Модель глубокого обучения предсказывает развитие плодовой мушки по клеткам

Команда инженеров MIT разработала метод для предсказания того, как отдельные клетки будут складываться, делиться и перестраиваться на самой ранней стадии развития плодовой мушки (Drosophila melanogaster). Модель может быть применена для прогнозирования развития более сложных тканей, органов и организмов, а также для выявления клеточных паттернов, связанных с ранними стадиями заболеваний, таких как астма и рак.

Ключевые результаты

• В исследовании, опубликованном в журнале Nature Methods, представлена модель глубокого обучения, которая учится и предсказывает, как геометрические свойства отдельных клеток изменяются в процессе развития.
• Модель отслеживает свойства клеток, такие как их положение и контакт с соседями.
• Применяя модель к видео развивающихся эмбрионов плодовой мушки (начальный кластер ~5000 клеток), исследователи достигли 90% точности в предсказании того, как каждая из клеток будет изменяться минута за минутой в течение первого часа развития (стадия гаструляции).
• «Точное моделирование этого раннего периода позволяет понять, как локальные взаимодействия клеток приводят к формированию глобальных тканей и организмов», — говорит соавтор Мин Го.

Метод: двойной граф

Вместо выбора между двумя традиционными подходами к моделированию (клетки как «облако точек» или как «пена» пузырьков), авторы объединили их в «двойную графовую» структуру.

• Эта структура представляет эмбрион одновременно и как движущиеся точки, и как пузырьки.
• Такой подход позволяет улавливать более детальные геометрические свойства клеток: положение ядра, контакты с соседями, момент складывания или деления.

Данные и прогноз

Модель обучали на высококачественных видео гаструляции плодовой мушки (с субмикронным разрешением и разметкой краёв и ядер клеток), предоставленных коллегами из Мичиганского университета.

• После обучения на трёх видео модель успешно предсказала развитие клеток в новом, ранее не виденном эмбрионе.
• Модель предсказывает не только будет ли происходить событие (деление, отсоединение), но и когда оно произойдёт (с точностью до минуты).

Будущие применения

Исследователи планируют применить модель для прогнозирования клеточного развития у других видов (например, данио-рерио и мышей), чтобы выявить общие для разных видов закономерности.

• Метод также может быть использован для выявления ранних паттернов заболеваний. Например, ткань лёгких при астме имеет иную динамику развития.
• «Мы предполагаем, что наша модель сможет уловить эти тонкие динамические различия и дать более полное представление о поведении ткани, потенциально улучшив диагностику или скрининг лекарств», — говорит соавтор Хайцянь Ян.

Основное ограничение для применения модели к более сложным системам — недостаток высококачественных видеоданных. С методологической точки зрения модель готова к работе.