新方法使用工程細菌和人工智能來感知和記錄環境信號

幾年前，生物醫學工程教授塔爾·達尼諾(Tal Danino)實驗室的研究人員正在集思廣益，討論如何設計和應用自然模式形成的細菌。有許多細菌物種，例如奇異變形桿菌(P. mirabilis)，它們在肉眼可見的固體表面上自組織成定義的圖案。

這些細菌可以感知自然界中的幾種刺激，并通過“蜂擁”來響應這些線索 - 細菌的高度協調和快速運動由它們的鞭毛驅動，鞭毛是一種長長的尾巴狀結構，引起鞭狀運動以幫助推動它們。

為了獲得靈感，哥倫比亞工程公司的Danino團隊在使用合成生物學方法操縱細菌方面擁有豐富的經驗，他們討論了他們在自然界中可能發現類似模式的地方以及它們的功能可能是什么。他們注意到樹木年輪如何記錄樹木年齡和氣候歷史，這激發了他們將奇異楊年輪作為記錄系統的想法。

他們還對應用人工智能來表征細菌菌落模式的獨特特征感興趣，他們意識到這種方法可以用來解碼工程模式。

“在我們看來，這是一個尚未開發的機會，可以為特定線索創建一個自然記錄系統，”哥倫比亞大學數據科學研究所(DSI)成員Danino說。

在發表在《自然化學生物學》上的一項新研究中，研究人員與奇異假單胞菌(P. mirabilis)合作，這種P. mirabilis常見于土壤和水中，偶爾也存在于人類腸道中，以其靶心出現的菌落模式而聞名。當細菌在固體生長培養基的培養皿上生長時，它們在細菌生長階段(形成可見的密集圓圈)和細菌運動(稱為“蜂群”運動)之間交替，后者向外擴展菌落。

該團隊通過添加合成生物學家所謂的“遺傳回路”來設計細菌 - 遺傳部分系統，邏輯編譯以使細菌以所需的方式運行。工程細菌感覺到研究人員選擇的輸入的存在 - 從溫度到糖分子到重金屬，如汞和銅 - 并通過改變它們的聚集能力來做出反應，這明顯改變了輸出模式。

研究人員與Andrew Laine，Percy K.和Vida L. W. Hudson生物醫學工程教授以及DSI成員以及哥倫比亞大學歐文醫學中心神經生物學(精神病學)助理教授Jia Guo合作，然后應用深度學習 - 一種最先進的人工智能技術 - 從模式中解碼環境，就像科學家觀察樹干上的年輪以了解其環境的歷史一樣。

他們使用可以對模式進行整體分類的模型來預測樣品中的糖濃度，以及可以在模式中描繪或“分割”邊緣的模型，以預測例如，菌落生長時溫度變化的次數。

使用奇異假單胞菌的一個優點是，與許多典型的工程細菌模式相比，天然奇異假單胞菌模式是肉眼可見的，無需昂貴的可視化技術，并且可以在耐用、易于使用的固體瓊脂培養基上形成。這些特性增加了在各種設置中將系統用作傳感器讀數的可能性。使用深度學習來解釋模式可以使研究人員從復雜的模式中提取有關輸入分子濃度的信息。

“我們的目標是將該系統開發為一種低成本的檢測和記錄系統，用于環境中的污染物和有毒化合物等條件，”該研究的主要作者，最近從Danino實驗室畢業的博士Anjali Doshi說。“據我們所知，這項工作是合成生物學家設計自然模式形成細菌物種以改變其天然集群能力并作為傳感器功能的第一項研究。

這樣的工作可以幫助研究人員更好地了解原生模式是如何形成的，除此之外，還可以為傳感器領域以外的其他生物技術領域做出貢獻。能夠將細菌作為一個群體而不是個體來控制，并控制它們在菌落中的運動和組織，可以幫助研究人員在更大范圍內建立活體材料，并有助于達尼諾實驗室的平行目標，即通過更好地控制體內細菌行為，將細菌設計成活的“智能”療法。

這項工作是構建宏觀細菌記錄儀的新方法，擴展了工程新興微生物行為的框架。該團隊接下來計劃通過設計細菌來檢測更廣泛的污染物和毒素，并將系統轉移到安全的“益生菌”細菌上，從而建立他們的系統。最終，他們的目標是開發一種在實驗室外應用記錄系統的設備。