Российские ученые создали ИИ для распознавания клеток с точностью до 99,9%
Российские ученые создали ИИ-систему, способную находить редкие и неизвестные типы клеток. Разработка поможет выявлять устойчивые к лечению клетки опухолей и изучать причины воспаления при ожирении.
Источник: Первый и последний авторы статьи — Елизавета Чечехина и Вадим Чечехин — создатели и разработчики инструмента. Источник: Елизавета Чечехина / МГУ имени М.В. Ломоносова
МОСКВА, 3 августа /Новости науки/. Российские ученые создали ИИ-инструмент, который распознает типы клеток по данным РНК с точностью до 99,9%. Об этом сообщила пресс-служба Российского научного фонда.
Разработка позволит находить среди множества клеток редкие разновидности — например, единичные опухолевые клетки, устойчивые к химиотерапии. В перспективе система поможет точнее подбирать лечение и создавать препараты, действующие на конкретные клеточные мишени.
«Предложенный алгоритм позволит только по данным РНК-секвенирования понять причину воспаления в тканях пациентов с ожирением и находить в опухолях единичные клетки, устойчивые к химиотерапии», — рассказала участник проекта, младший научный сотрудник МГУ имени М.В. Ломоносова Елизавета Чечехина.
Инструмент получил название scParadise. Он объединяет три модуля искусственного интеллекта. Первый, scAdam, определяет тип клетки и создает цифровые копии редких клеток, если данных для обучения недостаточно. Если система встречает неизвестную клетку, она не причисляет ее к одной из знакомых групп, а отмечает как потенциально новый тип.
Второй модуль, scEve, по данным РНК оценивает количество и состав белков на поверхности клетки. Эти белки определяют, как клетка взаимодействует с окружающими тканями и лекарствами. Третий модуль, scNoah, контролирует качество анализа и показывает, в каких случаях система может ошибаться.
Авторы проверили scParadise на клетках жировой ткани здоровых людей и пациентов с ожирением. Алгоритм распознал известные типы клеток и обнаружил три ранее не описанные разновидности иммунных клеток, которые могут участвовать в развитии хронического воспаления при ожирении.
Секвенирование РНК позволяет определить, какие гены работают в каждой отдельной клетке. Однако существующие алгоритмы хуже справляются с редкими клетками, для которых накоплено мало данных. Новый инструмент выравнивает наборы данных и благодаря этому повышает точность анализа. В исследовании участвовали специалисты МГУ, Центра имени Гамалеи и Центра стратегического планирования ФМБА России. Результаты опубликованы в журнале *Nucleic Acids Research*.
Разработка позволит находить среди множества клеток редкие разновидности — например, единичные опухолевые клетки, устойчивые к химиотерапии. В перспективе система поможет точнее подбирать лечение и создавать препараты, действующие на конкретные клеточные мишени.
«Предложенный алгоритм позволит только по данным РНК-секвенирования понять причину воспаления в тканях пациентов с ожирением и находить в опухолях единичные клетки, устойчивые к химиотерапии», — рассказала участник проекта, младший научный сотрудник МГУ имени М.В. Ломоносова Елизавета Чечехина.
Инструмент получил название scParadise. Он объединяет три модуля искусственного интеллекта. Первый, scAdam, определяет тип клетки и создает цифровые копии редких клеток, если данных для обучения недостаточно. Если система встречает неизвестную клетку, она не причисляет ее к одной из знакомых групп, а отмечает как потенциально новый тип.
Второй модуль, scEve, по данным РНК оценивает количество и состав белков на поверхности клетки. Эти белки определяют, как клетка взаимодействует с окружающими тканями и лекарствами. Третий модуль, scNoah, контролирует качество анализа и показывает, в каких случаях система может ошибаться.
Авторы проверили scParadise на клетках жировой ткани здоровых людей и пациентов с ожирением. Алгоритм распознал известные типы клеток и обнаружил три ранее не описанные разновидности иммунных клеток, которые могут участвовать в развитии хронического воспаления при ожирении.
Секвенирование РНК позволяет определить, какие гены работают в каждой отдельной клетке. Однако существующие алгоритмы хуже справляются с редкими клетками, для которых накоплено мало данных. Новый инструмент выравнивает наборы данных и благодаря этому повышает точность анализа. В исследовании участвовали специалисты МГУ, Центра имени Гамалеи и Центра стратегического планирования ФМБА России. Результаты опубликованы в журнале *Nucleic Acids Research*.
