生物信息學的突破：人工智能預測細胞類型轉變

人工智能分析可訪問的數(shù)據(jù)，以查明改變細胞活動的基因修飾。

基因測序技術和計算能力的進步顯著提高了生物信息數(shù)據(jù)的可用性和處理能力。這種融合為人工智能(AI)開發(fā)控制細胞行為的方法提供了理想的機會。

在一項新的研究中，西北大學的研究人員通過開發(fā)一種人工智能驅(qū)動的遷移學習方法從這種聯(lián)系中收獲了成果，該方法重新利用公開數(shù)據(jù)來預測可以改變細胞類型或使患病細胞恢復健康的基因擾動組合。

該研究最近發(fā)表在《美國國家科學院院刊》上。

自從20年前人類基因組計劃完成以來，科學家們已經(jīng)知道人類DNA包含2萬多個基因。然而，這些基因如何共同協(xié)調(diào)我們體內(nèi)數(shù)百種不同的細胞類型仍然是一個謎。

令人驚訝的是，研究人員基本上通過引導試錯法證明，僅通過操縱少數(shù)基因就可以“重新編程”細胞類型。人類基因組計劃還促進了測序技術的進步，不僅使讀取遺傳密碼變得更加便宜，而且還使測量基因表達變得更加便宜，基因表達可以量化執(zhí)行細胞功能的蛋白質(zhì)的前體。負擔能力的提高導致了大量公開可用的生物信息數(shù)據(jù)的積累，提高了合成這些數(shù)據(jù)以合理設計基因操作以引發(fā)所需細胞行為的可能性。

控制細胞行為以及跨細胞類型轉變的能力可用于再生受損組織或?qū)┘毎D化回正常細胞。

在美國，中風、關節(jié)炎和多發(fā)性硬化癥導致的組織損傷每年影響 290 萬人，每年造成的損失高達 4 億美元。與此同時，癌癥每年導致全球約 1000 萬人死亡，造成數(shù)萬億美元的經(jīng)濟損失。由于當前的護理標準不能再生組織和/或功效有限，因此迫切需要開發(fā)更有效且廣泛適用的治療方法，這反過來又需要識別可以從高通量數(shù)據(jù)推斷的分子干預措施。

在這項新研究中，研究人員使用公開的基因表達數(shù)據(jù)訓練他們的人工智能來了解基因表達如何引起細胞行為。該學習過程生成的預測模型被轉移到特定的細胞重編程應用程序。在每個應用中，該方法都會找到最有可能誘導所需細胞類型轉變的基因操作組合。

對全基因組動態(tài)的前所未有的探索

該論文的主要作者、西北大學網(wǎng)絡動力學中心成員托馬斯·懷托克 (Thomas Wytock) 表示：“我們的工作與之前合理設計操縱細胞行為的策略的方法相比，脫穎而出。” “這些方法主要分為兩類：一類是根據(jù)基因的相互作用或共同屬性將基因組織成網(wǎng)絡;另一類是基因根據(jù)其相互作用或共同屬性組織成網(wǎng)絡;另一種方法是對健康細胞和患病細胞的基因表達進行比較，以找出差異最大的基因。”

標簽：