Selv intens træning fra astronauter kan ikke kompensere for muskelatrofi forårsaget af mikrogravitation. Atrofi opstår til dels ved hjælp af en underliggende mekanisme, der regulerer calciumoptagelsen. Nyere forskning har vist, at eksponering for rumflyvning ændrer optagelsen af calcium i musklerne. Imidlertid er de molekylære mekanismer, der driver disse ændringer, ikke godt undersøgt.
Forskere ved Ames Research Center undersøgte disse mekanismer ved at anvende maskinlæring (ML) til at identificere mønstre i datasæt på mus udsat for mikrogravitation. ML-metoder er særligt effektive til at identificere mønstre i komplekse biologiske data og er velegnede til rumbiologisk forskning, hvor små datasæt ofte kombineres for at øge den statistiske kraft.
Modstandstræning kan modvirke de negative sundhedseffekter af mikrogravitation på muskelatrofi, men ny forskning fra Ames Research Center søger at forstå de fysiologiske mekanismer, der er i spil for at identificere biomarkører, der kan informere innovative modforanstaltninger. Undersøgelsen var et projekt af NASAs Space Life Sciences Training Program ved Ames Research Center. Det er blevet offentliggjort i tidsskriftet npj Microgravity .
Maskinlæringsanalyse viser molekylære drivere til fysiologiske ændringer i calciumkanals sarkoplasmatisk/endoplasmatisk retikulum (SERCA) pumpe, hvilket fører til muskelændringer og muskeltab hos rumflyvningsgnavere. ML-modeller blev skabt for at identificere proteiner, der kunne forudsige en organismes modstandsdygtighed over for mikrogravitation med hensyn til calciumoptagelse i muskler. Specifikke proteiner, Acyp1 og Rps7, blev fundet at være de mest forudsigende biomarkører forbundet med øget calciumindtag i hurtige muskelspændinger.
Denne undersøgelse gav et første kig på brugen af ML på calciumoptagelse i muskler, når de udsættes for mikrogravitationsforhold. Denne undersøgelse demonstrerede rollen af NASA's åbne videnskabsinitiativ i at accelerere rumbiologien ved dets afhængighed af ARC's Open Science Data Repository (OSDR) og Analysis Working Groups, samt inddragelsen af et internationalt forskerhold fra USA, Canada, Danmark og Australien. Navnlig var artiklens første forfatter en bachelorgrad ved UC Berkeley, hvilket demonstrerede det ubegrænsede potentiale af NASA-Berkeley-samarbejder inden for biovidenskabsforskning med det kommende Berkeley Space Center i NASA Research Park.
Flere oplysninger: Kevin Li et al., Forklarlig maskinlæring identificerer multi-omics signaturer af muskelrespons på rumflyvning hos mus, npj Microgravity (2023). DOI:10.1038/s41526-023-00337-5
Journaloplysninger: npj Mikrotyngdekraft
Leveret af NASA
Sidste artikelNASA Goddard bygger jordskælvsdetektor til Artemis III månelanding
Næste artikelDen stigende oversvømmelse af rumskrot er en risiko for os på Jorden - og regeringer er på krogen