Искусственный интеллект идентифицирует отдельные больные клетки

Исследователи из Центра Гельмгольца в Мюнхене и Мюнхенского технического университета (TUM) разработали новый алгоритм scArches (single-cell architecture surgery). Его ключевое преимущество — использование трансферного обучения для сравнения новых наборов данных одноклеточной геномики с существующими референсными атласами без необходимости обмена исходными данными. Это сохраняет конфиденциальность и анонимность, упрощает аннотирование и интерпретацию новых данных и демократизирует использование референсных атласов.

Пример с COVID-19

Алгоритм был применён для изучения COVID-19 на образцах ткани бронхов. Сравнивая клетки пациентов с COVID-19 со здоровыми референсами с помощью одноклеточной транскриптомики, scArches смог отделить больные клетки от референсных. Это позволяет точно определить клетки, нуждающиеся в лечении, как при лёгких, так и при тяжёлых случаях COVID-19. Биологические различия между пациентами не повлияли на качество процесса картирования.

Фабиан Тайс: «Наше видение заключается в том, что в будущем мы будем использовать клеточные референсы так же легко, как сегодня используем геномные. Другими словами, если вы хотите испечь торт, вы обычно не придумываете свой рецепт, а ищете его в поваренной книге. С помощью scArches мы формализуем и упрощаем этот процесс поиска».

Алгоритм scArches доступен на GitHub.