uwaga - brak zdjęć - zdjęcia w oryginalnym artykule
przedruk
tłumaczenie automatyczne
Skalowalny potok do projektowania rekonfigurowalnych organizmów
Zobacz profil ORCIDSam Kriegman , Douglas Blackiston , Michael Levin i Josh Bongard
Zobacz wszystkich autorów i afiliacje
PNAS 28 stycznia 2020 r. 117 (4) 1853-1859; po raz pierwszy opublikowano 13 stycznia 2020 r.; https://doi.org/10.1073/pnas.1910837117
Znaczenie
Większość technologii jest wykonana ze stali, betonu, chemikaliów i tworzyw sztucznych, które z czasem ulegają degradacji i mogą powodować szkodliwe skutki uboczne dla środowiska i zdrowia. Przydałoby się zatem budowanie technologii z samoodnawialnych i biokompatybilnych materiałów, z których idealnymi kandydatami są same żywe systemy. Dlatego przedstawiamy tutaj metodę, która projektuje całkowicie biologiczne maszyny od podstaw: komputery automatycznie projektują nowe maszyny w symulacji, a najlepsze projekty są następnie budowane przez połączenie różnych tkanek biologicznych. Sugeruje to, że inni mogą wykorzystać to podejście do projektowania różnych żywych maszyn, aby bezpiecznie dostarczać leki do ludzkiego ciała, pomagać w rekultywacji środowiska lub dalej poszerzać naszą wiedzę na temat różnych form i funkcji, jakie może przyjmować życie.
Abstrakcyjny
Żywe systemy są bardziej solidne, różnorodne, złożone i wspierają ludzkie życie niż jakakolwiek dotychczas stworzona technologia. Jednak nasza zdolność do tworzenia nowych form życia jest obecnie ograniczona do różnych istniejących organizmów lub bioinżynierii organoidów in vitro. Tutaj pokazujemy skalowalny potok do tworzenia funkcjonalnych nowych form życia: metody sztucznej inteligencji automatycznie projektują różne kandydujące formy życia in silico, aby wykonać jakąś pożądaną funkcję, a następnie tworzone są projekty, które można przenieść za pomocą zestawu narzędzi konstrukcyjnych opartych na komórkach, aby zrealizować żywe systemy z przewidywanymi zachowaniami. Chociaż niektóre etapy tego procesu nadal wymagają ręcznej interwencji, pełna automatyzacja w przyszłości utoruje drogę do projektowania i wdrażania unikalnych, dostosowanych do potrzeb systemów mieszkalnych dla szerokiego zakresu funkcji.
Większość nowoczesnych technologii jest konstruowana z materiałów syntetycznych, a nie żywych, ponieważ te pierwsze okazały się łatwiejsze do zaprojektowania, wyprodukowania i utrzymania; żywe systemy wykazują solidność struktury i funkcji, a zatem mają tendencję do opierania się przyjmowaniu nowych narzuconych im zachowań. Gdyby jednak żywe systemy mogły być stale i szybko projektowane ab initio i wdrażane do pełnienia nowych funkcji, ich wrodzona zdolność do opierania się entropii mogłaby znacznie przekroczyć użyteczne czasy życia naszych najsilniejszych, ale statycznych technologii. Jako przykłady tej odporności, rozwój i regeneracja embrionów ujawniają niezwykłą plastyczność, umożliwiając komórkom lub całemu układowi narządów samoorganizację funkcji adaptacyjnych pomimo drastycznej deformacji ( 1 , 2). Wykorzystywanie zdolności obliczeniowej komórek do funkcjonowania w nowych konfiguracjach sugeruje możliwość stworzenia syntetycznej morfologii, która pozwala uzyskać złożone, nowatorskie anatomii dzięki korzyściom zarówno pojawiania się, jak i kierowanego samoorganizacji ( 3 ).
Obecnie istnieje kilka metod projektowania i budowy systemów mieszkaniowych na zamówienie. Organizmy jednokomórkowe zostały zmodyfikowane przez zrefaktoryzowane genomy, ale takie metody nie są jeszcze skalowalne do racjonalnej kontroli wielokomórkowego kształtu lub zachowania ( 4 ). Syntetyczne organoidy można wytworzyć przez wystawienie komórek na specyficzne warunki hodowli, ale nad ich strukturą (a zatem funkcją) dostępna jest bardzo ograniczona kontrola, ponieważ wynik jest w dużej mierze wyłaniający się, a nie pod kontrolą eksperymentatora ( 5 ). I odwrotnie, wysiłki bioinżynieryjne z rusztowaniami 3D zapewniają lepszą kontrolę ( 6 ⇓ - 8), ale niemożność przewidzenia behawioralnych skutków arbitralnej konstrukcji biologicznej ograniczyła montaż do maszyn biologicznych, które przypominają istniejące organizmy, zamiast odkrywania nowych form za pomocą automatycznego projektowania.
Tymczasem postęp w wyszukiwaniu obliczeniowym i drukowaniu 3D zaowocował skalowalnymi metodami projektowania i szkolenia maszyn in silico ( 9 , 10 ), a następnie wytwarzania ich fizycznych egzemplarzy ( 11 ⇓ – 13 ). Większość z tych podejść wykorzystuje ewolucyjną metodę wyszukiwania ( 14), która, w przeciwieństwie do metod uczenia, umożliwia zaprojektowanie fizycznej struktury maszyny wraz z jej zachowaniem. Te ewolucyjne metody projektowania nieustannie generują różnorodne rozwiązania danego problemu, co okazuje się przydatne, ponieważ niektóre projekty mogą być fizycznie lepsze niż inne. Co więcej, są one niezależne od rodzaju projektowanego artefaktu i funkcji, jaką powinien zapewniać: ten sam algorytm ewolucyjny można przekonfigurować w celu projektowania leków ( 15 ), maszyn autonomicznych ( 11 , 13 ), metamateriałów ( 16 ) lub architektury ( 17). ).
W tym miejscu demonstrujemy skalowalne podejście do projektowania żywych systemów in silico przy użyciu algorytmu ewolucyjnego i pokazujemy, jak wyewoluowane projekty można szybko wytwarzać przy użyciu zestawu narzędzi do budowy opartej na komórkach. Podejście jest zorganizowane w postaci liniowego potoku, który przyjmuje jako dane wejściowe opis biologicznych elementów budulcowych, które mają być użyte, oraz pożądane zachowanie, jakie powinien wykazywać wytwarzany system ( rys. 1 ). Rurociąg nieprzerwanie wytwarza wydajne żywe systemy, które ucieleśniają to zachowanie na różne sposoby. Powstałe w ten sposób żywe systemy to nowe agregaty komórek, które pełnią nowe funkcje: powyżej poziomu komórkowego w niewielkim stopniu przypominają istniejące organy lub organizmy.
Wyniki
Rurociąg jest zorganizowany jako sekwencja generatorów i filtrów ( załącznik SI , rys. S1 ). Pierwszy generator to algorytm ewolucyjny, który odkrywa różne sposoby łączenia ze sobą biologicznych elementów budulcowych w celu realizacji pożądanego zachowania. Najpierw tworzona jest populacja losowych projektów. Następnie każdy projekt jest symulowany w środowisku wirtualnym opartym na fizyce i automatycznie przypisywany jest wynik wydajności. Mniej wydajne projekty są usuwane i zastępowane losowo modyfikowanymi kopiami bardziej wydajnych projektów. Powtarzanie tego procesu daje populacje wydajnych i różnorodnych projektów ( ryc. 2 ).
Ponieważ prawdopodobnie istnieje wiele różnic między symulowanymi i docelowymi środowiskami fizycznymi, wydajne projekty są przepuszczane przez filtr odporności, który pozwala na przejście tylko projektów, które utrzymują pożądane zachowanie w obliczu hałasu ( Załącznik SI , sekcja S7 ). Poprzednie prace wykazały, że odporność na hałas w symulacji jest prostym i skutecznym predyktorem tego, czy projekt zachowa swoje zachowanie po fizycznym wystąpieniu ( 18 ).
Przetrwałe konstrukcje odporne na hałas są następnie przepuszczane przez filtr budowy ( załącznik SI , ryc. S4 ), który usuwa projekty, które nie są odpowiednie dla obecnej metody budowania ( załącznik SI , ryc. S6 ) lub są mało prawdopodobne, aby można je było skalować do bardziej złożonych zadań w przyszłe wdrożenia. Wytwarzalność projektu zależy od minimalnej wielkości wklęsłości, która utrzyma się w skupiskach rozwijających się komórek macierzystych, które mają tendencję do zamykania małych luk w ich wspólnej geometrii ( dodatku SI , ryc. S7 ). Skalowalność projektu zależy od jego proporcji w tkance biernej, która zapewnia przestrzeń dla przyszłych układów narządów lub ładunków ( załącznik SI , ryc. S13 ).
Projekty, które z powodzeniem przechodzą przez filtr budujący, są następnie budowane z żywych tkanek. Pluripotencjalne komórki macierzyste są najpierw zbierane z zarodków Xenopus laevis w stadium blastuli , dysocjowane i łączone w celu uzyskania pożądanej liczby komórek. Po okresie inkubacji zagregowana tkanka jest następnie ręcznie kształtowana przez odejmowanie za pomocą kombinacji szczypiec mikrochirurgicznych i 13-μm elektrody kauteryzacyjnej z końcówką drucianą, co daje biologiczne przybliżenie symulowanego projektu. Co więcej, tkanka kurczliwa może zostać włożona do organizmu poprzez pobranie i osadzanie Xenopussercowe komórki progenitorowe, typ komórek pochodzenia embrionalnego, który naturalnie rozwija się w kardiomiocyty (mięsień sercowy) i wytwarza fale skurczowe w określonych miejscach w powstałej formie ukształtowanej ( SI Dodatek , Ryc. S6 ).
Ostatecznym produktem tej procedury jest żywe, trójwymiarowe przybliżenie rozwiniętego projektu, który posiada zdolność do samodzielnego poruszania się i eksplorowania środowiska wodnego przez okres dni lub tygodni bez dodatkowych składników odżywczych. Organizmy te są następnie umieszczane w ich środowisku fizycznym, a wynikowe zachowanie, jeśli w ogóle, jest obserwowane ( ryc. 3 ). Zachowania są następnie porównywane z tymi przewidywanymi przez ich symulowane odpowiedniki w celu określenia, czy lub jak dobrze zachowania przeszły z silico do vivo ( Fig. 4 ).
Po rozmieszczeniu i zaobserwowaniu kilku organizmów jest prawdopodobne, że wykazują one różne ilości pożądanego zachowania. Powszechne wzorce wśród udanych systemów są sprowadzane do ograniczeń i dostarczane z powrotem do algorytmu ewolucyjnego, który obecnie rozwija projekty, które są nie tylko wydajne, ale także zgodne z ograniczeniami ( Załącznik SI , sekcja S6 ). Zwiększa to prawdopodobieństwo powodzenia kolejnych prób od projektu do wdrożenia.
Organizmy rekonfigurowalne wyewoluowały tak, aby wykazywały cztery różne zachowania: lokomocję, manipulację obiektami, transport obiektów i zachowanie zbiorowe ( Dodatek SI , sekcja S10 ). Aby to osiągnąć, rurociąg został wykorzystany czterokrotnie.
Lokomocja.
Aby uzyskać zróżnicowaną populację projektów, przeprowadzono 100 niezależnych prób algorytmu ewolucyjnego ( ryc. 2 A – C ), z których każde rozpoczynało się od innego zestawu początkowych losowych projektów. Podczas każdej próby projekty były wybierane na podstawie przemieszczenia netto uzyskanego w okresie 10 s (z randomizowanym, modulowanym fazowo skurczem, cyklem z częstotliwością 2 Hz). Zastosowano dodatkowe naciski selekcyjne w celu utrzymania różnorodności poprzez wywoływanie konkurencji w obrębie unikalnych linii genetycznych i pomiędzy nimi w każdej próbie ( 19 ), uzyskując unikalną dynamikę ekologiczną ( dodatku SI , sekcja S5 ). Na koniec każdej próby wyodrębniono najbardziej dopasowane projekty ( ryc. 1 A).) i przeszły przez filtry odporności i budowy ( dodatku SI , ryc. S4 ). Podczas tego procesu filtrowania do produkcji wybierane są nadające się do zbudowania i skalowalne projekty, które zachowują szybką lokomocję podczas losowych perturbacji ( ryc. 3 i dodatek SI , ryc. S6 ).
Rzęski, które wytwarzają lokomocję poprzez fale metachroniczne (generowanie sekwencyjnych i kierunkowych fal propagujących, w przeciwieństwie do zsynchronizowanego bicia), nie były modelowane in silico i były tłumione in vivo poprzez mikrowstrzyknięcie embrionalne mRNA transkrybującego wewnątrzkomórkową domenę Notch (Notch ICD) ( 20). Zatem każde przemieszczenie wynika z kurczliwej tkanki mięśnia sercowego, która naciska na powierzchnię naczynia. Upraszcza to symulację i jej porównanie ze zrealizowanym organizmem. Trajektorie projektów z decylacją są porównywane in silico i in vivo, w dwóch orientacjach (pionowa i odwrócona o 180° wokół płaszczyzny poprzecznej), izolując w ten sposób wpływ zaprojektowanej morfologii na różnicę między zachowaniem przewidywanym a zrealizowanym. W przypadku co najmniej jednego projektu dane sugerują, że pożądane zachowanie zostało pomyślnie przeniesione, gdy było w pozycji pionowej, ale nie w przypadku odwrócenia ( Fig. 4 ). Dokładniej, kierunek ruchu organizmów wyprostowanych był zgodny z projektem in silico w przypadkowych perturbacjach ( P < 0,01; szczegóły w dodatku SI, sekcja S9 ) i odwrócenie projektu znacznie zmniejszyło jego przemieszczenie netto zarówno in silico ( P < 0,001) jak i in vivo ( P < 0,0001). Sugeruje to, że udane przeniesienie nie wynikało z przypadku, ale było spowodowane samym projektem.
Manipulacja obiektami.
Gdy środowisko jest zasypane cząstkami stałymi, ruchliwe projekty spontanicznie agregują obiekty zewnętrzne zarówno in silico ( dodatku SI , ryc. S10 ), jak i in vivo ( ryc. 3 F i dodatek SI , ryc. S11 ). Bardziej precyzyjne manipulowanie obiektami można wybrać dla określonego celu, takiego jak określenie obszarów docelowych, z których należy usunąć szczątki, lub obiektów docelowych do odrzucenia. Ten ostatni cel został wdrożony i prymitywne efektory końcowe wyewoluowały w symulacji ( Załącznik SI , Rys. S12 ).
Transport obiektów.
Niektóre projekty ewoluowały w celu zmniejszenia oporu hydrodynamicznego w wyniku przemieszczenia ( załącznik SI , sekcja S6 ) przez otwór przechodzący przez środek ich płaszczyzny poprzecznej. Ta bardziej złożona topologia została zrealizowana in vivo ( załącznik SI , ryc. S13 ), ale nie była pokryta tkanką kurczliwą. W symulacji tę nową cechę można nazwać woreczkiem do przechowywania i transportu przedmiotów. W kolejnej rundzie ewolucji woreczki zostały wyraźnie włączone jako ograniczenie projektowe i zastosowano nowy cel, jakim było zmaksymalizowanie odległości noszonego przedmiotu. To spowodowało ewolucję transportu obiektów in silico ( dodatku SI , ryc. S13 ).
Zachowanie zbiorowe.
Wiele projektów może być umieszczonych w tym samym środowisku, co skutkuje zbiorowym zachowaniem ( 21 ) ( Załącznik SI , Rys. S10 i S11 ). Kilka takich zachowań przewidywanych in silico zaobserwowano in vivo. Na przykład, dwa projekty często zderzają się, tworząc tymczasowe wiązanie mechaniczne i orbitują wokół siebie przez kilka obrotów przed odłączeniem się wzdłuż trajektorii stycznych ( dodatku SI , rys. S10 ). Zjawisko to jest bardziej wyraźne, gdy rzęski nie są zahamowane na organizmach: osobniki często zaplątują się ze swoimi sąsiadami, często zmieniając partnerów w trakcie obserwacji ( ryc. 3 F i SI dodatek , ryc. S11 ).
Dyskusja
Chociaż symulacja i projektowanie sztywnych struktur i maszyn jest możliwe od pewnego czasu, dopiero niedawno stało się wykonalne obliczeniowo symulowanie połączonego zachowania dowolnych agregatów miękkich komponentów o różnych właściwościach materiałowych i wykonawczych ( 22 ). Jak pokazano tutaj, takie drobnoziarniste symulacje można osadzić w ewolucyjnych metodach wyszukiwania, aby odkryć projekty, które można wykonać w materiałach biologicznych, a nie sztucznych.
Powstałe organizmy ucieleśniały nie tylko strukturę ( załącznik SI , ryc. S8 ) wyewoluowanych projektów in silico, ale także ich zachowanie ( ryc. 4 ), pomimo modelowania koordynacji czasowej kardiomiocytów jako szumu losowego. Jako efekt uboczny presji selekcyjnej dla lokomocji, wyewoluowały morfologie derandomizujące: poprawa ewolucyjna nastąpiła poprzez zmiany w ogólnym kształcie i rozmieszczeniu komórek pasywnych i kurczliwych, aby wspólnie zderandomizować globalny ruch wytworzony przez przypadkowe zadziałanie. W biologii taka odporność na losowy szum jest wszechobecna; jednym z przykładów jest zdolność wielu gatunków do przystosowania się do szerokiego zakresu różnorodności wielkości i liczby komórek jako punktów wyjścia w ich embriogenezie ( 23 ).
Kompetencje behawioralne poszczególnych komórek i skłonność komórek do współpracy w grupach ułatwiają funkcjonalną morfogenezę w nowych okolicznościach. Przedstawione tutaj formy życia, pomimo braku układu nerwowego, podążają za nowymi trajektoriami rozwojowymi i składają się z materiałów pochodzących z różnych tkanek, posiadają jednak te właściwości samoorganizujące się. Właściwości te współdziałają i wspierają zachowanie, które miały wykazywać. Na przykład, chociaż sygnalizacja między kardiomiocytami nie była wymuszona, wyłaniająca się spontaniczna koordynacja między komórkami mięśnia sercowego wytworzyła spójne, dopasowane fazowo skurcze, które wspomagały lokomocję w fizycznie zrealizowanych projektach. Ponadto niektóre projekty, po połączeniu, spontanicznie i zbiorowo agregują szczątki zaśmiecone we wspólnym środowisku (Rys. 3 F i SI Dodatek , Rys. S11 ). Wreszcie, rekonfigurowalne organizmy nie tylko same utrzymują swoją narzuconą zewnętrznie konfigurację, ale także naprawiają się samoistnie w obliczu uszkodzeń, takich jak automatycznie zamykające się rany szarpane (dodatki SI , ryc. S9 ). Takiego spontanicznego zachowania nie można oczekiwać od maszyn zbudowanych z materiałów sztucznych, chyba że zachowanie to zostało wyraźnie wybrane podczas procesu projektowania ( 24 ).
Takie podejście pozwala na przyszłe uogólnienie i automatyzację, ponieważ architektura generatora i filtra umożliwia modułowe dodawanie, usuwanie lub reorganizację elementów w rurociągu w celu szybkiego projektowania i wdrażania nowych żywych systemów do nowych zadań w nowych dziedzinach. Na przykład można dodać filtr, który zapobiegawczo kieruje algorytm ewolucyjny z dala od części przestrzeni projektowej, o których wiadomo, że zawierają projekty, których nie można zrealizować fizycznie ( 25 ). Lub, zainspirowane hierarchiczną organizacją głębokich sieci neuronowych ( 26 ), poszczególne projekty generowane przez jeden generator mogą stać się elementami wejściowymi do następnego generatora, umożliwiając w ten sposób hierarchiczne projektowanie i ponowne wykorzystanie zespołów komórkowych i zespołów.
Poza przedstawionymi tutaj aplikacjami, ogólność tego podejścia jest jeszcze nieznana. Jednak postępy w uczeniu maszynowym, symulacji miękkich ciał i biodrukowaniu prawdopodobnie rozszerzą potencjalne zastosowania, w których można je zastosować w przyszłości. Zastosowania mogą być liczne, biorąc pod uwagę łatwość nieprawidłowej ekspresji nowych białek oraz ścieżek biologii syntetycznej i obwodów obliczeniowych w komórkach Xenopus ( 27 ). Biorąc pod uwagę ich nietoksyczność i samoograniczającą się długość życia, mogą służyć jako nowe narzędzie do inteligentnego dostarczania leków ( 28 ) lub chirurgii wewnętrznej ( 29).). Jeśli są wyposażone do ekspresji obwodów sygnałowych i białek dla funkcji enzymatycznych, czuciowych (receptor) i mechanicznych, mogą wyszukiwać i trawić toksyczne lub odpadowe produkty lub identyfikować interesujące molekuły w środowiskach fizycznie niedostępnych dla robotów. Jeśli są wyposażone w układy rozrodcze (poprzez wykorzystanie endogennych mechanizmów regeneracyjnych, takich jak w przypadku rozszczepienia planarnego), mogą to robić na dużą skalę. W warunkach biomedycznych można sobie wyobrazić takie bioboty (wykonane z własnych komórek pacjenta) usuwające płytkę nazębną ze ścian tętnic, identyfikujące raka lub osiadające w celu różnicowania lub kontrolowania zdarzeń w miejscach choroby. Korzystną cechą bezpieczeństwa takich konstrukcji jest to, że przy braku specyficznej inżynierii metabolicznej mają one naturalnie ograniczoną żywotność.
Te metody, odczynniki i dane poszerzają zakres organizmów modelowych dostępnych do badań poprzez projektowanie żywych systemów, które są jak najbardziej ortogonalne w stosunku do istniejących gatunków, a jednocześnie mogą być zbudowane z istniejących typów komórek. Umożliwiając sterowaną obliczeniowo interakcję między powstającymi i zaprojektowanymi procesami, platforma ta ułatwia badania relacji między genomami (w naszym przypadku X. laevis typu dzikiego ), wynikającym z tego planem ciała i jego zachowaniami w różnych środowiskach. Tak więc organizmy rekonfigurowalne mogłyby służyć jako unikalny system modelowy ułatwiający pracę w ewolucji wielokomórkowości, egzobiologii, sztucznego życia, poznania podstawowego i medycyny regeneracyjnej. Jeśli wyposażone w elektrycznie aktywne komórki i wybrane do funkcji poznawczych lub obliczeniowych ( 30), tak zaprojektowane systemy mogą w podobny sposób poszerzyć nasze rozumienie tego, w jaki sposób inteligencja może być urzeczywistniana zarówno w systemach ożywionych, jak i nieożywionych.
Materiały i metody
Projekt ewolucyjny.
Projekty ( SI Dodatek , sekcja S2 ) ewoluowały wewnątrz silnika fizyki ( SI Dodatek , sekcja S3 ) jako rekonfigurowalne agregacje pasywnych i kurczliwych wokseli ( ryc. 1 ). Przy pierwszym przejściu przez rurociąg, wykorzystując docelowe zachowanie lokomocji, zasymulowaliśmy projekty na lądzie i umożliwiliśmy procesowi ewolucyjnemu precyzyjne dostrojenie ich działania. Doprowadziło to do powstania wysoce wydajnych, ale niezbywalnych projektów ( załącznik SI , ryc. S2 ) z potężnymi, ograniczonymi chodami, których nie można uzyskać in vivo przy użyciu obecnej metody budowania ( załącznik SI , sekcja S8). Chady te charakteryzowały się ramami czasowymi (średnio 47% cyklu chodu), w których żadna część projektu in silico nie stykała się z symulowaną płaszczyzną podłoża. Jednak in vivo organizmy poddane decylacji zawsze utrzymywały część swoich brzusznych powierzchni w kontakcie z powierzchnią naczynia ze względu na ujemną pływalność.
Rozbieżności te zostały skorygowane poprzez dodanie ograniczeń do rurociągu w postaci korekt ustawień środowiskowych i wykonawczych, które zmieniono w następujący sposób. W drugim przejściu wierność symulowanego środowiska została zwiększona poprzez włączenie hydrodynamiki pierwszego rzędu: zmodyfikowane środowisko składało się z nieskończonej płaszczyzny zanurzonej w wodzie, którą aproksymowano zmniejszając współczynnik przyspieszenia grawitacyjnego (zwiększając wyporność) i stosując opór siły do każdej powierzchni woksela na powierzchni projektu ( dodatku SI , sekcja S6 ).
Po drugie, aktywacja była losowa: komórki kurczliwe zostały zrewidowane, aby miały losowe przesunięcia fazowe z centralnego generatora wzorców (fala sinusoidalna o częstotliwości 2 Hz). Dokładniej, każdemu wokselowi o losowo skonfigurowanej konstrukcji (z których jeden był wstrzykiwany do populacji w każdym pokoleniu; Dodatek SI , sekcja S5 ) przypisano losowe przesunięcie fazy, które było utrzymywane na stałym poziomie w jego potomkach (całym kladu). Mutacje przełączały każdy woksel tak, aby był obecny lub nieobecny, a jeśli był obecny, pasywny lub aktywny (skurcz), ale oryginalne przesunięcie fazowe w każdym miejscu w przestrzeni roboczej było zakodowane na sztywno. Zmniejszyło to zależność od precyzyjnego pobudzenia w czasie i sprzyjało odkryciu bardziej wytrzymałych struktur mechanicznych ( SI Dodatek , Rys. S3 ).
Zachowanie projektów wygenerowanych przy drugim przejściu lepiej pasowało do zachowania rzeczywistych systemów żywych: średnio projekty stykały się z płaszczyzną podłoża przez 93,3% okresu ich oceny, w porównaniu do zaledwie 52,7% przy pierwszym przejściu ( załącznik SI , sekcja S6 ).
Filtr odporności.
Projekty o największej wydajności ( ryc. 1 A ) zostały posortowane według ich odporności na losowe zakłócenia w ich uruchamianiu. Przesunięcia fazowe zapisane w genotypie zostały zmutowane przez dodanie liczby, która została wylosowana z rozkładu normalnego ze średnią zerową i SD s = 0,4π (co stanowi 40% zakresu od -π/2 do π/2 ważnego przesunięcia fazowego wartości). Ten hiperparametr został wybrany tak, aby był wystarczająco duży, aby wymieszać oryginalną wartość przesunięcia fazowego, nie będąc na tyle dużym, aby popchnąć wszystkie mutacje w kierunku granic ±π/2. Projekty, które zachowywały najwyższą średnią wydajność w całym tym hałasie aktywacji, były przekazywane, jeden po drugim, zgodnie z ich rankingiem odporności, do filtra kompilacji.
Filtr kompilacji.
Najbardziej wytrzymałe projekty są oceniane na podstawie ich wykonalności zgodnie z obecną metodą budowania, w której sąsiednie obszary tkanki są nakładane sekwencyjnie ( załącznik SI , ryc. S6 ). Minimalną wklęsłość zbadano, wytwarzając organizmy o coraz mniejszych deformacjach kształtu, a następnie określając, które utrzymują się przez cały okres życia organizmu, a które zamykają się z powodu skurczu tkanki, co prowadzi do utraty wklęsłości. Wstępne prace wykazały, że wklęsłości o szerokości 100 µm lub większej (12% całkowitej długości ciała) powodowały stabilne, długoterminowe deformacje odpowiednie do budowy biologicznej ( załącznik SI , ryc. S7 ).
Dodatkowo filtr budowy usuwa projekty, które zawierają więcej niż 50% mięśni, aby zarezerwować wystarczającą przestrzeń projektową na dodanie wyspecjalizowanych komórek do celów innych niż poruszanie się, w tym bodźców czuciowych, metabolizmu, pamięci, bioczujników itp. Ponadto tkanka kurczliwa naraża znacznie wyższy koszt metaboliczny w porównaniu z tkanką niemięśniową (ludzkie serce zużywa ~1 mM ATP na sekundę; ref. 31 ). Tym samym ograniczenie tego typu bibułki zwiększa całkowity czas życia przenoszonych projektów. Najbardziej niezawodne projekty, które spełniają te kryteria wyboru ( załącznik SI , rys. S4 ), są przepuszczane przez filtr budowania do następnego etapu potoku: generatora realizowalności.
Generator wykonalności.
Organizmy rekonfigurowalne zostały stworzone przy użyciu embrionów Xenopus jako tkanki dawcy zgodnie z metodami zatwierdzonymi przez Institutional Animal Care and Use Committee oraz Department of Laboratory Animal Medicine Tufts University pod numerem protokołu M2017-53.
Zapłodnione jaja X. laevis hodowano w 0,1x, pH 7,8, zmodyfikowanym roztworze Ringera Marca (MMR) przy użyciu standardowych protokołów i sklasyfikowano według Nieuwkoopa i Fabera ( 32 , 33 ). Do eksperymentów kształtowania czapeczki zwierzęce zostały ręcznie wycięte w St. 9 za pomocą kleszczyków chirurgicznych (Dumont, 11241–30 #4) i przeniesione do pożywki bez wapnia i magnezu na 5 minut (50,3 mM NaCl, 0,7 mM KCl, 9,2 mM Na 2 HPO 4 , 0,9 mM KH 2 PO 42,4 mM NaHC03, 1,0 mM kwas wersenowy [EDTA], pH 7,3). Zewnętrzną warstwę ektodermy usunięto ręcznie i odrzucono, podczas gdy warstwę wewnętrzną wstrząsano aż do pełnej dysocjacji (komórki są na tym etapie w dużej mierze pluripotencjalne, ale różnicują się w ektodermę bez dalszej interwencji). Materiał z pięciu czapek zwierzęcych połączono i przeniesiono do szalki ze studzienkami zawierającej 0,75x MMR. Po 24 godzinach w 14°C sferyczne reagregaty przeniesiono do czystego 1% naczynia pokrytego agarozą zawierającego 10 ml 0,75 x MMR i 5 µl gentamycyny (ThermoFisher Scientific, 15710072). Czterdzieści osiem godzin po ponownej agregacji tkanki powstała tkanka (obecnie stworzona, aby stać się specyficznymi liniami komórek naskórka, w tym jonocytami, małymi komórkami wydzielniczymi i komórkami kubkowymi), został ukształtowany przy użyciu kombinacji kleszczyków mikrochirurgicznych i instrumentu do mikrokauteryzacji MC-2010 z elektrodami drutowymi 13 μm (Protech International Inc., MC-2010, elektroda kauteryzacyjna z końcówką drutową 13-Y1). Tkankę w razie potrzeby kształtowano przez 3 godziny, aby uzyskać pożądany efekt anatomiczny, po czym przeniesiono ją do czystego 1% naczynia pokrytego agarozą, zawierającego 10 ml 0,75 x MMR i 5 µl gentamycyny i hodowano w temperaturze 14 °C.
W przypadku eksperymentów z ruchem kurczliwym kohortom zarodków Xenopus wstrzyknięto jeden z dwóch syntetycznych mRNA na etapie czterech komórek, stosując standardowe protokoły ( 32 ). mRNA dla fluorescencyjnego znacznika linii tdTomato ( 34 ) i inhibitora komórek wielozębnych Notch ICD ( 20 , 35 )) zsyntetyzowano przy użyciu zestawów do transkrypcji mMESSAGE (ThermoFisher Scientific, AM1340). Wstrzyknięcia przeprowadzono w 3% roztworze Ficoll przy użyciu wyciągniętej kapilary, aby dostarczyć 370 pg mRNA dla każdego transkryptu do wszystkich czterech komórek. td Zarodki, którym wstrzyknięto pomidora były hodowane w 22°C, podczas gdy zarodki, którym wstrzyknięto Notch ICD, hodowano w 14°C. Dwadzieścia cztery godziny po wstrzyknięciu, zarodki w stadium 10, którym wstrzyknięto Notch ICD, przeniesiono na płytkę Petriego pokrytą 1% agarozą zawierającą 0,75 x MMR, a zwierzęce czapki ręcznie nacięto kleszczami chirurgicznymi, jak powyżej. Ponadto, zarodki w stadium 23-24 tdTd, którym wstrzyknięto pomidory, przeniesiono do tej samej szalki, a przypuszczalne pole serca wycinano z zewnętrzną warstwą ektodermy, a następnie usuwano i odrzucano. Przypuszczalną tkankę serca umieszczono następnie między dwoma czapeczkami zwierzęcymi, którym wstrzyknięto Notch ICD, i pozwolono trzem warstwom zagoić się przez 1 godzinę w 22°C. Po wygojeniu tkankę przeniesiono do czystego 1% naczynia pokrytego agarozą zawierającego 10 ml 0,75 x MMR i 5 µl gentamycyny i hodowano w 14 °C. W celu ukształtowania powstałą tkankę wyrzeźbiono jak powyżej przy użyciu kombinacji kleszczyków mikrochirurgicznych i instrumentu do mikrokauteryzacji MC-2010.
Filtr przenoszenia.
Wszystkie próbki obrazowano na żywo w 0,75x MMR w temperaturze 20°C przy użyciu mikroskopu Nikon SMZ-1500 wyposażonego zarówno w oświetlenie górne, jak i podstolikowe. Nieruchome obrazy rejestrowano za pomocą kamery CCD QImaging Retiga 2000R, a filmy rejestrowano za pomocą Sony IMX234 z częstotliwością próbkowania 30 klatek na sekundę. Ścieżki ruchu XY zostały wyodrębnione dla każdego przebiegu przy użyciu oprogramowania Noldus Ethovision 14 i wygładzone przy użyciu jednowymiarowego filtra Gaussa ( SI Dodatek , rozdział S9.1 ). Wskaźnik linii tdTomato zobrazowano przy użyciu standardowej kostki filtrującej z izotiocyjanianu tetrametylorodaminy (TRITC) i fluorescencyjnego źródła światła w celu weryfikacji lokalizacji komórek mięśnia sercowego, a sygnał GFPIII zobrazowano za pomocą standardowej kostki filtrującej z izotiocyjanianu fluoresceiny (FITC) w celu weryfikacji lokalizacji komórek naskórka ( Załącznik SI, sekcja S9.2 ).
Podziękowanie
Badanie to było sponsorowane przez Agencję Zaawansowanych Projektów Badawczych Obrony (DARPA) w ramach umowy o współpracy numer HR0011-18-2-0022, programu Lifelong Learning Machines z DARPA/MTO. Treść informacji niekoniecznie odzwierciedla stanowisko lub politykę rządu i nie należy wnioskować o oficjalnym aprobacie. Zatwierdzony do publicznego udostępnienia; dystrybucja jest nieograniczona. Badania te były również wspierane przez program Allen Discovery Center za pośrednictwem The Paul G. Allen Frontiers Group (12171), a ML z wdzięcznością dziękuje za wsparcie z grantu Emergent Behaviors of Integrated Cellular Systems przez National Science Foundation (Subaward CBET-0939511). Badania te były również wspierane przez Kontinuum Emerging Frontiers in Research and Innovation (EFRI) National Science Foundation, Compliant, oraz program Configurable Soft Robotics Engineering (C3 SoRo) (Subaward EFMA-1830870). Dziękujemy firmie Vermont Advanced Computing Core za dostarczone zasoby obliczeniowe.
Przypisy
↵ 1 S. K. i DB w równym stopniu przyczynili się do tej pracy.
§ 2 Do kogo można kierować korespondencję. E-mail: josh.bongard@uvm.edu .
Wkład autorów: badania projektowe SK, DB, ML i JB; SK i DB przeprowadziły badania; SK i DB przeanalizowały dane; i SK, DB, ML i JB napisali artykuł.
Depozycja danych: Kod źródłowy niezbędny do odtworzenia wyników obliczeń przedstawionych w tym artykule można znaleźć na GitHub ( https://github.com/skriegman/reconfigutable_organisms ).
Ten artykuł zawiera dodatkowe informacje online pod adresem https://www.pnas.org/lookup/suppl/doi:10.1073/pnas.1910837117/-/DCSupplemental .
Bibliografia
DJ Blackiston ,
M. Levin
, Ektopowe oczy poza głową u kijanek Xenopus dostarczają danych sensorycznych do nauki za pośrednictwem światła . J. Eksp. Biol. 216 , 1031 – 1040 ( 2013 ).
Streszczenie / BEZPŁATNY pełny tekstGoogle Scholar
LN Vandenberg ,
DS Adams ,
M. Levin
, Znormalizowany kształt i rozmieszczenie struktur twarzoczaszki zaburzonych Xenopus kijanki ujawniają wrodzoną zdolność do osiągnięcia prawidłowej morfologii . Odw. Dyn. 241 , 863 – 878 ( 2012 ).
CrossRefPubMedGoogle Scholar
RD Kamm i inni
., Perspektywa: Obietnica wielokomórkowych inżynieryjnych systemów życia . APL Bioeng 2 , 040901 ( 2018 ).
CrossRefGoogle Scholar
CA Hutchison III i inni
., Projektowanie i synteza minimalnego genomu bakteryjnego . Nauka 351 , aad6253 ( 2016 ).
Streszczenie / BEZPŁATNY pełny tekstGoogle Scholar
Y. Sasai ,
M. Eiraku ,
H. Suga
, Organogeneza in vitro w trzech wymiarach: Samoorganizujące się komórki macierzyste . Rozwój 139 , 4111 – 4121 ( 2012 ).
Streszczenie / BEZPŁATNY pełny tekstGoogle Scholar
SJ Park i inni
., Fototaktyczne naprowadzanie zmodyfikowanego tkankowo miękkiego-robotycznego promienia . Nauka 353 , 158 – 162 ( 2016 ).
Streszczenie / BEZPŁATNY pełny tekstGoogle Scholar
MD Tang-Schomer i inni
., Bioinżynieryjna funkcjonalna tkanka korowa podobna do mózgu . Proc. Natl. Acad. Nauka. Stany Zjednoczone 111 , 13811 – 13816 ( 2014 ).
Streszczenie / BEZPŁATNY pełny tekstGoogle Scholar
JC Nawroth i inni
., Meduza z inżynierii tkankowej z napędem biomimetycznym . Nat. Biotechnologia. 30 , 792 – 797 ( 2012 ).
CrossRefPubMedGoogle Scholar
K. Sims
, Ewolucja morfologii i zachowania 3D przez konkurencję . Art. Życie 1 , 353 – 372 ( 1994 ).
Google Scholar
N. Cheneya ,
J. Bongarda ,
V. Słoneczna spirala ,
H. Lipson
, Skalowalna kooptymalizacja morfologii i sterowania w maszynach wbudowanych . JR Soc. Interfejs 15 , 20170937 ( 2018 ).
CrossRefPubMedGoogle Scholar
H. Lipsona ,
JB Pollack
, Automatyczne projektowanie i produkcja zrobotyzowanych form życia . Natura 406 , 974 – 978 ( 2000 ).
CrossRefPubMedGoogle Scholar
J. Bongarda ,
W. Żykow ,
H. Lipson
, Odporne maszyny dzięki ciągłemu samomodelowaniu . Nauka 314 , 1118 – 1121 ( 2006 ).
Streszczenie / BEZPŁATNY pełny tekstGoogle Scholar
D. Cellucciego ,
R. MacCurdy ,
H. Lipsona ,
S. Risi
, druk 1D robotów nadających się do recyklingu . Robot IEEE. Autom. Łotysz. 2 , 1964 – 1971 ( 2017 ).
Google Scholar
DJ Munka ,
GA Vio ,
Lekarz rodzinny Steven
, Topologia i metody optymalizacji kształtu z wykorzystaniem algorytmów ewolucyjnych: Przegląd . Struktura. Wielodyscyplinarny. Optymalny. 52 , 613 – 631 ( 2015 ).
Google Scholar
RV Devi ,
SS Sathya ,
MS Coumar
, Algorytmy ewolucyjne do projektowania leków de novo – ankieta . Zał. Soft Computing. 27 , 543 – 552 ( 2015 ).
Google Scholar
MD Huntington ,
LJ Lauhon ,
TW Odom
, Optyka sieciowa o długości subfalowej według ewolucyjnego projektu . Nano Lett. 14 , 7195 – 7200 ( 2014 ).
Google Scholar
CT Mueller ,
JA Ochsendorf
, Połączenie wydajności i markowe preferencje strukturalnych w ewolucji kosmicznej projekt eksploracji . Autom. Konstr. 52 , 70 – 82 ( 2015 ).
Google Scholar
N. Jakobi
, Robotyka ewolucyjna i radykalna hipoteza otoczki hałasu . Przystosować się. Zachowuj. 6 , 325 – 368 ( 1997 ).
CrossRefGoogle Scholar
M. Schmidta ,
H. Lipson
, „Optymalizacja pareto-fitness do wieku” w Genetic Programming Theory and Practice VIII ( Springer , 2011 ), s. 129 – 146 .
Google Scholar
GA Deblandre ,
DA Wettstein ,
N. Koyano-Nakagawę ,
C. Kintner
, Dwuetapowy mechanizm generuje wzór odstępów między komórkami rzęskowymi w skórze zarodków Xenopus . Rozwój 126 , 4715 – 4728 ( 1999 ).
AbstrakcyjnyGoogle Scholar
J. Werfela ,
K. Petersena ,
R. Nagpal
, Projektowanie zachowań zbiorowych w zespole konstruktorów robotów inspirowanych termitami . Nauka 343 , 754 – 758 ( 2014 ).
Streszczenie / BEZPŁATNY pełny tekstGoogle Scholar
J. Hillera ,
H. Lipson
, Dynamiczna symulacja miękkich, multimateriałowych obiektów drukowanych w 3d . Miękki robot. 1 , 88 – 101 ( 2014 ).
Google Scholar
J. Cooke
, Skala ciało dostosowuje wzór do dostępnej liczby komórek w zarodkach płazów . Natura 290 , 775 – 778 ( 1981 ).
CrossRefPubMedGoogle Scholar
S. Kriegmana ,
S. Walkera ,
D. Szach ,
M. Lewina ,
R. Kramer-Bottiglio ,
J. Bongard
, Zautomatyzowana zmiana kształtu w celu przywrócenia funkcji w uszkodzonych robotach . Proc. Obrabować. Nauka. Syst. ( 2019 ).
Google Scholar
S. Koosa ,
JB Mouret ,
S. Doncieux
, Podejście transferowalności: przekraczanie przepaści rzeczywistości w robotyce ewolucyjnej . IEEE Trans. Ewol. Komputer. 17 , 122 – 145 ( 2013 ).
Google Scholar
D. Flota ,
T. Pajdlę ,
B. Schielego ,
T. Tuytelaars
MD Zeiler ,
R. Fergus
, „Wizualizacja i zrozumienie sieci konwolucyjnych ” w Proceedings of the European Conference on Computer Vision , D. Fleet , T. Pajdla , B. Schiele , T. Tuytelaars , wyd. ( Springer , 2014 ), s. 818 – 833 .
Google Scholar
S. Toda ,
LR Blauch ,
Niebo Tang ,
L. Morsut ,
WA Lim
, Programowanie samoorganizujących się struktur wielokomórkowych z syntetyczną sygnalizacją komórka-komórka . Nauka 361 , 156 – 162 ( 2018 ).
Streszczenie / BEZPŁATNY pełny tekstGoogle Scholar
D. Patra i in
., Inteligentne, samozasilające się systemy dostarczania leków . Nanoskala 5 , 1273 – 1283 ( 2013 ).
CrossRefPubMedGoogle Scholar
J. Li ,
B. Esteban- Fernández de Ávila ,
W. Gao ,
L. Zhang ,
J. Wang
, Mikro/nanoroboty dla biomedycyny: dostarczanie, chirurgia, wykrywanie i detoksykacja . Nauka. Obrabować. 2 , eaam6431 ( 2017 ).
Google Scholar
F. Baluškę ,
M. Levin
, O braku głowy: poznanie w systemach biologicznych . Z przodu. Psychol. 7 , 902 ( 2016 ).
PubMedGoogle Scholar
J. Piquereau ,
R. Ventura-Clapier
, Dojrzewanie metabolizmu energetycznego serca w okresie okołoporodowym . Z przodu. Fizjol. 9 , 959 ( 2018 ).
Google Scholar
PD Nieuwkoop ,
J. Fabera
, Normal Table of Xenopus laevis (Daudin) ( North Holland Publishing Co. , Amsterdam , 1956 ).
Google Scholar
HL Sive ,
RM Grainger ,
RM Harland
, Wczesny rozwój Xenopus laevis ( CSHL Press , 2000 ).
Google Scholar
C. Waldnera ,
M. Roose ,
GU Ryffel
, Czerwona fluorescencyjna Xenopus laevis: nowe narzędzie do analizy szczepień . BMC Dev. Biol. 9 , 37 ( 2009 ).
CrossRefPubMedGoogle Scholar
CW Beck ,
JM Slack
, Ścieżka rozwojowa kontrolująca przerost pąka ogonowego Xenopus . Rozwój 126 , 1611 – 1620 ( 1999 ).
AbstrakcyjnyGoogle Scholar
S. Kriegmana ,
D. Blackistona ,
M. Lewina ,
J. Bongard
, Dane z „Skalowalnego potoku do projektowania rekonfigurowalnych organizmów”. GitHub. https://github.com/skriegman/reconfigurable_organisms . Złożone 2 października 2019 r .
Google Scholar
https://www.pnas.org/content/117/4/1853
