Искусственный интеллект проливает новый свет на динамику развития клеток

Прочитано: 216 раз(а)


Что происходит внутри клетки, когда она активируется, изменяется или реагирует на изменения в окружающей среде? Исследователи из Центра исследований воспаления VIB-UGent разработали метод, позволяющий наилучшим образом моделировать клеточную динамику. Их работа не только выдвигает на первый план нерешенные проблемы слежения за клетками на протяжении всего их роста и жизненного цикла, но также открывает новые способы оценки методов вычислительной биологии, которые стремятся сделать это.

Выявление траекторий отдельных клеток

Ячейки постоянно меняются: они делятся, изменяются или активируются окружающей средой. Клетки могут иметь множество альтернативных путей в каждом из этих процессов, и они должны решить, в каком направлении следовать, основываясь на внутренних и внешних ключах. Изучение этих клеточных траекторий в последнее время стало намного легче благодаря достижениям в технологии одноклеточных, что позволяет ученым профилировать отдельные клетки с беспрецедентной детализацией. В сочетании с вычислительными методами можно увидеть различные траектории, которые клетки принимают в живом организме, и более внимательно посмотреть, что происходит при заболеваниях.

Иван Сэйс (VIB-Ghent University), возглавляющий исследовательскую группу, говорит: «Если бы вы выбрали случайную выборку из тысяч ячеек, которые меняются, вы бы увидели, что некоторые очень похожи, а другие действительно отличаются. Методы вывода траектории Это новый класс методов искусственного интеллекта, которые представляют сложные структуры, такие как клеточные траектории, управляемые данными. В последние годы появилось множество инструментов, которые создают такую ​​траекторию. Но доступность широкого спектра таких инструментов делает исследователям очень трудно найти подходящую систему, которая будет работать в изучаемой ими биологической системе «.

Оценка доступных инструментов

Два исследователя из лаборатории Saeys, Robrecht Cannoodt и Wouter Saelens, решили внести ясность в поле, оценивая и сравнивая доступные инструменты. Робрехт Каннудт говорит: «С самого начала мы планировали сделать эталонный тест как можно более полным, включив практически все методы, разнообразный набор наборов данных и метрик. Мы включили мельчайшие детали, такие как процедура установки, и поместили все вместе в одной большой фигуре — прикольная тепловая карта, как мы ее называем «.

Wouter Saelens добавляет: «Помимо улучшения поля вывода траектории, мы также пытались улучшить способ проведения бенчмаркинга. В нашем исследовании мы обеспечили легко воспроизводимый и расширяемый бенчмаркинг, используя самые последние программные технологии, такие как контейнеризация и непрерывная интеграция. Кстати, наше исследование бенчмаркинга — это не конечный продукт, а только начало ускоренной разработки программного обеспечения и, в конечном итоге, лучшее понимание наших биомедицинских данных ».

Руководство пользователя

На основе результатов сравнительного анализа команда разработала набор руководств для пользователей, которые могут помочь исследователям в выборе наиболее подходящего метода для конкретного вопроса исследования, а также интерактивного приложения. Это первая комплексная оценка методов определения траектории. В будущем команда планирует добавить подробную процедуру настройки параметров. Конвейер и инструменты для создания траекторий свободно доступны на dynverse, и команда приветствует обсуждение, направленное на дальнейшее развитие.

Результаты представлены в Nature Biotechnology.

Искусственный интеллект проливает новый свет на динамику развития клеток



Новости партнеров