Новый ИИ-инструмент — «учёный, который никогда не спит»
Исследователи создали новую платформу на основе искусственного интеллекта, способную анализировать, как патогены заражают наши клетки, с точностью обученного биолога.
Платформа HRMAn (Host Response to Microbe Analysis) является открытой, простой в использовании и может быть адаптирована для различных патогенов, включая Salmonella enterica.
Разработанная учёными из Института Фрэнсиса Крика и UCL, HRMAn использует глубокие нейронные сети для анализа сложных паттернов на изображениях взаимодействий патогена и клеток человека («хозяина»), выделяя те же детальные характеристики, что и учёные вручную. Исследование опубликовано в открытом журнале eLife, где доступны ссылки для скачивания платформы и обучающих видео.
«То, что раньше было ручной, трудоёмкой задачей для биологов, теперь занимает у нас считанные минуты на компьютере. Это позволяет нам быстрее и точнее изучать инфекционные патогены и реакцию нашего организма на них», — говорит Ева Фриккель, руководитель проекта. — «HRMAn действительно видит взаимодействия патогена и хозяина как биолог, но, в отличие от нас, он не устаёт и не нуждается во сне!»
Чтобы продемонстрировать возможности HRMAn (работающей на платформе KNIME), команда использовала её для анализа реакции организма на Toxoplasma gondii — паразита, размножающегося в кошках и, предположительно, присутствующего у более чем трети населения мира.
Исследователи из Центра высокопроизводительного скрининга Института Крика собрали более 30 000 микроскопических изображений пяти различных типов заражённых токсоплазмой человеческих клеток и загрузили их в HRMAn для анализа. Платформа обнаружила и проанализировала более 175 000 клеточных компартментов, содержащих патоген, предоставив детальную информацию о количестве паразитов на клетку, их локализации внутри клеток и о том, сколько клеточных белков взаимодействовало с паразитами, среди других переменных.
«Предыдущие попытки автоматизировать анализ изображений взаимодействий патогена и хозяина не позволяли уловить такой уровень детализации», — отмечает Артур Якимович, соавтор исследования. — «Используя алгоритмы, подобные тем, что управляют беспилотными автомобилями, мы создали платформу, которая повышает точность анализа больших объёмов биологических данных. Это революционизировало нашу работу в лаборатории».
Команда также использовала HRMAn для анализа Salmonella enterica — бактериального патогена, который в 16 раз меньше токсоплазмы, что продемонстрировало универсальность платформы для изучения разных патогенов.
«Наша команда использует HRMAn для ответа на конкретные вопросы о взаимодействиях патогена и хозяина, но её значение выходит далеко за рамки этой области», — говорит Дэниел Фиш, соавтор исследования. — «HRMAn может анализировать любые флуоресцентные изображения, что делает её актуальной для многих других областей биологии, включая исследования рака».