Метод машинного обучения улучшает понимание идентичности клеток

Активация и экспрессия генов формируют паттерны, схожие для клеток одного типа и функции в разных тканях и органах. Выявление этих паттернов углубляет понимание клеток, что важно для раскрытия механизмов заболеваний.

Появление технологий пространственной транскриптомики позволило наблюдать экспрессию генов в их пространственном контексте в целых образцах тканей. Однако для интерпретации этих данных и выявления паттернов экспрессии необходимы новые вычислительные методы.

Исследовательская группа под руководством Цзянь Ма из Школы компьютерных наук Университета Карнеги-Меллон разработала инструмент машинного обучения для решения этой задачи. Их статья о методе SPICEMIX была опубликована на обложке последнего выпуска журнала Nature Genetics.

SPICEMIX помогает исследователям разделить вклад различных пространственных паттернов в общую экспрессию генов клеток сложных тканей, например, мозга. Для этого метод представляет каждый паттерн с помощью пространственных метагенов — групп генов, которые могут быть связаны с определённым биологическим процессом и демонстрировать плавные или спорадические паттерны в ткани.

Команда использовала SPICEMIX для анализа данных пространственной транскриптомики из областей мозга мышей и человека. Уникальные возможности метода позволили раскрыть ландшафт типов клеток мозга и их пространственных паттернов.

«Название метода было вдохновлено кулинарией, — сказал участник исследования Бенджамин Чайдестер. — Из одного набора специй можно создать множество разных вкусов. Клетки, возможно, работают схожим образом. Они могут использовать общий набор биологических процессов, но конкретная комбинация, которую они применяют, придаёт им уникальную идентичность».

Применённый к тканям мозга, SPICEMIX идентифицировал пространственные паттерны типов клеток точнее, чем другие методы. Он также выявил новые паттерны экспрессии типов клеток мозга через изученные пространственные метагены.

«Эти находки могут помочь нам составить более полную картину сложности типов клеток мозга», — отметил аспирант Тяньмин Чжоу.

Количество исследований с использованием пространственной транскриптомики быстро растёт, и SPICEMIX может помочь учёным максимально использовать эти высокообъёмные и многомерные данные.

«Наш метод обладает потенциалом для продвижения исследований в области пространственной транскриптомики и способствует более глубокому пониманию как фундаментальной биологии, так и прогрессирования заболеваний в сложных тканях», — заключил Цзянь Ма.