Сжатие библиотек генов расширяет доступность и возможности исследований
Исследователи под руководством Университета Пенсильвании разработали метод «сжатия» обширных библиотек генетических данных до более управляемых размеров. Результаты опубликованы в Nature Communications 2 февраля.
Метод вдохновлён принципом сжатия с потерями (lossy compression) в обработке изображений, когда файл значительно уменьшается в размере с минимальной потерей визуальной информации.
Как это работает
- Метод применяется к данным геномных CRISPR-экспериментов, которые содержат информацию о влиянии тысяч генов в разных типах человеческих клеток.
- Для предсказания эффектов в полном геномном масштабе на основе сжатой библиотеки используется специальный алгоритм на основе метода машинного обучения случайных лесов (random forests).
- Модель обучается на большей части данных, а её точность проверяется на удержанном подмножестве.
Ключевые результаты
- Высокая точность предсказаний сохранялась даже для наборов данных, полученных в других лабораториях с использованием разных условий и CRISPR-библиотек.
- Для этого требовалось всего около 1% информации от исходной библиотеки.
- Эксперимент, исследующий 18 000 генов, можно «сжато» смоделировать, протестировав всего 200 генов.
- Исследователи физически создали такие «библиотеки сжатия с потерями» с помощью методов синтетической биологии и подтвердили предсказания в новых экспериментах.
Значение и перспективы
- Метод открывает возможности для экспериментов с клетками, которые сложно или невозможно получить в больших количествах (например, клетки внутри живого организма).
- Он показал способность к переносу (transferability), точно предсказывая информацию из совершенно других наборов данных.
- Технология позволяет в реальном времени изменять состав сжатых наборов для разных экспериментальных задач в областях от биологии рака до биофармацевтики.
«Эта идея сжатия резко уменьшает масштаб экспериментов, открывая возможности для новых исследований», — отметил ведущий автор работы Джастин Притчард.