A Closed-Loop Robot Scientist for Autonomous Biological Discovery
Cet article présente MOMbot, un robot scientifique autonome qui intègre des interventions physiques multimodales à l'apprentissage actif et à l'imagerie haute résolution pour explorer efficacement de vastes espaces de paramètres biologiques et découvrir des relations entrées-sorties complexes à travers divers systèmes biologiques.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA d'un preprint qui n'a pas été évalué par des pairs. Ce n'est pas un avis médical. Ne prenez pas de décisions de santé basées sur ce contenu. Lire la clause de non-responsabilité complète
La vie n'est pas une image statique ; c'est une conversation constante entre les cellules et leur environnement. Chaque être vivant, de la cellule unique à l'animal complexe, répond au monde physique qui l'entoure. Les cellules ressentent l'attraction de la gravité, la poussée des flux de fluides, la chaleur du soleil et l'étincelle de l'électricité. Les scientifiques savent depuis longtemps que ces signaux physiques sont tout aussi importants que les signaux chimiques pour dire à une cellule quoi faire, comme quand se diviser, quand se déplacer ou comment se façonner en un tissu spécifique. Pourtant, malgré tout ce que nous savons de ces signaux, explorer comment ils fonctionnent ensemble a été un processus lent et manuel. Les chercheurs ont traditionnellement dû mettre en place des expériences à la main, en changeant une variable à la fois, comme en ajustant la température ou en ajoutant une goutte de produit chimique, puis en attendant de voir ce qui se passait. Cette méthode est trop lente pour cartographier le vaste paysage de possibilités, où des dizaines de forces physiques différentes pourraient être mélangées et combinées de multiples façons pour influencer la vie.
Pour résoudre ce problème, une équipe de chercheurs a construit un nouveau type d'assistant de laboratoire : un robot scientifique capable non seulement de réaliser des expériences, mais aussi de décider de celles qu'il doit mener ensuite. Cette machine, appelée MOMbot, est conçue pour explorer comment les forces physiques façonnent les systèmes vivants. Elle est installée dans un laboratoire et possède cinq postes de travail distincts, chacun capable de contenir deux petites coupelles contenant du matériel biologique vivant. À l'intérieur de ces coupelles, le robot peut introduire quatre types différents de changements physiques : il peut administrer des quantités précises de produits chimiques, appliquer des vibrations douces, créer des champs électriques ou modifier la température. Crucialement, le robot est couplé à un système d'intelligence artificielle qui observe les cellules vivantes via des caméras haute résolution. Pendant que le robot mène les expériences, l'IA analyse les résultats en temps réel et utilise ces informations pour choisir la toute prochaine expérience. Au lieu qu'un humain devine ce qu'il faut essayer ensuite, le robot apprend de ses propres erreurs et de ses succès, concentrant ses efforts sur les zones où il en sait le moins, là où les découvertes les plus intéressantes sont susceptibles de se cacher.
Les chercheurs ont testé ce système sur trois types très différents de matière vivante pour prouver qu'il pouvait gérer une large gamme d'échelles biologiques. D'abord, ils ont travaillé avec des cellules libres prélevées sur l'embryon de grenouille. Dans une coupelle normale, ces cellules flotteraient simplement de manière isolée. Mais lorsque le robot a appliqué un motif de vibration spécifique, les cellules ont été poussées les unes vers les autres pour former des amas serrés. Au cours de quelques jours, ces amas se sont naturellement organisés en minuscules organes fonctionnels capables de se déplacer seuls, dotés de structures ressemblant à des poils qui battent à l'unisson. Cela a démontré que le robot pouvait non seulement déplacer les cellules, mais aussi les guider pour construire des tissus complexes et fonctionnels à partir de rien, sans intervention humaine.
Ensuite, l'équipe a testé la capacité du robot à contrôler les environnements chimiques et la température. Ils ont placé de minuscules organoïdes mobiles dans les coupelles et ont introduit un produit chimique appelé peroxyde d'hydrogène. Le robot a administré différentes quantités de ce produit et a observé la réaction des organoïdes. À faible dose, les organoïdes bougeaient plus vite, mais à forte dose, ils ralentissaient et s'arrêtaient. Le robot a également testé comment la température affecte la croissance de embryons de grenouilles entiers. En réglant différents postes à différentes températures, allant du froid au chaud, le robot a observé que les embryons dans l'eau plus chaude se développaient environ trois fois plus vite que ceux dans l'eau plus fraîche, correspondant exactement à ce que les scientifiques attendaient. Ces tests ont confirmé que le robot pouvait contrôler avec précision l'environnement physique et mesurer la réponse biologique.
La partie la plus significative de l'étude, cependant, était la capacité du robot à apprendre de lui-même. Les chercheurs voulaient voir si l'IA pouvait comprendre la relation exacte entre une décharge électrique et le comportement d'un organoïde en mouvement. Ils savaient qu'une décharge courte pourrait ne rien faire, tandis qu'une décharge très longue arrêterait l'organoïde définitivement, mais ils ne connaissaient pas le point exact où le comportement changeait. Un humain aurait pu devoir mener des centaines de tests aléatoires pour trouver ce point de bascule. Le robot, guidé par son IA, a fait quelque chose de plus intelligent. Il a commencé par tester quelques durées aléatoires, puis a utilisé les résultats pour deviner où l'« incertitude » était la plus élevée. Il a réalisé que l'information la plus précieuse proviendrait de tests sur des durées situées juste autour du point où les organoïdes commençaient à cesser de bouger. L'IA a concentré ses expériences dans cette zone spécifique d'incertitude, ignorant les zones où le résultat était déjà évident. Finalement, le robot a trouvé la durée critique qui immobilisait la moitié des organoïdes bien plus efficacement que s'il s'était contenté de choisir des moments de test au hasard.
Ce travail montre qu'un robot scientifique peut réussir à boucler la boucle entre la réalisation d'une expérience et l'apprentissage de ses résultats. Le système a prouvé qu'il pouvait manipuler divers matériaux biologiques, des cellules uniques aux embryons entiers, et appliquer simultanément plusieurs types de stimuli physiques. En laissant l'IA décider des expériences à mener, l'équipe a pu cartographier une réponse biologique complexe avec beaucoup moins d'essais que ne l'exigeraient les méthodes traditionnelles. L'étude ne prétend pas avoir résolu tous les mystères de la biologie, mais elle établit un nouvel outil puissant. Elle suggère que l'avenir de la découverte biologique pourrait résider dans des machines capables de tester inlassablement des hypothèses physiques, apprenant de chaque résultat pour guider l'étape suivante, permettant ainsi aux scientifiques d'explorer les règles cachées de la vie avec une rapidité et une profondeur auparavant impossibles.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.