Um grupo de cientistas da Universidade da Califórnia em Santa Cruz (UCSC) desenvolveu um dispositivo bioeletrônico promissor. Com a ajuda da eletrônica e graças ao feedback baseado no aprendizado de máquina, os cientistas foram capazes de definir e manter uma certa tensão de membrana em células-tronco humanas por horas. Esta invenção permitirá que o crescimento e a especialização de células-tronco sejam gerenciados, levando a avanços na medicina regenerativa.
Matriz de bomba de prótons para controle de tensão do diafragma (UCSC)
Uma célula humana viva é um sistema autorregulável estável e não pode ser de outra forma. E ela está em sua própria mente, mesmo se ela estiver doente. Portanto, alterar a homeostase da célula parece ser uma tarefa difícil que os cientistas ainda conseguiram resolver. Isso foi ajudado pela eletrônica controlada por algoritmos de aprendizado de máquina, que mantinham o equilíbrio de íons estabelecido pelos cientistas nas imediações de células-tronco humanas cultivadas.
Vamos explicar que a tensão da membrana é formada como uma diferença potencial entre o ambiente interno de uma célula viva e seu ambiente imediato. Essa diferença de potencial – definida com bastante rigor para diferentes tipos de células – é mantida por proteínas na membrana celular. Para isso, as proteínas criam canais iônicos na membrana, o que leva ao restabelecimento do equilíbrio (voltagem) em caso de violação da concentração de íons dentro ou fora da célula. Uma tentativa de alterar a concentração de íons (e a tensão da membrana) causa uma reação reversa da célula e é anulada. De qualquer forma, não será possível manter a tensão exata da membrana celular por muito tempo.
Os cientistas resolveram o problema da seguinte maneira. Eles criaram um sistema de bombas de prótons ao redor da colônia de células-tronco, com a ajuda do qual adicionaram ou removeram íons de hidrogênio da solução nas imediações das células-tronco cultivadas. Este sistema foi conduzido por um algoritmo de ML de autoaprendizagem. Além disso, o sistema não passou por treinamento preliminar em modelos, mas aprendeu na hora, pois monitorou o comportamento das células e avaliou a concentração da solução. O sistema monitorou a tensão da membrana visualmente, para o qual os cientistas modificaram a proteína da membrana para que ficasse fluorescente dependendo da magnitude da tensão da membrana. Assim, o algoritmo recebeu um sistema de feedback e pôde avaliar sua influência no potencial de membrana.
No decorrer do experimento, os cientistas foram capazes de manter um determinado nível de tensão da membrana em células vivas por dez horas. Para o trabalho com células-tronco, essa é uma conquista fundamental, embora no conjunto de experiências os pesquisadores não tenham procurado atingir a diferenciação celular. Mas eles mostraram que o processo de escolha da especialização em células-tronco pode ser controlado. O projeto, aliás, é financiado pelos militares americanos. No entanto, a regeneração controlada de tecidos é algo que será benéfico para todas as pessoas na Terra.