Ученые из Массачусетского технологического института (MIT) разработали модель глубокого обучения, способную предсказывать, как клетки плодовой мушки формируются и взаимодействуют на ранних стадиях развития. Это открытие может помочь в изучении более сложных тканей и органов, а также в выявлении ранних признаков заболеваний.
Как работает новая модель
Новая модель обучается на видео эмбрионов плодовой мушки, которые состоят из примерно 5000 клеток. Эти видео показывают, как клетки меняются и реорганизуются в течение первого часа развития эмбриона. Модель предсказывает с точностью до 90%, какие клетки будут складываться, делиться или перемещаться.
Во время ключевой стадии развития, известной как гаструляция, клетки реорганизуются в течение минут. Это важный момент, поскольку именно здесь формируются основные ткани и органы. Точная модель может помочь понять, как локальные взаимодействия клеток приводят к формированию более сложных структур.
Применение в медицине и биологии
В будущем исследователи надеются использовать эту модель для прогнозирования развития клеток у других видов, таких как рыбки данио и мыши. Это может помочь выявить общие клеточные паттерны и понять, как развиваются заболевания на ранних стадиях. Например, ткань легких у людей с астмой отличается от здоровой. Новая методика может выявить, как именно развивается предрасположенная к астме ткань.
Соавторы исследования из MIT и других университетов, включая Университет Мичигана и Северо-Восточный университет, надеются, что их модель станет полезным инструментом для диагностики и создания новых лекарств.
Технические детали и перспективы
Модель основывается на так называемой «двойной графовой» структуре, которая позволяет представлять клетки как движущиеся точки и пузыри. Это помогает более точно моделировать геометрические свойства клеток, такие как их положение и взаимодействие с соседними клетками.
Однако главным ограничением остается доступность высококачественных видео данных. Исследователи отмечают, что если такие данные будут доступны, их модель сможет прогнозировать развитие множества других структур.
Эта работа поддерживается национальными институтами здравоохранения США и представляет собой значительный шаг вперед в области изучения искусственного интеллекта и биологии.
