Математики используют машинный интеллект для картирования взаимодействий генов

Исследователи из Калифорнийского университета в Ирвайне разработали новый математический метод на основе машинного интеллекта, который пространственно определяет сложные взаимодействия между клетками и генами. Этот мощный инструмент может помочь в диагностике и лечении заболеваний — от рака до COVID-19 — путем количественной оценки "перекрестных помех" между "хорошими" и "плохими" клетками.

Объединив математическую концепцию "оптимального транспорта" с машинным обучением и теорией информации, ученые смогли снабдить несвязанные одиночные клетки пространственной информацией, выявляя каналы коммуникации между клетками или генами. Работа опубликована в журнале Nature Communications.

"С помощью этого инструмента мы можем идентифицировать перекрестные помехи между инфицированными вирусом клетками и иммунными клетками", — говорит соавтор Цин Ни, профессор математики UCI и директор NSF-Simons Center for Multiscale Cell Fate Research, поддержавшего проект. — "Этот новый подход может найти немедленное применение в поиске критических связей межклеточной коммуникации в легких при атаке вируса COVID-19".

По словам Ни, точная диагностика и лечение заболеваний требуют как генетического скрининга, так и визуализации тканей. Высокопроизводительный генетический профилирование с разрешением на уровне одной клетки часто требует разделения тканей на отдельные клетки, что приводит к потере пространственной информации. В то же время визуализация целых тканей позволяет измерить лишь небольшое количество генов.

"Этот новый математический метод машинного интеллекта значительно расширяет наши возможности по интеграции множества биомедицинских наборов данных", — отмечает Ни. — "Впервые мы можем показать, как один ген в одной клетке — например, в конкретной раковой клетке — может влиять на другой ген в иммунной клетке".

Ученый отметил, что частично его вдохновило на использование оптимального транспорта — инструмента с широким спектром применений, включая глубокое обучение — присуждение в 2018 году Филдсовской премии (аналога Нобелевской премии в математике) за работы по этой теме.