通过机器学习研究太空飞行萎缩
即使宇航员进行剧烈运动也无法弥补微重力造成的肌肉萎缩。萎缩在一定程度上是通过调节钙吸收的潜在机制发生的。最近的研究表明,太空飞行会改变肌肉对钙的吸收。然而,驱动这些变化的分子机制尚未得到充分研究。
艾姆斯研究中心的研究人员通过应用机器学习(ML)识别暴露于微重力的小鼠数据集中的模式来研究这些机制。机器学习方法在识别复杂生物数据中的模式方面特别有效,并且适用于空间生物研究,其中通常组合小型数据集以提高统计能力。
阻力训练可以抵消微重力对肌肉萎缩对健康的负面影响,但艾姆斯研究中心的新研究旨在了解其中的生理机制,以确定可以为创新对策提供信息的生物标志物。这项研究是美国宇航局艾姆斯研究中心太空生命科学培训计划的一个项目。它已发表在npjMicrogravity杂志上。
机器学习分析显示钙通道肌浆/内质网(SERCA)泵生理变化的分子驱动因素,导致航天啮齿动物的肌肉变化和肌肉损失。创建机器学习模型是为了识别蛋白质,这些蛋白质可以预测生物体对微重力的恢复能力(与肌肉中钙的吸收有关)。研究发现,特定蛋白质Acyp1和Rps7是与快肌钙摄入量增加相关的最具预测性的生物标志物。
这项研究首次展示了机器学习在微重力条件下对肌肉钙吸收的影响。这项研究展示了NASA的开放科学计划在加速空间生物学方面的作用,该计划依赖ARC的开放科学数据存储库(OSDR)和分析工作组,以及来自美国、加拿大、丹麦和美国的国际研究团队的参与。澳大利亚。值得注意的是,该文章的第一作者是加州大学伯克利分校的一名本科生,展示了美国宇航局-伯克利分校与美国宇航局研究园即将建成的伯克利航天中心在生命科学研究方面的无限合作潜力。