Новый метод машинного обучения улучшает наше понимание идентичности клеток

Автор: Университет Карнеги-Меллона, 17 марта 2023 г.

Идентичность клеток относится к уникальным характеристикам и свойствам, которые отличают один тип клеток от другого внутри организма. Эта идентичность определяется экспрессией специфических генов, которые контролируют выработку белков, придающих клеткам их особые функции и структуры.

Активация и экспрессия генов выявляют сходство в структуре клеток в зависимости от типа и функции во всех тканях и органах. Понимание этих закономерностей улучшает наше понимание клеток и дает представление о раскрытии основных механизмов заболеваний.

Появление технологий пространственной транскриптомики позволило ученым исследовать экспрессию генов в контексте образцов тканей в целом. Однако необходимы новые вычислительные методы для обработки этой информации и облегчения идентификации и понимания этих моделей экспрессии генов.

A research team led by Jian Ma, the Ray and Stephanie Lane Professor of Computational Biology in Carnegie Mellon University's School of Computer Science, has developed a machine learningMachine learning is a subset of artificial intelligence (AI) that deals with the development of algorithms and statistical models that enable computers to learn from data and make predictions or decisions without being explicitly programmed to do so. Machine learning is used to identify patterns in data, classify data into different categories, or make predictions about future events. It can be categorized into three main types of learning: supervised, unsupervised and reinforcement learning." data-gt-translate-attributes="[{"attribute":"data-cmtooltip", "format":"html"}]"> инструмент машинного обучения, чтобы восполнить этот пробел. Их статья о методе под названием SPICEMIX недавно появилась на обложке журнала Nature Genetics.

SPICEMIX помогает исследователям понять роль, которую различные пространственные закономерности играют в общей экспрессии генов клеток в сложных тканях, таких как мозг. Он делает это, представляя каждый паттерн пространственными метагенами — группами генов, которые могут быть связаны с определенным биологическим процессом и могут отображать плавные или спорадические паттерны в ткани.

Команда, в которую входили Ма; Бенджамин Чидестер, научный сотрудник отдела вычислительной биологии; и доктор философии. Студенты Тяньмин Чжоу и Шахул Алам использовали SPICEMIX для анализа данных пространственной транскриптомики областей мозга у мышей и людей. Они использовали уникальные возможности SPICEMIX, чтобы раскрыть ландшафт типов клеток мозга и пространственных моделей.

«Когда мы выбирали название, нас вдохновила кулинария», — сказал Чидестер. «Вы можете приготовить самые разные вкусы с одним и тем же набором специй. Клетки могут работать аналогичным образом. Они могут использовать общий набор биологических процессов, но конкретная комбинация, которую они используют, придает им уникальную индивидуальность».

При применении к тканям головного мозга SPICEMIX идентифицировал пространственные закономерности типов клеток в мозге более точно, чем другие методы. С помощью изученных пространственных метагенов были также обнаружены новые закономерности экспрессии типов клеток мозга.

«Эти результаты могут помочь нам нарисовать более полную картину сложности типов клеток мозга», — сказал Чжоу.

Число исследований с использованием технологий пространственной транскриптомики быстро растет, и SPICEMIX может помочь исследователям максимально эффективно использовать эти большие объемы многомерных данных.

«Наш метод потенциально может способствовать развитию исследований в области пространственной транскриптомики и способствовать более глубокому пониманию как фундаментальной биологии, так и прогрессирования заболеваний в сложных тканях», — сказал Ма.

Ссылка: «SpiceMix обеспечивает интегративное пространственное моделирование идентичности клеток», Бенджамин Чидестер, Тяньмин Чжоу, Шахул Алам и Цзянь Ма, 9 января 2023 г., Nature Genetics.DOI: 10.1038/s41588-022-01256-z