Modelele avansate de celule AI transformă cercetarea în biologia celulară modernă
Cercetătorii de la Stanford Medicine au dezvoltat două noi modele de inteligență artificială pentru celulele biologice.
Primul model, denumit universal cell embedding, a deschis calea pentru un model de generație următoare, numit TranscriptFormer, care a fost antrenat pe date provenind de la 112 milioane de celule, reprezentând 12 specii, de la drojdia unicelulară până la oameni.
Modelele AI pentru celule facilitează dramatic compararea celulelor între specii și oferă posibilități pentru noi perspective asupra bolilor și căi pentru noi tratamente celulare.
„Încercăm să deschidem o întreagă nouă modalitate de a gândi despre biologia celulară”, a afirmat Stephen Quake, PhD, profesor de bioinginerie. El este coautor, împreună cu Jure Leskovec, PhD, profesor de informatică, și Theo Karaletsos, PhD, de la Chan Zuckerberg Initiative, al două articole științifice despre această cercetare, publicate recent în Nature și Science. „Aceste lucrări marchează începutul a ceea ce sperăm să fie un nou domeniu și un deceniu de muncă”, a adăugat Quake.
Genomul conține instrucțiunile pentru viață, dar în prezent mulți biologi se concentrează pe expresia genelor – adică, pe genele pe care le folosește o celulă particulară.
De exemplu, o celulă beta din pancreas exprimă gena pentru insulină, împreună cu genele legate de stocarea și eliberarea hormonului. Celulele albe din sânge cunoscute sub numele de celule B produc anticorpi pentru a lupta împotriva bolilor. O celulă din pielea ta, pe de altă parte, ar putea exprima gene pentru a produce păr sau pigment. Aceste diferențe în expresie pot fi utilizate pentru a distinge tipurile de celule. Celulele sănătoase și cele bolnave au, de asemenea, modele diferite de expresie genică, la fel ca și celulele din diferite specii.
În ultimii ani, oamenii de știință au construit diverse atlase, care sunt baze de date ce definesc celulele și țesuturile pe baza modelelor lor de expresie genică. Cantitatea de date despre zeci de mii de gene pentru sute de milioane de celule – din multe specii – este impresionantă.
Cum putem analiza toate aceste gene simultan? Creierul uman nu poate. Aceste modele ne ajută să facem asta. Algoritmii sunt modalități prin care putem înțelege date foarte complexe pe care oamenii nu le pot procesa.
TranscriptFormer a fost antrenat pe 12 specii. Pe lângă oameni și drojdii, echipa a folosit atlasele celulare pentru șoareci, iepuri, păsări, pești zebră, muște de fructe, broaște cu unghii africane, parazitul care cauzează malaria, arici de mare, bureți și viermele rotund Caenorhabditis elegans.
Antrenamentul s-a bazat pe profilele de expresie genică, într-un mod analog cu modelele de limbaj mari, precum ChatGPT. Modelele LLM sunt antrenate, în esență, prin examinarea repetată a textelor cu unele cuvinte lipsă și ajustarea parametrilor până când reușesc să prezică corect cuvintele lipsă. TranscriptFormer a funcționat în același mod, 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 care poate fi utilizat pentru a măsura cât de similare sau diferite sunt lucrurile. „Toate celulele fiecărui organism de pe Pământ pot fi plasate în acel spațiu și poți analiza relația lor între ele”, a explicat el.
O utilizare a TranscriptFormer este explorarea relațiilor evoluționare între diferite specii. De exemplu, oamenii de știință care studiază bureții s-au întrebat care tip de celulă dintr-un burete este cel mai apropiat de un neuron din alte animale. Modelul a arătat că celula cunoscută sub numele de choanocit era destul de similară cu neuronii din viermele rotund și broască. Acest lucru ajută oamenii de știință să înțeleagă evoluția neuronilor și rolul choanocitelor în bureți. Celula neuroidă a buretelui, pe de altă parte, a fost denumită astfel pentru că are unele caracteristici asemănătoare neuronilor – dar s-a dovedit că are un profil de expresie genică mai apropiat de o glandă de broască, sugerând că ar putea fi implicată în digestie.
O altă utilizare se referă la speciile noi; dacă i se furnizează date de expresie genică pentru o specie pe care nu a fost antrenat, TranscriptFormer poate identifica tipurile de celule. Echipa a demonstrat, de asemenea, că poate distinge între celulele sănătoase și cele bolnave.
În viitor, modelul ar putea ajuta la proiectarea de noi tratamente care utilizează celule, de exemplu – deoarece poate imagina celule funcționale care nu există în prezent.
„Sperăm că va deveni un instrument foarte puternic pentru descoperire”, a spus Quake. „Acesta este un instrument care să ajute biologi calificați să abordeze probleme complexe.”
