Znanstveno-istraživačko usavršavanje Marija Lovrića u Kopenhagenu
Dr. sc. Mario Lovrić radi kao znanstveni suradnik i voditelj grupe na Institutu za antropologiju. Njegov znanstveni interes temelji se na primjeni strojnog učenja i umjetne inteligencije u biomedicinskim znanostima i kemiji, s posebnim naglaskom na razvoj i primjenu algoritama za objašnjavanje odluka modela strojnog učenja kao i automatizaciju predobrade podataka. Za svoju mobilnost odlučio se na Fakultet za prehrambene znanosti Sveučilišta u Kopenhagenu, gdje mu je Mentor-domaćin bio Prof. Morten Arendt Rasmussen.
Moja mobilnost se odvijala u, meni od prije poznatom, laboratoriju putem suradnji i zajedničkih radova. Zamišljena je kao učvršćivanje odnosa i ulaganje u zajedničke projekte i razvoj vještina, ne samo mojih, nego i kolega oko nas. Grupa je relativno velika i oslanja se na puno komunikacije i interakcije, što mi se svidjelo jer svaki dan dolazi do izmjene znanja i stvaranja novih ideja.
U stručnom smislu, u fokusu su bili kemometrika i/ili strojno učenje s primjenom u području metabolomike i mikrobioma. Podaci su nam uglavnom dolazili iz humanih, kliničkih studija gdje se istražuju kronična stanja poput astme i pretilosti, ali i veza metaboloma s ekspozomom. Uz humane podatke, radili smo i s metabolomikom/ekspozomikom staničnih kultura izloženih ksenobioticima. Putem strojnog učenja i statističke analize smo u Kopenhagenu istraživali koji metaboliti i stanični procesi su ključni kod intoksikacije stanice. To je rad s kojim smo izašli van moje mobilnosti te spojili to s mobilnošću i asistentice s našeg Instituta koja je istovremeno bila na MOBDOK u Grazu u Austriji i radila na kemijskoj analizi metaboloma. Ključni partner nam je pak bio Nacionalni institut za biologiju u Ljubljani koji je radio sa stanicama. Uz računalni dio rada sudjelovao sam i u mikrobiomskom laboratorijskom, učeći metode ekstrakcije i pripreme uzoraka.
Tijekom boravka sam obišao i ACTRIS postaju u Aarhusu za mjerenje kvalitete zraka. Zrak mi je jedan od interesa gdje imamo i nekoliko projekata vezano za štetan utjecaj na ljude pa sam se odlučio na taj zanimljivi izlet.
Uz odličnu znanost, Kopenhagen i njegovo Sveučilište pružaju puno toga. Tako sam bio na nekoliko odličnih predavanja i tečajeva, kao što su Spatial microbiomics i Copenhagen School of Chemometrics na kojoj sam predavao te Microbiome Analysis. Dodatno sam organizirao tečaj na temu Python in Machine Learning za cijeli fakultet.
Kopenhagen je kulinarsko čudo, iako Danska nije razvikana po „nacionalnim jelima“. Nevjerojatan je broj kafića s artizanskom kavom, artizanskih pekara i nagrađivanih restorana. A sve se to obilazi biciklom na čijim stazama budu i gužve, dok ceste znaju biti i bez automobila. Prva zraka sunca i Danci su svi vani i sunčaju se ne razmišljajući o vanjskoj temperaturini eventualnom vjetru. Danci, a i stranci tamo, kao veliki ljubitelji vina, prigrlili su blind wine tasting kojeg sam organizirao na Sveučilištu, a na kojem nas je svojim posjetom počastila i Veleposlanica Republike Hrvatske u Kraljevini Danskoj, Tina Krce.
Sažetak Marijevog usavršavanja:
Trudnoća, porođaj i prvi mjeseci života ključni su u razvoju bolesti već od rane dječje dobi. Tijekom trudnoće i rane dječje dobi, majka i dijete izloženi su istim hranjivim tvarima i okolišnom unosu kemijskih spojeva (kasnije metabolita). Nadalje, neki metaboliti su i posljedica enzimatskih biokemijskih pretvorbi koje proizlaze iz genoma domaćina ili crijevnog mikrobioma, koji se također dijeli između majke i djeteta. Metabolomika nudi sveobuhvatan način za identificiranje i mjerenje metabolita u biološkom sustavu, što je tehnika poželjna za identifikaciju fenotipova te slijedi genomiku, transkriptomiku i proteomiku u nizu. Metaboliti, koji uključuju molekule poput lipida, šećera, nukleotida i aminokiselina, krajnji su proizvodi i međuprodukti metaboličkih procesa u organizmu.
Stoga, varijacije na ovoj razini mogu signalizirati potencijalni napredak bolesti prije kliničke prezentacije istoga biti potencijalni biomarker, čineći metabolomiku vitalnim alatom za rano otkrivanje bolesti. Nadalje, metabolomika predstavlja mehanistički sloj informacija za razumijevanje načina djelovanja izloženosti poput prehrane, vježbanja itd. na napredovanje bolesti. Metabolički prijenos s majke na dijete istraživali su u prethodnim radovima ove grupe koristeći linearnu korelacijsku analizu. Međutim to su samo linearni odnosi te zasad još nije poznato što i kako se prenosi od metabolita s majke na dijete niti kojim metodama to odrediti.
U ovom radu nam je cilj istražiti kako vertikalni prijenos metabolita s majke na dijete utječe na razvoj bolesti u ranoj dječjoj dobi prepoznavanjem obrazaca pomoću nelinearnog strojnog učenja metodama kao što su duboke neuronske mreže, algoritam nasumičnih šuma i sličnih . Predlažemo novi pristup za modeliranje vertikalnog prijenosa na način vođen podacima bez prethodnih hipoteza, koristeći strojno učenje na objašnjiv način, posebice u kliničkom smislu.
