In de natuurkunde worden vaak simpele modellen gebruikt om het universum en de binnenste ruimtes van het atoom te bestuderen. De levende wereld lijkt anders en moeilijker te zijn voor zulke modellen. Stephens en zijn collega’s vroegen zich daarom af of het mogelijk zou zijn om een simpel model te bouwen met gedrag dat vrijwel niet te onderscheiden is van een echt levend systeem. En als ze zo'n model zouden gebruiken, zouden ze het dan kunnen gebruiken om de dynamiek te ontwarren die tot meer complexiteit kan leiden?
Wormengedrag voorspellen
De onderzoekers gebruikten de rondworm C. elegans, een veel bestudeerd dier in de biologie, als voorbeeld. Deze worm heeft duizenden genen, veel verschillende celtypen en een netwerk van neuronen voor het verwerken van sensorische informatie en het sturen van adaptief gedrag. Stephens: "Als we het effect van al die biologische details in een interpreteerbaar computermodel konden vastleggen, dan konden we het model gebruiken om precies af te leiden welke biologische details verbonden zijn met welke aspecten van gedrag."
Het is erg moeilijk om het gedrag of de beweging van een dier met hoge precisie te modelleren. De onderzoekers realiseerden zich echter dat bewegingen niet willekeurig zijn van moment tot moment, maar plaatsvinden in sequenties die context geven aan elke beweging. Toen de onderzoekers nauwlettend aandacht besteedden aan recente bewegingen werd het makkelijker om een nauwkeuriger model te bouwen. Door bewegingen die dicht bij elkaar in de tijd lagen op te nemen, konden ze een beroep doen op een goed bestudeerde klasse van computermodellen die technisch bekend staan als Markov-modellen.
Gezondheidszorg
Volgens Stephens zijn de ideeën die hij en zijn collega's ontwikkelden niet alleen beperkt tot wormen, maar zijn ze door te trekken naar andere dieren, waaronder mensen. Dit zou bijvoorbeeld nuttig kunnen zijn bij het begrijpen van ziekten met bewegingsstoornissen, zoals Parkinson. De onderzoekers zijn momenteel in gesprek met bedrijven in de gezondheidszorg die geïnteresseerd zijn in hun technieken.
Stephens: “In feite biedt onze aanpak een nieuwe ‘computationele microscoop’ waarmee we complexe, levende bewegingen kunnen begrijpen, en hoe deze voortkomen uit een complexe wisselwerking tussen interne biologische mechanismen en voortdurende interacties met de omgeving.” De studie werd gepubliceerd in Proceedings of the National Academy of Sciences (PNAS).