Un nuovo metodo di apprendimento automatico migliora la nostra comprensione dell’identità cellulare

Di Carnegie Mellon University17 marzo 2023

L'identità cellulare si riferisce alle caratteristiche e proprietà uniche che distinguono un tipo di cellula da un altro all'interno di un organismo. Questa identità è determinata dall'espressione di geni specifici, che controllano la produzione di proteine ​​che conferiscono alle cellule le loro particolari funzioni e strutture.

L'attivazione e l'espressione dei geni rivelano somiglianze nei modelli cellulari basati sul tipo e sulla funzione in tutti i tessuti e negli organi. Comprendere questi modelli migliora la nostra comprensione delle cellule e offre spunti per scoprire i meccanismi alla base delle malattie.

L'emergere delle tecnologie di trascrittomica spaziale ha consentito agli scienziati di esaminare l'espressione genica nel contesto dei campioni di tessuto nel loro insieme. Tuttavia, sono necessarie nuove tecniche computazionali per elaborare queste informazioni e facilitare l'identificazione e la comprensione di questi modelli di espressione genica.

A research team led by Jian Ma, the Ray and Stephanie Lane Professor of Computational Biology in Carnegie Mellon University's School of Computer Science, has developed a machine learningMachine learning is a subset of artificial intelligence (AI) that deals with the development of algorithms and statistical models that enable computers to learn from data and make predictions or decisions without being explicitly programmed to do so. Machine learning is used to identify patterns in data, classify data into different categories, or make predictions about future events. It can be categorized into three main types of learning: supervised, unsupervised and reinforcement learning." data-gt-translate-attributes="[{"attribute":"data-cmtooltip", "format":"html"}]"> strumento di machine learning per colmare questa lacuna. Il loro articolo sul metodo, chiamato SPICEMIX, è recentemente apparso come storia di copertina di Nature Genetics.

SPICEMIX aiuta i ricercatori a districare il ruolo che i diversi modelli spaziali svolgono nell'espressione genetica complessiva delle cellule in tessuti complessi come il cervello. Lo fa rappresentando ciascun modello con metageni spaziali – gruppi di geni che possono essere collegati a uno specifico processo biologico e possono mostrare modelli regolari o sporadici attraverso i tessuti.

La squadra, che comprendeva Ma; Benjamin Chidester, uno scienziato del progetto presso il Dipartimento di Biologia Computazionale; e dottorato di ricerca gli studenti Tianming Zhou e Shahul Alam, hanno utilizzato SPICEMIX per analizzare i dati di trascrittomica spaziale provenienti da regioni del cervello nei topi e negli esseri umani. Hanno sfruttato le capacità uniche di SPICEMIX per scoprire il panorama dei tipi di cellule e dei modelli spaziali del cervello.

"Siamo stati ispirati dalla cucina quando abbiamo scelto il nome", ha detto Chidester. "Puoi creare tutti i tipi di sapori diversi con lo stesso set di spezie. Le cellule possono funzionare in modo simile. Possono utilizzare un insieme comune di processi biologici, ma la combinazione specifica che usano conferisce loro la loro identità unica."

Quando applicato ai tessuti cerebrali, SPICEMIX ha identificato i modelli spaziali dei tipi di cellule nel cervello in modo più accurato rispetto ad altri metodi. Ha inoltre scoperto nuovi modelli di espressione dei tipi di cellule cerebrali attraverso i metageni spaziali appresi.

"Questi risultati possono aiutarci a dipingere un quadro più completo della complessità dei tipi di cellule cerebrali", ha detto Zhou.

Il numero di studi che utilizzano tecnologie di trascrittomica spaziale sta crescendo rapidamente e SPICEMIX può aiutare i ricercatori a sfruttare al meglio questi dati ad alto volume e ad alta dimensione.

"Il nostro metodo ha il potenziale per far avanzare la ricerca sulla trascrittomica spaziale e contribuire a una comprensione più profonda sia della biologia di base che della progressione della malattia nei tessuti complessi", ha affermato Ma.

Riferimento: "SpiceMix abilita la modellazione spaziale integrativa a cellula singola dell'identità cellulare" di Benjamin Chidester, Tianming Zhou, Shahul Alam e Jian Ma, 9 gennaio 2023, Nature Genetics.DOI: 10.1038/s41588-022-01256-z