Исследование, опубликованное сегодня в Nature Communications , представляет новую платформу для обнаружения клеточных сигнатур заболеваний, которая объединяет роботизированные системы для изучения клеток пациентов с методами искусственного интеллекта для анализа изображений. Используя свою автоматизированную платформу для культивирования клеток, ученые из Исследовательского института NYSCF в сотрудничестве с Google Research успешно определили новые клеточные признаки болезни Паркинсона, создав и профилировав более миллиона изображений клеток кожи у когорты из 91 пациента и здоровых людей.

«Разработка традиционных лекарств работает не очень хорошо, особенно при таких сложных заболеваниях, как болезнь Паркинсона», — отметила генеральный директор NYSCF Сьюзен Л. Соломон, доктор медицинских наук. «Роботизированная технология, созданная NYSCF, позволяет нам генерировать огромные объемы данных от больших групп пациентов и обнаруживать новые сигнатуры болезней в качестве совершенно новой основы для открытия лекарств, которые действительно работают».

«Это идеальная демонстрация возможностей искусственного интеллекта для исследования болезней», — добавил Марк Берндл, инженер-программист Google Research. «У нас было очень продуктивное сотрудничество с NYSCF, особенно потому, что их передовые роботизированные системы создают воспроизводимые данные, которые могут дать надежную информацию».

Сочетание искусственного интеллекта и автоматизации

В исследовании использовалось обширное хранилище клеток пациентов NYSCF и современная роботизированная система — The NYSCF Global Stem Cell Array — для профилирования изображений миллионов клеток от 91 пациента с болезнью Паркинсона и здоровых людей. Ученые использовали массив, чтобы изолировать и увеличивать клетки кожи, называемые фибробластами, из образцов биопсии кожи, маркировать различные части этих клеток с помощью техники под названием Cell Painting и создавать тысячи высококачественных изображений оптической микроскопии. Полученные изображения были переданы в беспристрастный конвейер анализа изображений , управляемый искусственным интеллектом , для определения характеристик изображения, характерных для клеток пациентов, которые можно было бы использовать, чтобы отличить их от здоровых контролей.

«Эти методы искусственного интеллекта могут определить, что общего у клеток пациентов, что иначе было бы невозможно наблюдать», — сказал Сэмюэл Дж. Янг, научный сотрудник Google Research. «Что также важно, так это то, что алгоритмы беспристрастны — они не полагаются на какие-либо предварительные знания или предубеждения о болезни Паркинсона, поэтому мы можем обнаруживать совершенно новые признаки болезни».

Необходимость в новых сигнатурах болезни Паркинсона подчеркивается высокой частотой неудач недавних клинических испытаний лекарств, обнаруженных на основе конкретных мишеней болезни и путей, которые, как считается, являются движущими силами болезни. Обнаружение этих новых сигнатур болезни с использованием беспристрастных методов, особенно в популяции пациентов, имеет значение для диагностики и открытия лекарств, даже для выявления новых различий между пациентами.

«Удивительно, но мы смогли различать изображения клеток пациентов и здоровых людей, а также между различными подтипами заболевания», — отметил Бьярки Йоханнессон, доктор философии, старший исследователь NYSCF в исследовании. «Мы даже могли довольно точно предсказать, от какого донора был получен образец клеток».

Заявки на открытие лекарств

Сигнатуры болезни Паркинсона, идентифицированные командой, теперь могут быть использованы в качестве основы для проведения скрининга лекарств на клетках пациентов, чтобы выяснить, какие лекарства могут обратить эти признаки вспять. Исследование также дает самый большой известный набор данных Cell Painting (48 ТБ) в качестве ресурса сообщества, и он доступен для исследовательского сообщества ( https://nyscf.org/nyscf-adpd/ ).

Примечательно, что платформа не зависит от болезней и требует от пациентов только легкодоступных клеток кожи. Его также можно применять к другим типам клеток , включая производные индуцированных плюрипотентных стволовых клеток , которые NYSCF создает для моделирования различных заболеваний. Таким образом, исследователи надеются, что их платформа может открыть новые терапевтические пути для многих заболеваний, где традиционные открытия лекарств не увенчались успехом.

«Это первый инструмент, который успешно идентифицирует признаки заболевания с такой высокой точностью и чувствительностью», — сказал старший вице-президент NYSCF по исследованиям и разработке платформ Дэниел Полл, доктор философии. «Его способность идентифицировать подгруппы пациентов имеет важное значение для точной медицины и разработки лекарств от многих трудноизлечимых заболеваний».