AI și genomica single-cell: cum sunt decodate celulele
Biologul computațional Christina Leslie, Ph.D., lucrează de aproape două decenii la Memorial Sloan Kettering Cancer Center (MSK), unde dezvoltă instrumente computaționale pentru interpretarea datelor complexe din biologie. Cercetarea sa se află la intersecția dintre genomica single-cell și inteligența artificială.
Laboratorul său, din cadrul Sloan Kettering Institute, studiază reglarea expresiei genice în celulele mamiferelor, inclusiv în sistemul imunitar și în cancer. Echipa analizează trei tipuri de date: date single-cell, care arată ce face fiecare celulă în parte într-un țesut sau o tumoră; transcriptomica spațială, care indică și poziția fizică a celulelor; și genomica 3D, care cartografiază plierea ADN-ului în nucleu, aspect ce influențează activarea genelor.
De ce contează genomica single-cell
Analiza „bulk” combina datele moleculare ale tuturor celulelor dintr-o probă. Noile metode permit marcarea individuală a celulelor, astfel încât cercetătorii pot înțelege rolurile funcționale distincte și pot descoperi tipuri noi de celule. Leslie citează două exemple din activitatea MSK: colaborarea cu dr. Chrysothemis Brown a dus la descoperirea celulelor Thetis, un tip specializat de celulă imunitară care ajută la explicarea toleranței sistemului imunitar față de alimente și bacterii intestinale benefice în copilărie, cu implicații pentru alergiile alimentare. Împreună cu laboratorul dr. Alexander Rudensky, echipa a arătat că în cancerul colorectal acționează două tipuri distincte de celule T reglatoare — IL-10 pozitive și IL-10 negative — cu roluri opuse: unul favorizează creșterea tumorii, celălalt o limitează.
Limitele modelelor actuale de AI
Seturile de date single-cell pot ajunge la 150 de milioane de celule, ceea ce impune instrumente sofisticate. Comunitatea AI a adaptat modele din procesarea limbajului natural și din viziunea computerizată, dar genele nu sunt organizate precum cuvintele într-o propoziție, iar biologia reglării genice trebuie reprezentată în modele. Leslie spune că modelele actuale sunt prea generice și nu rezolvă sarcinile de care au nevoie biologii: etichetarea automată a tipurilor de celule rămâne prea grosieră. Ea a publicat recent o analiză pe acest subiect împreună cu Sneha Mitra și Jiaxin Li.
Celula virtuală și predicția perturbațiilor
Ideea de celulă virtuală — simularea răspunsului unei celule la un medicament sau la o modificare genetică înainte de experiment — este considerată de Leslie captivantă, deși parțial o strategie de promovare. Modelele actuale nu surprind suficient biologia reală pentru a fi predictibile. Un element lipsă este înțelegerea modului în care perturbațiile se relaționează între ele și a cascadelor de răspuns transcripțional. Leslie consideră prea simplistă abordarea de a codifica separat perturbația și celula și de a însuma reprezentările.
Podul dintre AI și biologia experimentală
Leslie descrie colaborarea ca un schimb în ambele sensuri. Un exemplu este proiectul privind celulele B din centrul germinativ, cu date single-cell multiome oferite de laboratorul dr. Ari Melnick de la Weill Cornell Medicine. Cercetarea s-a concentrat pe gena Arid1a, care reglează organizarea ADN-ului; pierderea sau deteriorarea ei, întâlnită în anumite limfoame cu celule B, perturbă maturarea celulelor. Cu instrumentul AI DynaVelo, echipa a făcut experimente virtuale și a identificat trei modificări genetice candidate care ar putea restabili comportamentul normal al celulelor. Colaboratorul Darko Barisic a testat predicțiile pe modele de șoarece, iar toate cele trei s-au confirmat.
Perspective și concluzie
Leslie menționează și Nicheverse, un model dezvoltat de studentul Dig Vijay Kumar Yarlagadda pentru analiza datelor de transcriptomică spațială bazate pe imagini, folosit în proiecte despre metastazele carcinomului renal și despre răspândirea cancerului pancreatic de-a lungul nervilor. Mesajul ei final: promisiunea AI de a transforma biologia este reală, dar trebuie realizată corect, cu modele suficient de inteligente și de ancorate în biologie pentru a sprijini descoperirile de laborator și clinice.
