Το πρώτο ακριβές «ψηφιακό δίδυμο»του πιο δημοφιλούς πειραματόζωου, της μύγας των φρούτων, που επιστημονικά ονομάζεται Drosophila melanogaster, το οποίο μέχρι στιγμής έχει αποφέρει πέντε βραβεία Νόμπελ στη Φυσιολογία ή Ιατρική, δημιούργησαν ερευνητές από το School of Life Sciences στην Ecole Polytechnique Fédérale de Lausanne (EPFL) και το παρουσίασαν στο περιοδικό Nature Methods.
Τα ψηφιακά δίδυμα (digital twins) είναι η εικονική αναπαράσταση ενός αντικειμένου, ενός συστήματος ή μιας διαδικασίας και προϋποθέτουν το φυσικό αντικείμενο, το ψηφιακό αντίγραφο και τη μεταξύ τους σύνδεση. Συνήθως τα digital twins αντιγράφουν ένα αντικείμενο ή ένα ανθρώπινο όργανο και λειτουργούν παράλληλα και ακριβώς όπως το πρωτότυπο. Στην πραγματικότητα, είναι ένας συνδυασμός δεδομένων, αλγορίθμων και τεχνητής νοημοσύνης και ζουν σε έναν εικονικό κόσμο, όπως ένα avatar. Σήμερα τα ψηφιακά δίδυμα χρησιμοποιούνται σχεδόν σε κάθε κλάδο από τις κατασκευές, την υγειονομική περίθαλψη, την αρχιτεκτονική, μέχρι τις μεταφορές, τα συστήματα επικοινωνίας και πολλά άλλα.
Για τη δημιουργία του ψηφιακού διδύμου της Δροσόφιλας που ονομάζεται «NeuroMechFly» οι καθηγητές Pavan Ramdya, Auke Ijspeert με τις ομάδες τους χρησιμοποίησαν μια πραγματική μύγα για να κάνουν αξονική τομογραφία και να δημιουργήσουν ένα μορφολογικά ρεαλιστικό εμβιομηχανικό μοντέλο. Η δεύτερη πηγή δεδομένων ήταν οι πραγματικές κινήσεις των άκρων της μύγας, που λήφθηκαν με χρήση ενός λογισμικού καταγραφής κίνησης το οποίο ανέπτυξαν οι ίδιοι τα τελευταία δύο χρόνια.
Το «NeuroMechFly» διαθέτει ανεξάρτητα υπολογιστικά τμήματα που προσομοιώνουν διαφορετικά μέρη του σώματος του εντόμου, όπως έναν εμβιομηχανικό εξωσκελετό με αρθρωτά μέρη του σώματος, κεφάλι, πόδια, φτερά, κοιλιακά τμήματα, προβοσκίδα, κεραίες, πτερύγια (όργανα που βοηθούν τη μύγα να υπολογίσει τον προσανατολισμό της ενώ πετάει) και «ελεγκτές» νευρικών δικτύων.
Η Drosophila είναι το πιο συχνά χρησιμοποιούμενο έντομο στις βιοεπιστήμες και αποτελεί μακροπρόθεσμο επίκεντρο της έρευνας του ίδιου του Ramdya, ο οποίος εργάζεται για την ψηφιακή παρακολούθηση και μοντελοποίηση αυτού του ζώου εδώ και χρόνια. Το 2019, η ομάδα του δημοσίευσε το DeepFly3D, ένα λογισμικό καταγραφής κίνησης που βασίζεται σε βαθιά μάθηση και χρησιμοποιεί πολλαπλές προβολές κάμερας για να ποσοτικοποιήσει τις κινήσεις της Drosophila στον τρισδιάστατο χώρο.
Συνεχίζοντας, το 2021 η ομάδα του Ramdya δημοσίευσε το LiftPose3D, μια μέθοδο για την δημιουργία τρισδιάστατων στάσεων ζώων από εικόνες 2D που λαμβάνονται από μία μόνο κάμερα. Οι μέθοδοι αυτού του είδους έχουν προσφέρει στα εκρηκτικά πεδία της νευροεπιστήμης και της ρομποτικής εμπνευσμένης από ζώα, «εργαλεία» ανεκτίμητης χρησιμότητας.
Ο Ramdya λέει πως ένας τρόπος για να κατανοήσει κάποιος ένα σύστημα είναι να το ξαναδημιουργήσει. «Μπορούμε να φτιάξουμε μια ρομποτική μύγα, αλλά είναι πολύ πιο γρήγορο και πιο εύκολο να φτιάξουμε ένα προσομοιωμένο πειραματόζωο, εν προκειμένω να χτίσουμε ένα μοντέλο που θα ενσωματώνει όσα γνωρίζουμε για το νευρικό σύστημα και την εμβιομηχανική της αληθινής μύγας και να ελέγξουμε αν είναι αρκετά για να εξηγήσουμε τη συμπεριφορά της. Όταν κάνουμε πειράματα, συχνά βασιζόμαστε σε υποθέσεις για να κάνουμε προβλέψεις. Αλλά καθώς η νευροεπιστήμη γίνεται όλο και πιο περίπλοκη, βασιζόμαστε περισσότερο σε μοντέλα που μπορούν να συγκεντρώσουν πολλά αλληλένδετα στοιχεία, να τα συνδυάσουμε και να προβλέψουμε τι θα μπορούσε να συμβεί αν κάνουμε προσαρμογές εδώ ή εκεί».
Το NeuroMechFly προσφέρει μια εξαιρετικά πολύτιμη βάση δοκιμών για μελέτες που προάγουν την εμβιομηχανική και τη βιορομποτική, αλλά μόνο στο βαθμό που αναπαριστά με ακρίβεια το πραγματικό ζώο σε ένα ψηφιακό περιβάλλον. Η επαλήθευση αυτού ήταν και μια από τις κύριες ανησυχίες των ερευνητών. «Αποδείξαμε πειραματικά ότι μπορούμε να αναπαραγάγουμε αυστηρά τις συμπεριφορές του πραγματικού ζώου», συμπληρώνει ο Ramdya.
Οι ερευνητές έκαναν αρχικά τρισδιάστατες μετρήσεις πραγματικής Δροσόφιλας που κινείται και στη συνέχεια επανέλαβαν αυτές τις συμπεριφορές χρησιμοποιώντας τον εμβιομηχανικό εξωσκελετό του NeuroMechFly μέσα σε ένα περιβάλλον προσομοίωσης που βασίζεται στη φυσική. Όλα έδειξαν πως το μοντέλο μπορεί πραγματικά να προβλέψει διάφορες παραμέτρους κίνησης που διαφορετικά δεν μετριούνται, όπως οι ροπές των ποδιών και οι δυνάμεις αντίδρασης επαφής με το έδαφος. Τέλος, μπόρεσαν να χρησιμοποιήσουν τις πλήρεις νευρομηχανικές δυνατότητες του NeuroMechFly για να ανακαλύψουν παραμέτρους νευρωνικών δικτύων και μυών που επιτρέπουν στη μύγα να «τρέχει» με τρόπους που είναι βελτιστοποιημένοι τόσο ως προς την ταχύτητα όσο και προς την ευστάθεια.
«Το NeuroMechFly αποτελεί μια ισχυρή πειραματική βάση για την κατανόηση του τρόπου με τον οποίο οι εκάστοτε συμπεριφορές προκύπτουν από τις αλληλεπιδράσεις μεταξύ πολύπλοκων νευρομηχανικών συστημάτων και του φυσικού περιβάλλοντος», καταλήγει ο Ramdya.
Πηγή:SciTechDaily
