Вместо пипетки — нейросеть: как ИИ учат предсказывать поведение клеток

Ученые мечтают построить цифровую модель клетки — чтобы прогнозировать поведение живых организмов, не проводя десятки опытов. Впервые в истории биологии виртуальные клетки могут стать не концептом, а работающим инструментом.

Виртуальные модели клеток могут помочь предсказать, как опухолевые клетки (на фото) реагируют на экспериментальные препараты

Источник: Science Photo Library

Если биоинформатику удастся смоделировать клетку в компьютере, мы научимся прогнозировать, как она себя поведет в разных ситуациях — например, при лечении опухоли новым препаратом. Это поможет ускорить разработку лекарств, а биологам сэкономит месяцы работы. По словам Стивена Куэйка, главы научного направления Chan Zuckerberg Initiative (CZI), цель проекта — чтобы 90% задач решались с помощью вычислений, а не с помощью пипеток, сообщает издание Nature.

Это будет очень мощный инструмент для понимания того, что идет не так при болезнях.

Стивен Куэйк

профессор

Над виртуальными клетками уже работают несколько крупных команд. CZI собирается потратить сотни миллионов долларов на развитие технологии в ближайшее десятилетие. Свой проект ведет и Google DeepMind. В Швеции запланирован запуск модели Alpha Cell в 2026 году. А американский Arc Institute недавно представил модель State и даже запустил конкурс на $175 тыс. для команд, которые смогут с ее помощью предсказать, как стволовые клетки отреагируют на генные вмешательства.

На схеме показан замкнутый цикл взаимодействия между виртуальной ИИ-клеткой и биологом: ИИ-клетка — моделирует клеточные процессы и генерирует предсказания. Анализ — ученые интерпретируют цифровые данные. Гипотеза — формулируются новые научные предположения. Проектирование экспериментов — создаются точные планы лабораторных тестов. Эксперименты — биологи проводят тесты, собирают данные. Полученные данные поступают обратно в ИИ-клетку, замыкая цикл. 🔬 Такой подход позволяет не просто проверять готовые гипотезы, а находить наиболее перспективные еще до начала реальных экспериментов.

Источник: Cell

База большинства моделей — результаты так называемого сингл-селл секвенирования: это когда ученые снимают «слепок» активности всех генов внутри одной клетки. Такие данные дешевы и доступны в больших объемах. Например, CZI уже собрала более 100 миллионов клеток, а к проекту Virtual Cell они планируют секвенировать миллиард. Arc Institute загрузил в открытый доступ 100 миллионов опухолевых клеток, обработанных сотнями препаратов. Принцип создания виртуальной клетки описан в статье Cell. 

По мнению ряда ученых, такие модели пока «проваливаются» при проверке на новых данных, так как они не работают за пределами того, на чем их обучили. Проблема в том, что сингл-селл данные показывают лишь «снимок» состояния клетки, а не процессы и взаимодействия внутри. Без включения других источников данных — например, изображений с микроскопа — полноценной модели клетки не получится.

Образцы тканей и крови пациента (плазма, эритроциты, лейкоциты) — источник индивидуальных биологических данных. ИИ-клетка обрабатывает эти данные и воссоздает цифровую модель клеток конкретного пациента. Получается цифровой двойник — персонализированная модель, способная отслеживать состояние здоровья, предсказывать риски и предлагать точные лечебные стратегии.

Источник: Cell

Пока в научном сообществе нет даже согласия по поводу того, что именно считать «виртуальной клеткой». Но это не мешает первопроходцам двигаться вперед. В Arc Institute считают, что AI-модели, предсказывающие поведение конкретных типов клеток (например, сердечных или кишечных), вполне реальны в ближайшие годы.

Ранее мы рассказывали, как ученые придумали помечать клетки ДНК-штрихкодами: бум в биологии.