基于生物发射器的合成分子通信
机器学习
2025-07-11 v1 定量方法
组织与器官
摘要
合成分子通信（Synthetic Molecular Communication, SMC）是未来医疗系统的关键使能器，其中物联网生物纳米事物（Internet of Bio-Nano-Things, IoBNT）设备可持续监测患者的生化信号。为在感知与执行之间架起桥梁，检测和生成体内分子通信（MC）信号都至关重要。然而，通过合成纳米设备在人体内生成信号是 SMC 的一个挑战，由于技术障碍以及法律、安全和伦理问题。因此，本文考虑一种 SMC 系统，其中信号通过调制天然体内 MC 系统来间接生成，即肠脑轴（gut-brain axis, GBA）。肠脑轴的治疗性调制已作为治疗神经疾病（如药物难治性癫痫, drug refractory epilepsy, DRE）的 established 方法，通常通过给药或特定饮食来实现。然而，导致此类治疗作用的分子信号通路尚不为人所知。因此，现有治疗方案往往基于标准化或经验性设计，仅能帮助部分患者，无法帮助所有患者。本文提出利用个人健康数据（例如由体内 IoBNT 设备收集）来设计更具可调性和鲁棒性的 GBA 调制治疗方案。为展示该方法的可行性，我们定义了治疗性 GBA 调制的理论要求。随后，我们提出一种机器学习模型，用于在仅有限 GBA 调制数据可得的情况下验证这些要求。通过在多个数据集上评估，我们确认了该模型在识别 GBA 不同调制剂方面的优异准确率。最后，我们利用该模型识别了治疗性 GBA 调制中发挥重要作用的特定调制通路。
引用
@article{arxiv.2507.07604,
title = {Synthetic MC via Biological Transmitters: Therapeutic Modulation of the Gut-Brain Axis},
author = {Sebastian Lotter and Elisabeth Mohr and Andrina Rutsch and Lukas Brand and Francesca Ronchi and Laura Díaz-Marugán},
journal= {arXiv preprint arXiv:2507.07604},
year = {2025}
}