Pour que nos cellules prolifèrent, se différencient ou migrent, le noyau a besoin de l’aide de son cytosquelette, l’échafaudage entourant le noyau qui donne aux cellules une forme et une structure solide. La perturbation de ce couplage fort, telle que la dislocation du noyau de son cytosquelette, est généralement un symptôme de maladie dans le corps.
Cependant, cette relation entre le placement du noyau et l’organisation du cytosquelette n’a jamais été démontrée auparavant en raison de la difficulté à pouvoir définir mathématiquement la conception complexe du cytosquelette.
En utilisant des méthodes scientifiques conventionnelles, un scientifique devrait d’abord déterminer les paramètres nécessaires pour définir et mesurer le système étudié. Cette interprétation humaine de la réalité permet de mesurer des systèmes simples à l’aide de paramètres bien connus tels que la taille, la vitesse et la distance. Cependant, pour de nombreux systèmes complexes, comme le maillage de fibres formant le cytosquelette, définir les paramètres importants devient une tâche impossible.
Interpréter des systèmes aussi complexes est difficile car nous devons les intégrer dans notre interprétation de la réalité et de ses mesurables prédéfinis. Avec les milliers de fibres ressemblant à des spaghettis entremêlées, il serait humainement impossible de dire où l’une commence et l’autre se termine, et encore moins de déterminer les paramètres de l’étude. »
Assoc Prof Fernandez, chercheur principal, SUTD
Les chercheurs ont alors décidé de démêler le problème d’un point de vue complètement nouveau, en déplaçant leur attention du système vers l’observateur.
Assoc Prof Javier G. Fernandez et Ph.D. La candidate Jyothsna Vasudevan de l’Université de technologie et de design de Singapour (SUTD) a collaboré avec l’Université nationale de Singapour et l’Université technologique de Nanyang et a démontré avec succès la corrélation entre l’organisation du cytosquelette et la position nucléaire en se tournant vers l’intelligence artificielle. Leur étude, « Des données qualitatives à la corrélation à l’aide de réseaux génératifs profonds : démonstration de la relation entre la position nucléaire et l’arrangement des filaments d’actine » a été publiée dans PLO.
Pour s’assurer que les paramètres de l’étude ne seraient pas limités par la conceptualisation humaine, ils ont développé un algorithme génératif unique pour interpréter le cytosquelette des cellules eucaryotes à l’aide de données qualitatives, sans dire au système ce qu’il observait et comment le mesurer.
« Nous avons séparé les informations relatives au noyau et aux fibres dans des bases de données d’images indépendantes, en nous assurant qu’il n’y avait aucune information sur le noyau trouvée dans les images des fibres, afin que le système ne puisse pas tricher. Ensuite, nous avons formé le système pour trouver la localisation du noyau en utilisant uniquement les informations spécifiques aux fibres.Pour ce faire, le système devait prendre les données qualitatives et déterminer par lui-même s’il existait une relation entre l’organisation des fibres et la position du noyau Cela a forcé le programme à trouver les paramètres définissant le système, sans interprétation humaine ni concepts prédéfinis », a ajouté le professeur Assoc Fernandez.
L’algorithme a pu prédire avec succès la présence et l’emplacement des noyaux dans plus de 8 000 cellules, près de la moitié de ces prédictions entraînant un écart de moins de 1 μm par rapport à leur position exacte. Cela a démontré, avec une signification étonnante, l’hypothèse d’une relation déterministe entre les arrangements des filaments d’actine et la position du noyau, l’une des relations les plus fondamentales de la biologie cellulaire. Assoc Prof Fernandez estime que cela a également abouti à un résultat épistémologique.
« Cette étude a transformé la façon dont nous pensons adapter nos méthodes de recherche scientifique pour permettre à l’apprentissage automatique d’être utilisé non seulement comme un outil pour analyser les données, mais aussi pour interpréter la réalité. Pour les systèmes intrinsèquement complexes en biologie, cela accélérera sans aucun doute la prochaine révolution technologique – la « biologisation » de la technologie. Cela permettra de démêler et de dominer véritablement les complexités et les subtilités des systèmes biologiques à l’aide de l’apprentissage automatique », a ajouté le professeur associé Fernandez.
