Инженеры из Массачусетского технологического института (MIT) разработали модель глубокого обучения, которая способна предсказывать, как клетки плодовой мухи будут изменяться на ранних этапах развития. Эта технология может оказаться полезной в медицине, помогая выявлять ранние признаки заболеваний, таких как астма и рак.
Технология, меняющая понимание клеточного развития
Исследование, опубликованное в журнале Nature Methods, демонстрирует, как новая модель изучает и предсказывает изменения геометрических свойств отдельных клеток по мере развития эмбриона плодовой мухи. В процессе изучения модель анализирует позицию клеток и их взаимодействие с соседями.
С помощью видеозаписей, показывающих развитие эмбрионов плодовой мухи, исследователи смогли предсказать с точностью 90%, как 5000 клеток изменятся в течение первого часа развития эмбриона. Это открытие может стать новым шагом в изучении более сложных тканей и органов.
От мухи к человеку: возможности применения
Авторы исследования планируют применить модель для изучения других биологических видов, таких как рыбы зебры и мыши. Это поможет выявить общие паттерны развития, характерные для разных видов. Кроме того, метод может помочь лучше понять, как развиваются ткани, подверженные заболеваниям.
Например, астматические ткани легких имеют отличительные клеточные динамики. Использование этой модели может улучшить диагностику и тестирование лекарств, выявляя тонкие различия в поведении клеток.
Точки и пены: как работает модель
Основой новой модели является двойная графовая структура, которая одновременно рассматривает клетки как точки и как пузырьки пены. Это позволяет более точно моделировать клеточные взаимодействия и предсказать изменения в структуре тканей.
Модель обучалась на данных из видеозаписей, предоставленных Университетом Мичигана, которые содержат детализированные изображения развития эмбрионов с разрешением до микрона. Эти данные позволили модели "научиться" предсказывать изменения в клетках с высокой точностью.
Будущее применения модели зависит от наличия качественных видеоданных. Если такие данные будут доступны, модель сможет использоваться для изучения более сложных биологических систем и даже некоторых человеческих тканей и органов.
Это исследование поддерживается Национальными институтами здравоохранения США.
