Изкуствен интелект открива метод за комуникация между клетките

Проучване на екип от Института за биомедицински изследвания Уайтхед, Кеймбридж, САЩ, показва как изкуствен интелект, който анализира сигналите, които клетките обменят помежду си, е в състояние да предвиди в какви тъкани ще се превърнат те впоследствие. В изследването си екипът на доц. Пулин Ли прави стъпка напред в отговор на един от най-интересните въпроси в областта на ембриологията. И той е, как клетката в ембриона знае, че трябва да се трансформира в мускулна клетка или в неврон.

Как започва историята

При сливането на яйцеклетката и сперматозоида се образува зигота – клетката, от която ще се развие човешко същество. Зиготата е вид тотипотентна клетка, от която може да бъде образувана всяка тъкан. Постепенно тя се дели и всяка от получените клетки е тотипотентна. Постепенно клетките губят своята тотипотентност и започват да се превръщат в специфични тъкани. А това повдига един от любопитните въпроси в ембриологията – как всъщност клетката в ембриона знае, че трябва да се трансформира в неврон или в мускулна клетка. За да се превърнат в крайния вид тъкан, клетките следват инструкциите, които гените им диктуват. И тук възниква поредният въпрос, свързан с факта, че всички клетки в човешкото тяло съдържат една и съща генетична информация. Въпросът е как и кога се активират инструкциите, кодирани в тези гени? Отговорът на тези въпроси е по-близо, става ясно от проучването на екип, ръководен от доц. Пулин Ли и Никълъс Хъчинс от Института Уайтхед, публикувано в списанието Nature Methods.

Всъщност съдбата на всяка клетка и в какъв вид специализирана ще се превърне, зависи от това, кои гени са включени или изключени в нея. Именно тези модели на генна активност оформят структурата и функцията на клетката като й позволяват да поеме специфична роля в тялото. Отделните клетки изпращат и получават постоянно химически сигнали от и до съседите си и така разбират в какъв етап от развитието си са, къде се намират и в какво ще се превърнат. Този вид съобщения биват разпространявани чрез последователности, наречени сигнални пътища, които превръщат външните сигнали в специфични промени в генната активност в клетката. Проблемът идва, когато изследователите искат да проследят последователността от инструкции, които клетката получава. А това е трудно постижимо, защото ще трябва да картографират всеки път поотделно във всеки тип клетка, което е изключително труден процес. В същото време това е начинът да се разбере как точно се развиват тъканите и как тези процеси се объркват при заболяванията.

Проучването

Проучването, осъществено от екипа на доц. Ли, установява, че всеки сигнален път оставя след себе си уникален „пръстов отпечатък“, който представлява отличителен белег и модел на генна активност и отразява специфичните сигнали, с които клетката се сблъсква.

Всъщност, отговорът на учените от Института Уайтхед, е, че ключът е не в самите клетки, а точно в „разговорите“ под формата на химически сигнали, който те водят помежду си. Именно чрез тях клетките „разбират“ къде и на какъв етап от развитието си се намират и кой е пътят, по който трябва да поемат.

Пръстовите отпечатъци са последователни в различните типове клетки за един и същ сигнален път, което улеснява учените. Вместо да картографират всеки тип клетка поотделно, те могат буквално да реконструират историите на сигнализацията в много типове клетки и да го направят като използват специфичните за пътя пръстови отпечатъци.

Изследователите откриват това благодарение на модел за машинно обучение, наречен IRIS. Той е специално обучен върху хиляди данни от различните сигнални каскади. IRIS е в състояние да открива отпечатъци от различни сигнални пътища и да определя точно кои сигнали клетката получава на различни етапи от развитието си в ембриона. Прави го дори за типове клетки, с които не се е сблъсквала преди.

Героят IRIS

Подходът, основан на изкуствен интелект, представлява значителен напредък в сравнение с традиционните методи, които изискват от учените да тестват експериментално всеки възможен клетъчен тип. Методът отваря възможността за пълното картографиране на историята на сигнализацията на всяка клетка в миши или човешки ембрион.

IRIS е модел, в основата на който е невронна мрежа. Представлява система, която на практика се управлява от изкуствен интелект и задачата й е да разпознава модели сред сложни данни подобно на начина, по който човешкият мозък забелязва моделите. IRIS изследва цялостната генна активност на клетката и оценява кои сигнални пътища най-вероятно са включени в определен момент по време на развитието.

Доц. Пулин Ли и Никълъс Хъчинс обучават IRIS върху голям експериментален набор от данни, който измерва как хиляди човешки ембрионални стволови клетки реагират на десетки комбинации при шест основни сигнални пътя в различни етапи на развитие. Така се създава подробна карта на това как сигналните комбинации влияят върху поведението на клетките.
След това учените тестват IRIS като използват единични клетки от миши ембриони по време на гаструлация – етапът, в който клетките се разклоняват. Така става ясно, че IRIS може да предскаже точно кога и къде ще се активират специфични сигнални пътища в клетките, предназначени да се превърнат в част от тъканта на сърцето, мускулите, червата и гръбначния мозък. Вариацията в сигналните молекули е това, което насочва клетките да формират точните структури на правилните места.

Резултатите

Подходът прави възможно учените не само да започнат да разбират основите на междуклетъчната комуникация, но и да получат практическа пътна карта за насочването на стволовите клетки към специфични и функционални клетъчни типове в лабораторията.

Когато използват IRIS, за да идентифицира сигнали, нужни за създаването на клетъчен тип, важен за развитието на белите дробове, моделът предвижда, че активирането на специфичен сигнален път ще насърчи характерното за белите дробове развитие. Опитите с миши ембриони потвърждават предвиденото от модела. Така, когато са установени точните комбинации от сигнали, които задвижват развитието на белодробните клетки, могат по-сигурно да бъдат създадени точни лабораторно отгледани модели на белодробната тъкан.

„Така IRIS помага да декодираме езика, който клетките използват, за да общуват помежду си при това много по-бързо отколкото бихме могли да го постигнем чрез опити“, казва един от авторите Никълъс Хъчинс.

Подобрените модели ще позволят на изследователите да изучават заболявания като астма, рак на белия дроб и белодробна фиброза, при които белодробната тъкан често е белязана без известна причина. Моделите могат да бъдат използвани за тестване на терапии и така да бъдат създадени регенеративни лечения, които възстановяват увредената тъкан.