KI SpotlightNewsUC San Diego: KI und digitaler Zwilling für Mitochondrien-Dynamik
Virtuelle Zellen aus 4D-Mikroskopie beschleunigen die Wirkstoffforschung.
Mit KI erstellt◆ Fakten auf einen Blick
- Forschende der UC San Diego haben zwei digitale Modelle entwickelt: ein Deep-Learning-KI-Modell namens MitoSpace und einen physikbasierten digitalen Zwilling.
- Beide Ansätze nutzen 4D-Gitter-Lichtblattmikroskopie, um mitochondriale Strukturen in drei Raumdimensionen über die Zeit zu erfassen.
- MitoSpace wurde auf 40.000 4D-Filmen von medikamentenbehandelten Zellen trainiert.
- Die Trainingsdaten umfassen 25 verschiedene mitochondrial wirkende Verbindungen.
- Das KI-Modell erreichte eine Genauigkeit von 75% bei der Unterscheidung von Behandlungsprotokollen, verglichen mit 56% bei herkömmlichen 2D-Screens.
- Das KI-Modell kann den energetischen Zustand von Zellen allein anhand der mitochondrialen Dynamik vorhersagen.
Forschende der UC San Diego haben zwei Modelle zur Simulation mitochondrialer Netzwerke entwickelt, die auf 4D-Gitter-Lichtblattmikroskopie basieren. Das KI-Modell MitoSpace wurde mit 40.000 4D-Filmen von 25 Verbindungen trainiert; die Deep-Learning-Architektur analysierte Form und Bewegung unabhängig und ohne manuelle Annotation. Es erreicht 75 Prozent Genauigkeit bei der Unterscheidung von Behandlungsprotokollen (vs. 56 Prozent bei 2D-Screens), weil 4D-Daten dynamische Veränderungen erfassen, die in statischen Bildern unsichtbar bleiben. Der digitale Zwilling nutzt partikelbasierte Reaktions-Diffusions-Simulationen in ReaDDy und integriert Mitochondrien, Mikrotubuli, Motorproteine, Plasmamembran und Zellkern, um Fusion, Spaltung und aktiven Transport zu modellieren. Da das Modell aus realen 4D-Mikroskopiedaten konstruiert ist und feste physikalische Regeln verwendet, reproduziert es experimentelle Trends unter Kontroll- und zwei Mikrotubuli-Perturbationsbedingungen ohne Reparametrisierung und sagt stressinduzierte perinukleäre Clusterbildung voraus.
