Intelligence: Työpajat ja Rahoitus

Moninaiset ponnistelut ovat käynnissä organoiditiedon potentiaalin tarkempaan pohtimiseen.

22.–24. helmikuuta 2022 John Hopkins University järjesti ensimmäisen Organoid Intelligence -työpajan. Tavoitteena oli muodostaa OI-yhteisö ja luoda perusta OI:n perustamiselle uutena tieteellisenä tieteenalana. Työpajan taustalla oli usko, että OI voisi radikaalisti muuttaa laskentaa, neurologista tutkimusta ja lääkekehitystä.

Lisää vahvistusta OI:n potentiaalille saatiin, kun Yhdysvaltain National Science Foundationin Engineering-direktoraatti suunnitteli uuden alueen Emerging Frontiers in Research and Innovation (EFRI) -ohjelmaan tilikaudella 2024, ja se nimettiin ‘Engineering Organoid Intelligence‘.

NSF tunnetaan tieteellisen ja teknisen tutkimuksen sekä siihen liittyvien ihmisten tukemisesta tarjoamalla tiloja, instrumentteja ja rahoitusta. NSF:lla oli budjetti 9,5 miljardia Yhdysvaltain dollaria tilikaudella 2023. Nämä varat jakautuvat kaikkiin 50 Yhdysvaltain osavaltioon yli 2 000 korkeakoulun, yliopiston ja instituution myöntämien apurahojen kautta.

‘Engineering Organoid Intelligence’ -aihe pyrkii tukemaan perustutkimusta insinöörien biolaskentakoneiden kehittämisessä aivoorganoideilla. NSF uskoi, että organoidikulttuureilla olisi pian liitännät elektroniikkaan, jotta ne voisivat syöttää syötteitä ja viedä ulostuloja ulkoisiin digitaalisiin järjestelmiin.

Yliopistojen, tutkimuslaitosten ja hallintoviranomaisten lisäksi monet yritykset ovat ottaneet tehtäväkseen edistää organoiditiedon kehitystä. Tarkastelemme nyt joitakin tällaisia yrityksiä ja niiden pyrkimyksiä.

#1. Final Spark

Vuonna 2014 Sveitsissä perustetut Martin Kutterin ja Fred Jordanin perustama Final Spark puolustaa biologisia siruprosessoreita, jotka kuluttavat paljon vähemmän energiaa.

Kuten startup väittää, se on jo testannut 10 miljoonaa neuronia pyrkiessään rakentamaan ajattelevia koneita elävistä ihmisen ihosta johdetuista neuroneista.

Startup hyödyntää kehittyneitä solukultivaatiotekniikoita osoittaakseen itseään ylläpitävän laskentakyvyn tulevien AI-mallien luomiseksi.

#2. BiologiC ja NVIDIA

BiologiC Technologies, Cambridgeissa, Iso-Britanniassa sijaitseva yritys, on tunnettu biolaskentakoneistaan, jotka yritys määrittelee “automaattiseksi ohjelmoitavaksi ja uudelleenkonfiguroitavaksi bioprosessointialustaksi useisiin biologisiin sovelluksiin.”

Ratkaisun patentoitu laitteistorakenne sisältää neljä ydinkomponenttia:

• Edistynyt reitityskeskus auttaa kuljettamaan nesteitä ja biokaasuja järjestelmän läpi.
• Syöte- ja ulostulolohko auttaa hallitsemaan raaka-aineiden lataamista ja lopullisen biotuotteen ulostuloa.
• BPU-malli tukee bioprosessointitoimintoja, kuten solukasvua, in vitro -transkriptioita ym.
• Lopuksi, anturikeskusmoduuli auttaa bioprosessointiympäristön reaaliaikaisessa seurannassa.

13. maaliskuuta 2023 BiologiC Technologies liittyi NVIDIA (NVDA ) Inception -ohjelmaan, joka auttaa BiologiCia integroimaan reunalaskennan ja AI:n biolaskentakoneisiinsa. Tämä integraatio auttaa lopulta BiologiCin biolaskentakoneita tuomaan mullistavia parannuksia biologisten prosessointilaitosten toimintaan ja vähentämään tautien uhkaa kestävästi, helposti saatavilla ja edullisesti.

Saatavilla olevien tietojen mukaan CPI Enterprises sijoitti BiologiCiin. CPI sijoittaa korkean potentiaalin deep tech -yrityksiin, jotta ne voivat kasvaa nopeasti, toimien sekä sijoittajana että teknisenä tukijana.

CPI:n toimitusjohtajan Frank Millarin mukaan:

“Olemme tehneet tiivistä yhteistyötä pitkän ajan, ja olemme vaikuttuneita BiologICin toteutuksen nopeudesta ja kaupallisesta vetovoimasta. Näemme vahvoja etuja BiologICin biolaskentajärjestelmässä ja sen kyvyssä lisätä bioprosessien tuottavuutta kilpailijoihin nähden alalla.”

21. marraskuuta 2023 NVIDIA raportoi liikevaihdon kolmannelle neljännekselle, joka päättyi 29. lokakuuta 2023, 18,12 miljardia dollaria, mikä on 206 % enemmän kuin vuosi sitten ja 34 % enemmän kuin edellisellä neljänneksellä.

#3. BioMap ja MBUZAI: Yhteistyötä Biolaskentalaboratorion Luomiseksi 

14. maaliskuuta 2023 BioMap solmi strategisen yhteistyön Mohamed bin Zayed University of Artificial Intelligence (MBZUAI) kanssa esitelläkseen ensimmäisen biolaskentainnovaatioiden tutkimuslaboratorion Lähi-idässä ja vastatakseen alueen elämän tieteiden tarpeisiin.

Yhteistyö tutkii BioMapin monimodaalista bio-laskentamallia, xTrimo (Cross-model Transformer Representation of Interactome and Multi-Omics), pyrkien saavuttamaan laajamittaisia elämän tieteiden malleja proteiinigeneroinnissa, proteiinirakenteen ennustamisessa, solutoimintojen ennustamisessa ja muissa elämän tieteiden tehtävissä.

Tavoitteena on saavuttaa läpimurtoja AI:n tuottamissa proteiineissa (AIGP) auttaakseen Lähi-idän tarpeita lääketieteellisessä terveydenhuollossa, lääkekehityksessä, energiassa ja ympäristönsuojelussa.

Proteiinisuunnittelun lisäksi BioMapin kyvyt auttavat saavuttamaan vahvat solujen karakterisointikyvyt, tarkat ensimmäisen kerran mallinnukset immuunisoluista ym.

Robin Li, Baidun toimitusjohtajan, yhdessä perustettu BioMap yhdistää huippuluokan AI- ja biotekniikan-kyvyt torjumaan elintieteiden alalla keskeisimpiä ongelmia, kuten kohteiden löytöä, de novo -lääkekehitystä ja entsyymien optimointia.

Kiinalainen biologinen laskentayritys keräsi yli 100 miljoonaa Yhdysvaltain dollaria sarja A -rahoituksessa, kuten elokuussa 2021 julkaistuissa raporteissa kerrotaan. Kierrosta johti CGV Capital. Muita sijoittajia olivat Baidu, Legend Capital, Bluerun Ventures ja Xianghe Capital.

Mihin Suuntaan OI On Menossa?

Kyseenalaistamatta OI on vanginnut tieteellisen yhteisön mielikuvituksen. Kehittyneet teknologiayritykset ja -asiantuntijat investoivat myös resursseja. Tulevaisuuden muotoutuminen OI:lle riippuu kuitenkin muutamista keskeisistä tekijöistä, jotka liittyvät sen kehitykselliseen luonteeseen.

OI:n menestys mullistavana teknologisena innovaationa riippuu siitä, kuinka nopeasti, tehokkaasti ja voimakkaasti se voi kehittyä verrattuna piisirun laskentaan ja AI:hin. Lisäksi nopeus-, tehokkuus- ja teho-standardeilla on oltava alhaisempi energiankulutus, jotta se olisi houkuttelevampi ja kustannustehokkaampi.

Tulevaisuudessa OI:n on kehitettävä todellinen monitieteinen lähestymistapa, sillä nykyisten aivoorganoidien skaalaaminen kestäviin 3D-rakenteisiin on monimutkainen ja vaativa tehtävä. Nämä rakenteet täytyy olla täynnä soluja ja geenejä, jotka auttavat ihmisiä oppimaan uusia, monimutkaisia asioita.

Lisäksi ihanteellisten biolaskentakoneiden suunnittelu vaatii näiden organoidien yhdistämistä huipputason syöttö- ja ulostulolaitteisiin, erityisesti elektronisiin laitteisiin, joissa on kehittyneet AI- ja koneoppimisjärjestelmät.

Tutkijat alalla uskovat, että tarvitaan suurta määrää uusia ja kehittyneitä malleja, algoritmeja ja liitäntätekniikoita, jotta voidaan luoda tehokas ja merkityksellinen viestintä näiden aivoorganoidien kanssa. Parhaan mahdollisen ulostulon saavuttamiseksi tekijöiden on ymmärrettävä, miten ne oppivat, laskennallisesti toimivat, prosessoivat ja tallentavat dataa.

Datamäärä, kuten jo ilmeistä, tulee olemaan valtava ja massiivinen.

Väliaikaisessa vaiheessa OI-tutkimus auttaa myös parantamaan ymmärrystämme siitä, miten aivot ja niiden syvä ja monimutkainen neurologinen verkosto toimivat. Tämä ymmärrys auttaa hoitamaan paremmin potilaita, jotka kärsivät neurologisista sairauksista.

Lopuksi, ihmisen aivojen kyvykkyyden toistaminen laboratoriossa voisi olla saavutus, jolla on valtavat seuraukset. Mahdollisuus väärinkäyttöön on merkittävästi suuri. Siksi tieteellisen yhteisön on varmistettava, että OI:n tutkimus ja kehitys pysyvät alusta alkaen herkkinä yhteiskuntamme eettisille järjestelmille. Eettisen kehyksen tulisi olla vähintään yhtä määrittelevä paradigma OI:n menestymiselle tulevaisuudessa.

Klikkaa tästä saadaksesi listan lupaavimmista biotekniikkosijoituksista.