Modele de inteligență artificială pentru compararea celulelor între specii
Cercetătorii de la Stanford Medicine au dezvoltat două modele de inteligență artificială dedicate biologiei celulare. Primul, numit „universal cell embedding”, a deschis calea pentru un al doilea model, TranscriptFormer, antrenat pe date provenite de la 112 milioane de celule care reprezintă 12 specii, de la drojdia unicelulară până la om.
Modelele facilitează compararea celulelor între specii și deschid posibilitatea unor noi perspective asupra bolilor și a tratamentelor bazate pe celule. „Încercăm să deschidem un mod complet nou de a gândi biologia celulară”, a declarat Stephen Quake, profesor de bioinginerie și coautor principal al studiilor, alături de Jure Leskovec, profesor de informatică, și Theo Karaletsos, de la Chan Zuckerberg Initiative.
Cele două articole științifice care descriu rezultatele au fost publicate în revistele Nature și Science. „Aceste lucrări marchează începutul, sperăm, a unui domeniu complet nou și a unui deceniu de muncă”, a spus Quake.
De la genom la expresia genelor
Genomul conține instrucțiunile vieții, însă în prezent mulți biologi se concentrează asupra expresiei genelor, adică asupra întrebării ce gene folosește o anumită celulă. De exemplu, o celulă beta din pancreas exprimă gena pentru insulină, iar celulele B din sânge produc anticorpi. Aceste diferențe de expresie permit distingerea tipurilor de celule, iar celulele sănătoase și cele bolnave au, la rândul lor, modele diferite de expresie genică.
În ultimii ani, oamenii de știință au construit diverse atlase – baze de date care definesc celule și țesuturi pe baza modelelor lor de expresie genică. Volumul de date privind zeci de mii de gene pentru sute de milioane de celule, provenind din multe specii, este uriaș. „Cum să ne gândim la toate aceste gene deodată? Creierul uman nu poate”, a explicat Quake. „Aceste modele ne ajută să facem asta.”
Antrenat pe 12 specii și 1,53 miliarde de ani de evoluție
TranscriptFormer a fost antrenat pe 12 specii. Pe lângă oameni și drojdie, echipa a folosit atlase celulare pentru șoareci, iepuri, găini, pești zebră, muște de fructe, broasca africană cu gheare, parazitul care cauzează malaria, un arici de mare, un burete și viermele rotund Caenorhabditis elegans.
Antrenamentul a funcționat pe profiluri de expresie genică într-un mod analog marilor modele lingvistice precum ChatGPT. TranscriptFormer a aplicat același principiu, dar cu valori de expresie genică în loc de cuvinte. Quake descrie modelul rezultat ca un „spațiu universal” – nu un loc fizic, ci un spațiu matematic în care se poate măsura cât de similare sau diferite sunt lucrurile. „Toate celulele fiecărui organism de pe Pământ pot sta în acel spațiu, iar tu poți analiza relația dintre ele”, a spus el.
Relații evolutive și tipuri de celule necunoscute
O utilizare a TranscriptFormer este explorarea relațiilor evolutive dintre specii. De exemplu, oamenii de știință care studiază bureții s-au întrebat ce tip de celulă dintr-un burete este cel mai apropiat de neuronul altor animale. Modelul a arătat că celula numită choanocit este destul de similară cu neuronii viermelui rotund și ai broaștei, ceea ce ajută la înțelegerea evoluției neuronilor.
Celula neuroidă a buretelui, numită astfel pentru că are unele trăsături asemănătoare neuronilor, s-a dovedit a avea un profil de expresie genică mai degrabă asemănător unei glande de broască, ceea ce sugerează că ar putea fi implicată în digestie.
O altă aplicație privește speciile noi: atunci când primește date de expresie genică pentru o specie pe care nu a fost antrenat, TranscriptFormer poate identifica tipurile de celule. Echipa a arătat de asemenea că modelul poate distinge între celule sănătoase și celule bolnave. În viitor, modelul ar putea contribui la proiectarea de noi tratamente care folosesc celule, pentru că poate imagina celule funcționale care nu există în prezent.
„Sperăm că va fi un instrument foarte puternic pentru descoperiri”, a afirmat Quake. „Este un instrument care îi ajută pe biologii experimentați să gândească probleme complexe.”
Autori și contribuții
La lucrare au contribuit cercetători de la Chan Zuckerberg Initiative și BioHub. Primii autori ai articolului din Nature au fost Yanay Rosen, doctorand în informatică la Universitatea Stanford, și Yusuf Roohani, acum director asociat de machine learning la Arc Institute.
