IEEEJAS的个人博客分享 http://blog.sciencenet.cn/u/IEEEJAS

博文

基于细胞 — 计算机交互的细胞控制方法

已有 2039 次阅读 2021-4-20 11:12 |系统分类:博客资讯

Wiener 在控制论(Cybernetics) 中强调了两大类控制对象: 机器与动物. 半个世纪以来, 机器控制领域已形成一套较为完备且先进的控制理论, 而在生物控制方面, 由于生物系统的特殊性和复杂性, 对生命的基本组成单位—细胞的控制仍然进展缓慢. 近年来, 随着合成生物学技术的发展, 细胞与计算机之间的实时交互逐渐成为可能, 为将细胞纳入控制闭环带来了前所未有的机遇. 胞机交互的方式能够适应生物系统的特殊性, 发挥计算机控制的优势, 实现细胞的自动化实时控制,具有重要的科学意义。一方面,它能拓宽控制领域范围,启发新的控制理论和思路,推动领域发展;另一方面,它能为人类理解生命提供数据与方法支持,进而为生物制造、新一代农业、重大疾病防治等提供新的可能性,造福于人类的生产生活. 本文归纳与总结了胞机交互中的生物学工具以及控制算法, 分析了细胞控制的特殊性与难点, 指出研究实现细胞智能控制的可行性与重要性.


颜钱明, 张鹏程, 乔榕, 古槿, 汪小我. 基于细胞 — 计算机交互的细胞控制方法. 自动化学报, 2021, 47(3): 489−500

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c190528?viewType=HTML


维纳《控制论》强调了生命与机器在控制规律上的统一性. 大半个世纪以来, 机器控制领域不断有着突破性的进展, 已经逐渐形成一套较为完备且先进的控制理论, 并广泛应用于各种工程项目中. 而在生物控制领域,由于生物系统极强的复杂性和特殊性, 相关研究进展缓慢.


随着合成生物学与系统生物学的不断发展以及相关技术的逐渐成熟, 人们能够利用合成基因线路对细胞内基因表达等生命活动进行干预和调控, 构成人工生物系统.但这种方式存在着许多局限性,需要设计一种简便、高效的细胞调控模式,研究细胞生命活动的动态特性和机制,满足生物工程应用的需求。


近年来, 控制遗传学(Cybergenetics) 概念的提出使科学家们开始关注和探索一种全新的基于细胞—计算机交互(以下简称胞机交互) 的体外细胞控制模式.它类比自动控制领域中由控制器、执行器、被控对象、测量变送器构成的系统结构: 以计算机为控制器,以光源、加药泵等能直接控制细胞内基因网络的工具为执行器, 以细胞内的基因网络为被控对象, 以显微镜、相机等作为测量变送器 (图1).相比于要在细胞内部完成复杂计算、调控功能的基因线路, 通过计算机来完成控制运算可以提升运算速度,并显著减小基因线路规模和设计实现难度.


图1.png

图1  胞机交互系统示意图


胞机交互耦合接口的构建是对活细胞状态进行实时读写的前提。计算机对细胞的状态参数读取通常是将不可测的细胞状态转化为易于观察分析的变量,如荧光成像、细胞影像等,然后利用图像处理技术进行单细胞分割和追踪,提取出细胞的状态参数. 另一方面,随着合成生物学的发展,计算机对细胞的控制信号写入手段也逐渐多样化,化学信号、光信号、电信号、磁信号都能以细胞中导入的人工合成基因线路作为媒介, 对细胞内的分子状态和基因表达进行控制。其中,由于光信号的高时空分辨率、低毒性、快速可逆等特点,它为细胞控制提供了一种精准、有效的途径(图2).


图2.png

图2  光信号的精准性和有效性


通过将控制领域的PID控制、模型预测控制等经典算法迁移到细胞控制中,胞机交互的控制方式在调控细胞的单基因表达、生长速度、简单决策等方面取得了初步成果。但这些研究还基本停留在对个别简单基因的表达控制,尚未充分考虑细胞的特殊性,例如从生物角度,细胞的活性、细胞的运动、增殖如何处理,以及从系统的角度,其中的时滞、随机性、竞争效应等等如何解决,未来仍需要有更具针对性的控制算法解决控制细胞这一特殊复杂系统当中的诸多问题。


虽然基于胞机交互实现的细胞控制尚处于概念验证的尝试阶段, 但正是这些尝试性的细胞控制工作, 为我们解决系统生物学问题、治疗疑难疾病提供了全新的思路与手段, 具有广阔的发展前景. 胞机交互作为计算机科学、控制科学、系统与合成生物学交叉的产物, 将会极大地改变人类对于生物系统的探索方式. 细胞与计算机的结合可以为人类打开细胞与基因网络的大门、深入理解细胞的内部机制、实现细胞的在线智能控制提供新途径, 有望为重大疾病防治、生物制造、新一代农业等做出贡献, 造福于人类的健康生活.



作者简介


颜钱明

清华大学自动化系博士研究生. 2018 年获得清华大学自动化系学士学位. 主要研究方向为生物系统的建模与控制, 细胞与计算机的耦合控制.

E-mail: yanqm18@mails.tsinghua.

edu.cn


张鹏程

清华大学自动化系博士研究生. 2018 年获得北京理工大学生命学院学士学位. 主要研究方向为光遗传学与细胞控制.

E-mail: zhangpc18@mails.

tsinghua.edu.cn


乔  榕

清华大学自动化系硕士研究生. 2018 年获得吉林大学通信工程学院学士学位. 主要研究方向为分子竞争调控网络的计算.

E-mail: qiaor18@mails.tsinghua.

edu.cn


古  槿

清华大学自动化系副教授.2009 年于清华大学自动化系获得工学博士学位.主要研究方向为生物信息学与机器学习.

E-mail: jgu@tsinghua.edu.cn


汪小我

清华大学自动化系长聘教授. 分别于2003 年和2008 年获得清华大学学士和博士学位. 主要研究方向为生物系统的建模与控制, 模式识别与机器学习.本文通信作者.

E-mail: xwwang@tsinghua.edu.cn




https://wap.sciencenet.cn/blog-3291369-1282896.html

上一篇:直播回放及PPT分享!‖跨模态零样本文字识别
下一篇:数字孪生网络(DTN): 概念、架构及关键技术
收藏 IP: 159.226.182.*| 热度|

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-4-20 06:38

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部