Warum das für die zukünftige Humangenetikforschung von entscheidender Bedeutung ist

Woran erkennt man, ob eine Fruchtfliege hungrig ist? Fragen Sie einen Computer.

Auch wenn das wie ein schlechter Vaterwitz klingt, ist es an der Tulane University Realität, wo Forscher ein neues KI-Tool entwickelt haben, das Ihnen sagen kann, ob eine Fruchtfliege hungrig, schläfrig oder singend ist (ja, Fruchtfliegen singen).

Das System mit dem Namen MAFDA (für Novel Machine-learning-based Automatic Fly-behavioral Detection and Annotation) nutzt Kameras und eine neu entwickelte Software, um komplexe interaktive Verhaltensweisen einzelner Fliegen innerhalb einer größeren Gruppe zu verfolgen und zu identifizieren. Dadurch können Forscher das Verhalten von Fruchtfliegen mit unterschiedlichem genetischen Hintergrund vergleichen und gegenüberstellen.

Seit mehr als einem Jahrhundert nutzen Wissenschaftler das einfache Genom und die kurze Lebensdauer von Fruchtfliegen, um Geheimnisse der Vererbung und Immunität beim Menschen zu entschlüsseln, wobei Studien an Drosophila melanogaster sechs Nobelpreise einheimsen. Fruchtfliegen und Menschen haben 60 % der gleichen DNA.

Frühere Algorithmen waren bei der Verfolgung einzelner Fliegen innerhalb einer Gruppe weniger genau, aber das MAFDA-System erleichtert die Untersuchung der winzigen Insekten.

„Fruchtfliegen sind wie Pioniere bei der Entdeckung neuer Dinge, von der Chromosomentheorie der Vererbung bis zur angeborenen Immunität“, sagte der korrespondierende Autor Wu-Min Deng, Ph.D., Professor für Biochemie und Molekularbiologie und Gerald & Flora Jo Mansfield Piltz-Stiftungsprofessor für Krebsforschung an der Tulane School of Medicine. „Das Verhalten der Fliegen quantifizieren zu können, ist wirklich ein Fortschritt in der Verhaltensforschung.“

Wenkan Liu, ein Doktorand der School of Medicine, der das MAFDA-System entwickelt hat, sagte, die Bedeutung der Plattform sei „unbestreitbar“.

„Es beschleunigt die Forschung, minimiert menschliches Versagen und liefert detaillierte Einblicke in die Verhaltensgenetik“, sagte Liu. „Dieses Tool ist möglicherweise von entscheidender Bedeutung, da es die Reproduzierbarkeit verbessert und den Weg für neue Erkundungen in der groß angelegten Verhaltensanalyse ebnet.“

MAFDA wurde im Rahmen einer kürzlich durchgeführten Studie entwickelt, in der festgestellt wurde, dass das Gen, das Fliegen dazu bringt, Pheromone wahrzunehmen, dasselbe Gen ist, das die Pheromonproduktion steuert. Diese Ergebnisse, veröffentlicht in Wissenschaftliche Fortschrittestellen die Status-quo-Ansicht in Frage, dass separate Gene die Produktion und Wahrnehmung von Pheromonen steuern und breite Anwendungsmöglichkeiten in den Bereichen menschliche Verhaltensentwicklung, Stoffwechsel und Geschlechtsdimorphismus haben.

Die Forscher hoffen, dass MAFDA künftig in einer Vielzahl von Anwendungen eingesetzt wird. Jie Sun, Hauptautor und Postdoktorand an der Tulane School of Medicine, sagte, dass MAFDA schließlich zur Untersuchung anderer Insekten sowie von Mäusen und Fischen eingesetzt werden könnte und dass das System möglicherweise bei der Untersuchung von Arzneimittelwirkungen nützlich sei.

„Je mehr Informationen wir der Maschine geben, desto besser kann sie verschiedene Verhaltensweisen von der Balz bis zur Nahrungsaufnahme usw. korrekt identifizieren“, sagte Sun. „Das ist ein sehr wichtiges und sinnvolles Werkzeug.“

MAFDA wird bereits bei anderen Forschungsprojekten in Tulane eingesetzt, und Forscher arbeiten daran, das System so zu verpacken, dass es von mehr Wissenschaftlern sowohl in Tulane als auch auf der ganzen Welt genutzt werden kann.

„Das ist das Ziel“, sagte Deng. „Die ursprüngliche Idee bestand darin, den Gesundheitszustand von Fliegen ermitteln zu können. Das ist im Moment vielleicht zu viel verlangt, aber wir hoffen, dass dies von der Community breiter genutzt wird und wir hoffen, dass wir in Zukunft darauf eingehen können.“ Richtung.“

Mehr Informationen:
Jie Sun et al., Integration von Lipidstoffwechsel, Pheromonproduktion und Wahrnehmung durch Fruitless und Hepatozyten-Kernfaktor 4, Wissenschaftliche Fortschritte (2023). DOI: 10.1126/sciadv.adf6254. www.science.org/doi/10.1126/sciadv.adf6254

Bereitgestellt von der Tulane University

ph-tech